Situaciones / preguntas en el uso de DSD
Planeo ejecutar un DOE con 7 factores continuos, 1 factor categórico, 2 bloques.
El objetivo es tanto el screening como la optimización.
Quiero usar DSD, pero encuentro las siguientes situaciones / preguntas:
1. Cinco de los factores continuos pueden tener algún tipo de interacciones. ¿Limitará esto el uso de DSD?
2. Cuatro de los cinco factores son tres niveles, pero no están separados (digamos 100, 120, 200). ¿Cómo manejar esto?
3. Un factor continuo tiene dos niveles solo debido a la disponibilidad de la muestra. ¿Cómo manejarlo?
4. Para todos los factores continuos, trato de controlar los niveles para estar lo más separados posible, pero no es práctico obtener el máximo y el mínimo. ¿Será esto un problema?
5. Si trato de agregar algunos puntos centrales (fila vacía), ¿debo tratar de mantener la caída original sobre la naturaleza del diseño?
¡Gracias!
Re: Situaciones / preguntas en el uso de DSD@Peter_Bartell
Sí. La regla de oro para mí es que el DOE es un proceso de aprendizaje secuencial y no debe gastar más del 25% del recurso en la ejecución inicial.
Re: Situaciones / preguntas en el uso de DSDSu bienvenida ... ahora el descargo de responsabilidad. Mis recomendaciones son solo UN enfoque para resolver este problema. Eso es parte del arte de DOE ... no hay una sola manera de resolver un problema práctico. Por ejemplo, si me dijera que tiene un presupuesto y recursos ilimitados ... Le habría enviado directamente a usar la plataforma de Diseño personalizado para admitir la estimación y el modelo de tipo RSM. Esto resolvería muchas de las preguntas de tus niveles y obtendría tus efectos de interacción, cuadráticos, etc. Sospecho que si les preguntas a otros, tendrán otras ideas que no sean las mías.
Re: Situaciones / preguntas en el uso de DSD@Peter_Bartell
¡Muchas gracias por sus sugerencias!
Re: Situaciones / preguntas en el uso de DSDSí, con mis comentarios en 2. y 3. más arriba, sugiero considerar un enfoque de diseño de experimentos secuencial, óptimo en D.
Muchas veces tenemos restricciones en los niveles de mínimo a máximo y máximo que se pueden elegir para un factor determinado. Probablemente la mayor preocupación de tener que lidiar con las restricciones de nivel es si los niveles que finalmente se ejecutan están lo suficientemente separados para que la señal de respuesta pueda elevarse por encima de todas las fuentes de ruido y error que influyen en la respuesta. Si no tiene idea ... ¿quizás un pequeño factor a la vez la experiencia de ese único factor con unas pocas repeticiones puede darle una idea?
Re: Situaciones / preguntas en el uso de DSD@Peter_Bartell
Supongo que usted sugiere que ejecute un diseño personalizado de nivel D óptimo para el análisis para ahorrar recursos y resolver los problemas 2 y 3, ¿verdad?
Lo que quiero decir con el problema 4 es que para un factor continuo, a menudo no podemos realizar pruebas prácticamente en los valores máximo y mínimo. ¿Será esto un problema? Por ejemplo, para un sistema mecánico, la carga de entrada varía de -1000 Newton a +1000 Newton. Pero el equipo de prueba solo puede generar min = 500 N y max = +500 N.
Gracias.
Re: Situaciones / preguntas en el uso de DSDAquí están mis pensamientos sobre sus tres preguntas (su esquema de numeración):
2. Si el primer diseño es un diseño de detección, generalmente está tratando de encontrar la información requerida para el menor gasto de recursos. Los DSD dependen bastante de niveles igualmente espaciados, por lo que el diseño tiene las propiedades adecuadas de "plegado". Con tantos factores con esta característica no espaciada equitativamente, ¿ha considerado ejecutar un diseño D-óptimo de nivel 2 (olvídese por ahora de ejecutar el nivel 'medio') con un énfasis en la detección (es decir, mantener el número mínimo de carreras)? Si tiene conocimiento específico de sospechas de interacciones de dos factores que le gustaría estimar, estas se pueden incluir en la ventana de especificación del modelo. Entonces el diseño apoyará su estimación.
3. Si vas por la ruta D-óptima sugerida en 2. arriba, eso resuelve este problema.
4. No estoy 100% seguro de lo que quiere decir aquí ... mi interpretación de su problema y reacción es simplemente diseñar el experimento en los niveles en los que pretende llevar a cabo el experimento ... no algunos eligen arbitrariamente niveles más amplios.
Re: Situaciones / preguntas en el uso de DSD@Peter_Bartell
Me gusta y seguiré el "mapa de carreteras" que dibujas.
Mientras tanto, ¿podría abordar mi pregunta 2, 3 y 4 (abajo)? Me han desconcertado por un tiempo.
2. Cuatro de los cinco factores son tres niveles, pero no están separados (digamos 100, 120, 200). ¿Cómo manejar esto?
3. Un factor continuo tiene dos niveles solo debido a la disponibilidad de la muestra. ¿Cómo manejarlo?
4. Para todos los factores continuos, trato de controlar los niveles para estar lo más separados posible, pero no es práctico obtener el máximo y el mínimo. ¿Será esto un problema?
¡Gracias!
Re: Situaciones / preguntas en el uso de DSDPara empezar, creo que está intentando forzar un solo experimento para satisfacer dos objetivos muy diferentes ... detección y optimización. Estos dos objetivos generalmente llevan a no UN experimento, sino un mínimo de dos experimentos que usan un diseño experimental secuencial.
Los DSD se encuentran en gran parte en la categoría de detección; la idea es identificar eficientemente los factores activos, confiar en la escasez de efectos y la herencia de efectos como habilitadores clave. Con una sospecha de 5 de sus 7 factores continuos con interacciones activas, esto no es exactamente un sistema de efectos dispersos si sus sospechas son correctas. Mi recomendación general sería establecer primero los factores activos utilizando un DSD 'por el libro', sin molestarse en las réplicas, puntos centrales, etc. Esperamos que esté ejecutando JMP versión 13 para poder aprovechar el nuevo flujo de trabajo de ajuste de modelo de dos etapas.
Luego tome lo que aprendió sobre los factores y efectos activos, y luego ejecute algún tipo de diseño óptimo en la plataforma de diseño personalizado de JMP. De esta manera, puede especificar los efectos exactos del modelo que sean probables, según lo que haya aprendido en la parte DSD de su diseño. Interacciones, cuadráticas, si es necesario, etc. Desde aquí, use el generador de perfiles de predicción y el simulador de JMP para encontrar la configuración de factor óptima.
