nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

12655_es-ES

liliconcom

Replicación de detección de DSD

Al intentar controlar una característica de calidad visual, estamos casi listos para ejecutar un DSD de 4 factores (todas son variables continuas, por ejemplo, temperatura, velocidad de alimentación, etc.) a 3 niveles por factor.Esto nos permitirá ejecutar 9 tratamientos para el DSD.

Mi pregunta es: ¿Debo ejecutar una o más replicaciones en el DOE de tipo de detección DSD?

Re: DSD Screening Replication: Estamos casi listos para ejecutar un 4 factor (todas las variables continuas) a 3 niveles/factor, para un total de 9 tratamientos.¿Es recomendable ejecutar una o más réplicas?

LouV y Ryan,

En mi serie de experimentos de seguimiento, estoy considerando dos opciones:

iniciar una secuencia de Diseño Aumentado usando las 13 ejecuciones existentes y agregar ejecuciones en función de los resultados de Maximizar Deseabilidad del Perfilador de Predicción y agrupar las Nuevas Ejecuciones en un Bloque Separado, y/o

ocultando/excluyendo los peores resultados X%, y luego comenzando un plan de Diseño Aumentado con los resultados más sesgados que no "nublan la imagen"... y necesito explicar la redacción de "ocultar/excluir". Los peores resultados son notablemente visualmente inaceptable .Por lo tanto, la combinación de configuraciones que los hizo, en retrospectiva, serían Combinaciones no permitidas.

Entonces, la pregunta que tengo es: ¿debo borrar la imagen del espacio de diseño, excluir/ocultar las ejecuciones resultantes realmente malas y luego aumentar?

Como punto de referencia histórica, una calificación visual de "2" (escala de 1 a 5, con 1 = mejor, 5 = peor), es mejor que aproximadamente el 95 % de todo lo que hemos hecho. La escala del 1 al 5 se estableció con el entendimiento de que un "3" era un producto actualmente aceptable, y cualquier calificación se consideraría una mejora.

Ten un excelente fin de semana,

RB,

Intentaría (-,-,+) para Temp = 540, Feed = 5 y Factor 3 = 500. El factor 4 no parece afectar la respuesta, así que elija la configuración económica/ergonómica para ese.

La siguiente tabla tiene los datos de los resultados (datos originales y luego dos repeticiones).

Obviamente, el área alrededor de la ejecución 2 es donde se centrará la experimentación futura.

CORRER	Patrón basado en m = 6	Temperatura.	Alimentar	Factor 3	factor 4	Calificación visual 1=mejor 5=peor Señal a ruido (LIB)
						Y1	Y2	Y3	S/N	Rango
1	-0+-	540	10	500	0.7	2.6	2.1	2.0	-7.039	2
2	--0+	540	5	300	1.7	2.3	2.0	2.0	-6.464	1
3	-++0	540	15	500	1.2	3.6	3.6	2.1	-10.048	4
4	-+-+	540	15	100	1.7	4.8	4.8	4.0	-13.158	13
5	----	540	5	100	0.7	3.5	3.4	2.3	-9.868	3
6	0+--	560	15	100	0.7	4.4	4.5	4.0	-12.680	12
7	0-++	560	5	500	1.7	3.5	3.3	3.0	-10.299	5
8	0000	560	10	300	1.2	3.8	3.2	3.6	-10.985	7
9	+0-+	580	10	100	1.7	4.0	4.1	3.7	-11.903	11
10	++0-	580	15	300	0.7	3.7	3.4	3.8	-11.216	9
11	+--0	580	5	100	1.2	3.8	3.6	3.8	-11.445	10
12	+-+-	580	5	500	0.7	3.9	3.7	2.5	-10.688	6
13	++++	580	15	500	1.7	4.1	4.0	2.5	-11.146	8

NOTA: El sombreado de color en Y1, Y2 e Y3 solo se usa para indicar una calificación de calidad visual mejor (verde), moderada (amarillo-naranja) y mala (rojo).

El método de calificación fue organizar todas las muestras Y1, Y2 y Y3 una al lado de la otra para fines de comparación/evaluación.Tuvimos que hacer este tipo de método de calificación porque nadie hace un indicador razonablemente asequible (que proporcione resultados cuantitativos) para la característica visual de este producto que estamos tratando de reducir.

PD: Gracias a todos los que ayudaron con esto (LouV y Ryan Lekivetz).

PPS. Ahora tengo munición para justificar obtener JMP12... ¡woohoo!

¡Espero que el experimento salga bien!

En el futuro, si se ha agregado el bloqueo para DSD en JMP 12, lo que le brindará cierta flexibilidad adicional en la cantidad de bloques que puede considerar (así como tamaños de bloque más equilibrados en lugar de 3 ejecuciones para el bloque "central").

También ha habido mejoras en la forma en que construimos DSD en comparación con el documento original; no estoy seguro de si el complemento DSD funciona en JMP 7.

Salud,

Ryan

RB,

Perdón por la confusión sobre mi comentario de "agua". Aunque el agua no estaba en muchos de mis procesos químicos, ciertamente asomó la cabeza como un factor que entraba con algunas de las materias primas o el medio ambiente. Con un peso molecular tan bajo frente a algunos de los compuestos químicos complejos que estábamos sintetizando sabiendo que nuestra sensibilidad al agua era importante. Entonces, por ejemplo, si estuviéramos ejecutando nuestro proceso químico en acetato de etilo, agregaríamos agua a niveles bajos para comprender su impacto en niveles bajos. Es posible que todo lo suyo no se aplique a usted, pero quería compartir algunas de sus experiencias de vida con usted.

Estoy de acuerdo con Ryan en cuanto a agregar dos factores adicionales en función de su proceso de votación múltiple, ya que ejecutará 13 ejecuciones y obtendrá información sobre ellas de forma gratuita.

Luis V

Ryan,

Terminé el cribado m = 6 DSD (13 ejecuciones) y se lo entregué a nuestro ingeniero de procesos.Con suerte, pronto podrá comenzar a ejecutar los tratamientos.Creo que lo copié en este mensaje (ver más abajo).

Debido a consideraciones de confidencialidad, tengo que cambiar el nombre de Factor 3 y 4. Y clasifiqué la tabla según la columna de temperatura, ya que lleva una eternidad ajustar la temperatura de nuestro horno y esperar a que se normalice... así que técnicamente probablemente debería ser un factor bloqueado.

Agregaré datos "Y" cuando los obtenga.

Atentamente,

Tratamiento #	Patrón	Temperatura.	Alimentar	Factor patentado 3	Factor patentado 4	Clasificación "Y", también conocida como característica de calidad visual indeseable
Bajo	-	540	5	100	0.7
nombre	0	560	10	300	1.3
Alto	+	580	15	500	1.7
1	-0+-	540	10	500	0.7
2	--0+	540	5	300	1.7
3	-++0	540	15	500	1.3
4	-+-+	540	15	100	1.7
5	----	540	5	100	0.7
6	0+--	560	15	100	0.7
7	0-++	560	5	500	1.7
8	0000	560	10	300	1.3
9	+0-+	580	10	100	1.7
10	++0-	580	15	300	0.7
11	+--0	580	5	100	1.3
12	+-+-	580	5	500	0.7
13	++++	580	15	500	1.7

Tiene razón con "dejar caer los 2 factores adicionales".

Usaría el diseño m=6 en lugar de usar el diseño Augment, pero soy parcial a la estructura especial de los DSD.

Lou hace un muy buen comentario sobre la consideración de factores adicionales. Si usa el DSD para 6 factores, podrá estudiar 2 factores adicionales "gratis". Si realmente no hay ningún efecto sobre esos factores adicionales, es bastante simple eliminarlos del modelo, pero puede terminar encontrando algo que no esperaba.

luv,

Redujimos los factores disponibles en el diagrama de Ishikawa (originalmente tenía 24 posibilidades) a los candidatos más probables a través del conocimiento del proceso del ingeniero + votación múltiple.La votación múltiple le dio a cada miembro del equipo 100 puntos para "asignar" a los factores en función de su conocimiento del proceso en consideración. Luego, los factores más votados fueron seleccionados para DOE-Screening.Justo después de eso me topé con DSD. ¡Cosas brillantes de verdad!

no entiendo tu comentario" Además, si corresponde, siempre recuerde incluir el agua como un factor, ya que su comprensión probablemente sea responsable del 50% de mis aumentos a lo largo de mi carrera. "No estamos usando agua en nuestro proceso.

Para construir el DSD de 4 factores, hice un diseño de detección (JMP7) para los 4 factores.Luego agregó un punto central. Después de [Crear tabla], cambié manualmente dos de las filas para que coincidieran con el 'patrón' DSD.Sin embargo, dado que Ryan Lekivetz (ver arriba) sugirió usar el DSD de 6 factores, voy a revisar el diseño DSD que estaba usando e intentaré convertirlo (¿Diseño de aumento?) en una versión DSD de 6 factores.¿Puede JMP manejar esto?

¡Gracias por toda la información útil!

Ryan,

Gracias por la sugerencia de DSD de 6 factores, y lo investigaré hoy.

¿Estás haciendo referencia a este documento:

http://www.jmp.com/content/dam/jmp/documents/en/white-papers/definitive-screening.pdf

específicamente los diseños en la página 5?

Y al "eliminar los 2 factores adicionales", ¿quiere decir eliminar las dos columnas más a la derecha del diseño m = 6?

RB,

Gracias por el detalle adicional. Mi única preocupación sería que cuando redujo los factores probables, ¿se hizo de la manera del DOE? Dado que algunos factores que pueden ser importantes debido a las interacciones pueden haber sido descartados. Solo insisto en este punto porque después de una larga carrera dirigiendo DOE, lo único que lamento en retrospectiva fue no haber incluido más factores en mi diseño inicial y quería compartir esa experiencia con ustedes. Además, si corresponde, siempre recuerde incluir el agua como un factor, ya que su comprensión probablemente sea responsable del 50% de mis aumentos a lo largo de mi carrera. Si está utilizando JMP 7, me sorprende que pueda ejecutar el DSD, pero si es así, genial.

Recomendaría considerar el DSD de 6 factores para las 13 ejecuciones (y descartar los 2 factores adicionales).

El DSD de 9 ejecuciones no puede ajustarse al modelo RSM completo para ningún subconjunto de 3 factores, mientras que el diseño de 13 ejecuciones sí puede hacerlo. En JMP 12, ahora usamos la ejecución de 13 como predeterminada.

¡Buena suerte!

luv,

Ya redujimos los factores probables y realizamos un análisis multivariable para asegurarnos de que nuestro sistema de producción (es decir, el equipo y los sistemas de medición) y la configuración/los operadores no estaban causando variaciones.

Ahora estamos en "variación de material entrante" y "parámetros de proceso".Y el material entrante no varía mucho.

Según nuestro diagrama de causa y efecto (el Ishikawa tenía 24 posibilidades), pudimos llegar a los cuatro factores más probables.

Se eligió el método DSD porque el número de ejecuciones de DSD (9) es menor que el número de ejecuciones de detección normales (16) y porque podemos detectar múltiples niveles en una ejecución de detección.

Estoy más interesado en detectar la curvatura del factor* que en el diseño económico.

* Estoy bastante seguro de que uno o más de los factores exhiben curvatura.

No sé si esto es muy relevante, pero estoy usando JMP7.

Gracias por la ayuda.

Si tiene los recursos para considerar la replicación del diseño, entonces tal vez lo desafiaría a que haga una lluvia de ideas sobre factores adicionales por encima de los 4 factores que está considerando. El verdadero poder de los DSD se manifiesta cuando uno considera muchos más factores que 4. Por supuesto, la respuesta a su pregunta es sí, hay una ventaja en agregar réplicas en cualquier diseño, especialmente si su sistema de medición, en su caso, es subjetivo.

Comments

There are no comments yet