網友評分: 4.7分
designexpert 12是一個新的實驗設計軟件,它集成了設計和分析功能,幫助科學家更好地研究實驗。實驗結果以直觀的圖標形式顯示。它為用戶提供了一個混合或組合的因素和組成部分,為實驗奠定了良好的實驗基礎環境。在這種環境下,可以進一步改進實驗產品的生產工藝。該軟件還支持旋轉三維圖形和交互式二維圖形。如果在實驗設計過程中遇到問題,可以建立具有在線功率計算能力,添加積木和中心點,分析問題產生的原因,滿足您的需求。
1、Logistic回歸
使用二進制數據(每個單元格為0或1)的響應將在“變換”選項卡上具有“邏輯回歸”選項。
Logistic回歸模型術語顯著性的卡方檢驗。
麥克法登調整 McFadden和Tjur偽R平方統計數據可用于邏輯回歸。
可以使用基于成功或失敗概率的標準來優化二元響應。
2、圖表
模型圖已移至筆記本界面。
您可以在并排視圖中同時創建多個圖形。
所有圖形現在都有一個可??康膱D例,可以獨立于圖形移動。
圖例也可以通過右鍵單擊菜單??吭趫D表的右側或底部。
可以通過右鍵單擊菜單單獨切換圖例中的元素。
通過將圖例懸停在其上,保持控件和使用鼠標滾輪,可以增大或減小圖例的字體大小。
可以在“圖表列”節點中生成任何數據列的直方圖。
您可以在“圖形列”散點圖上設置第三個軸,使其成為三維散點圖。
效果圖已移至筆記本界面,可以并排比較。
現在可以在觀察值和預測值之間切換立方體圖。
單擊“交互”或“單因子”圖中的點時的成對比較現在可在單獨的工具箱中使用。
3、分類編碼
分類變量現在可以使用治療對比,將每個級別與用戶選擇的對照或參考級別進行比較。
Design Expert還可以使用Helmert對比,將每個級別與之前級別的平均值進行比較。
序數對比不再需要數字。 如果它們不是數字,則假定它們是均勻間隔的(例如“低”,“中”,“高”)。
ANOVA中顯示了分類因子的對比類型的選擇。
4、組合模型
Kowalski-Cornell-Vining(KCV)型號可作為型號訂單選擇。
在建造時,KCV模型為完整的交叉模型提供了更有效的替代方案。
在分析過程中也可以選擇KCV模型。
一、目標和設計選項
緊接在目標之下推薦的設計是建議的最低設計。對于更復雜的目標,也可以使用更有能力的設計。更大,更復雜的設計將產生更好的估計并得出更有力的結論。
當目標是優化過程并且有超過6個因素時,通常在篩選目標開始實驗并采取小步驟,在每個步驟中更多地了解過程,并在此基礎上進行構建更有效率。與一個大型設計相比,在學習過程中采取一些小步驟通常會導致更少的運行和更好的整體理解。
1、最小運行
如果您需要快速排除故障并快速獲得結果。
測試產品,工藝或方法的堅固性。現實世界的目標是驗證測試方法是否適用于所有操作員,或者當在預期的因子范圍內使用時,過程是否穩定。
對于上述兩種情況,任務是運行最少的運行次數,但是,設法同時測試所有變量。如果沒有重要因素,那么對因子的更改不會顯著影響產品,流程或方法。如果某些事情很重要,我們可以斷定這個過程并不穩定。但要了解不穩定的原因,后續實驗是必要的。
對于上述情況,請使用顏色編碼為紅色的兩級析因設計(分辨率III)。
2、篩選
篩選實驗用于將大量潛在因素縮小到較小的因素列表,這些因素對過程有重大影響。
對于上述使用,采用黃色(分辨率IV)或最小運行篩選設計的雙級因子設計。另一種選擇是響應面,過飽和的最終篩選設計。
后續實驗對于表征交互并理解為什么某些因子組合起作用或失敗是必要的。
3、表征
表征主效應,相互作用甚至曲率,以更好地理解正在研究的過程。
對于上述使用,采用顏色編碼為白色(全因子)或綠色(分辨率V或更高)的兩級因子設計。其他可接受的兩級設計是Min-RunCharacterize和IrregularResV設計。將中心點添加到任何兩級因子設計以估計曲率效應。
4、優化
通過找到最佳因子設置來優化流程,以實現目標,例如為每個響應單獨最大化,最小化或達到目標值。
對于上述任何一種情況,請使用適合問題的響應面設計。標準設計,如中央復合材料或Box-Behnken,適用于二次模型。優化設計具有更大的靈活性,允許更高階的模型。
標簽: Design Expert 實驗設計