Hallo,
Eigentlich wollte ich mir JMP zulegen, da weniger Programmierung notwendig ist und bereits sehr viele nicht-lineare Response Surface Designs vorhanden sind.
Jetzt muss ich doch sparen.
Ich möchte für einen chemischen Prozess eine effiziente DoE gerechte effiziente teilfaktorielle Versuchsplanung unter Verwendung eines optimierten nicht-linearen Response Surface Designs verwenden,
wobei 5 bis 6 Parameter mit 3 bis 5 Stufen variiert werden sollen.
Laut diesem Artikel
Response-Surface Methods in R, Using rsm Updated to version 2.00, 5 December 2012 Russell V. Lenth The University of Iowa
ist die Anzahl der geeigneten Designs in msr bzw. R eher gering. Ist das inzwischen besser geworden? Sind die Eigenschaften der nicht-linearen Designs von kommerziellen Programmen wie JMP bekannt oder nicht?
Kann man sie also selbst hinzufügen in R oder nicht?
Wenn es denn soweit ist, wäre es möglich entsprechende Designs selbst zu entwickeln? Leider kenne mich darin überhaupt nicht aus.
Nach der Versuchsplanung in R möchte ich dann die experimentellen Ergebnisse an ein nicht-lineares, multivariates, kinetisches Modell anpassen, welches den Arrhenius-Ansatz für einen kinetischen Parameter verwendet sowie zwei Reaktionsordnungen und mehrere Adsorptionsparameter.
Außerdem soll die Abhängigkeit der experimentellen Ergebnisgrößen bzw. die Sensitivität bezüglich der einzelnen Parameter untersucht und grafisch darstellbar sein.
Natürlich sollen für alle ermittelten Größen die entsprechenden Fehler bzw. die Standardabweichungen angegeben werden.
Ich habe zwar einige Statistikkenntnisse, aber Experte bin ich nicht und R bzw. auch nicht-lineare Response Surface Designs sind für mich absolutes Neuland.
Ich kann zwar programmieren, zur Not kann auch das eine SHK machen, aber ich würde den Aufwand insgesamt gerne eher klein halten.
Kann mir da jemand helfen?
Es geht momentan erst einmal um die Entscheidung für JMP oder die Verwendung von R.
Tommy7571