Aumento del proceso de mezcla DOE<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />mezcla de 3 componentes,
0 < A < 0,4
0 < B < 0,1
0 < C < 1
con 1 restricción lineal,
0 < (A+B) < 0,4
y 1 factor de proceso categórico con 4 niveles,
P1 = {1,5,10,15}.
Configuré el experimento usando JMP 12 y este tutorial (ejemplo 1),
Experimentos de mezcla
Ahora, JMP ha calculado que el número predeterminado de ejecuciones es 18, utilizando puntos en el vértice, el borde y el centroide.
¿Cómo puedo aumentar esto agregando puntos axiales adicionales (similar a un esquema de "llenado de espacio")? Quiero tener más datos sobre la región interior ya que esta es la zona de optimización esperada.
¿Puedo cambiar el factor del proceso a continuo mientras uso múltiples niveles? ¿Por qué JMP solo permite alto/bajo?
¡Un millón de gracias!
Re: Aumento del DOE del proceso de mezclaHe creado otro hilo sobre este tema, quizás puedas aportar algo de experiencia sobre el tema:
Guarde todas las configuraciones del diseño personalizado y del informe de diseño
Re: Aumento del DOE del proceso de mezclaAnteriormente usaba Minitab, que está restringido a diseños de mezclas simples. Tuve que retroceder un par de pasos y volver a aprender algunos conceptos para utilizar todo el poder detrás de JMP. Gran aplicación y comunidad de usuarios, ¡gracias!
Re: Aumento del DOE del proceso de mezclaácido1c,
Una cosa que hay que comprobar es si la evaluación del diseño comparaba manzanas con manzanas. Después de generar el diseño con Scheffe cúbico para generar más puntos de diseño interior, tendría que podar el modelo para evaluar el mismo modelo que se aplicó para analizar los escenarios D-óptimo y I-óptimo, es decir, los efectos principales y las interacciones bidireccionales. (mezclas no lineales).
Re: Aumento del DOE del proceso de mezclaSe debe esperar el comportamiento que vio. I-óptimo o D-óptimo son ÓPTIMOS para la cantidad de ejecuciones que eligió. Al construir un modelo más complejo para forzar puntos interiores con el mismo número de ejecuciones, será necesario aumentar la varianza de predicción.
Hay varios puntos aquí a tener en cuenta. Primero lo discutiré ignorando el factor de proceso, ya que creo que puede haber cierta confusión sobre el modelo de mezcla.
Los modelos mixtos son muy diferentes de los modelos de regresión estándar. Como indicó Lou, una interacción bidireccional en un modelo mixto de Scheffe (que es lo que ajusta JMP) es equivalente a un término al cuadrado para un término continuo). Sin embargo, las interacciones bidireccionales en un modelo de Scheffe solo observan un efecto de curvatura a lo largo del eje entre los dos componentes que están en ese término de interacción. Para su caso de tres componentes, eso sería una curvatura a lo largo del borde del espacio de diseño.
Dado eso, los diseños I-óptimo o D-óptimo elegirán el mejor diseño para estimar su modelo. Si sólo intenta estimar la curvatura a lo largo de los bordes del espacio de diseño, no es necesario colocar puntos en el interior del diseño. Cualquier elemento del interior ayudará poco a comprender lo que sucede en los bordes del espacio de diseño. Piense en una sola X continua. Si solo especifica un modelo de línea recta, solo necesitará experimentos en los extremos del rango. Es necesario especificar una cuadrática para forzar un tercer nivel.
El modelo que se necesita para comenzar a colocar puntos en el interior de un espacio de diseño mixto es agregar interacciones de 3 vías. Estos se denominan términos cúbicos (en realidad, términos cúbicos especiales) en los modelos de mezclas de Scheffe. Estiman la curvatura entre 3 componentes a la vez. Ya que tiene una mezcla de tres componentes que forzará al menos un punto en el interior de su espacio de diseño. El diseño I-óptimo tenderá a colocar más puntos en el interior del espacio de diseño para estimar mejor ese término de tres vías.
Agregar el factor de proceso no cambia demasiado lo que escribí. Sin embargo, ese modelo se vuelve más complejo y es posible que haya algunas cosas que desee hacer para asegurarse de obtener al menos tres niveles para esa variable de proceso.
Re: Aumento del DOE del proceso de mezclaLas configuraciones que sugirió, I-Optimal y Sheffe Cubic, agregaron algunos puntos adicionales en el medio del espacio de diseño. Pero, lamentablemente, la deseabilidad máxima se duplicó y la varianza predictiva promedio aumentó aproximadamente 0,1 (en comparación con I-Óptimo con interacciones secundarias y modelo cuadrático). Quizás intente cambiar el número de ejecuciones.
Re: Aumento del DOE del proceso de mezclaHola acid1c,
El modelo cúbico de Scheffe de orden superior generalmente dará más recorridos dentro del espacio de diseño porque es un modelo más complejo. No estoy sugiriendo usar ese modelo para analizar el diseño, sino usarlo para brindarle un diseño candidato que pueda comparar con otros diseños potenciales.
Debido a la naturaleza interdependiente de los diseños de mezclas, en esencia un modelo con efectos principales y mezclas no lineales (interacciones bidireccionales) es como un RSM.
A continuación se muestran las fracciones D-óptima y I óptima de los gráficos del espacio de diseño para 18 ejecuciones.
Re: Aumento del DOE del proceso de mezclaHola lou,
Gracias por la respuesta. Entiendo que I-optimal pondrá más puntos dentro del espacio de diseño y menos en los extremos, lo intentaré. En cuanto a la cúbica de Scheffe, ¿cómo afectará el término polinómico de tercer grado a mi DOE?
Mi objetivo es probar las interacciones factor-respuesta, y no factor-factor. ¿Crees que RSM sería apropiado para este tipo de experimento?
Mis mejores deseos.
Re: Aumento del DOE del proceso de mezclaPuede obtener un diseño con más puntos de región interior cambiando el criterio de optimización de D-óptimo a I-óptimo debajo del triángulo rojo. Además, elegir un Scheffe cúbico a veces puede generar más puntos internos en su espacio de diseño.
Los factores numéricos discretos se pueden utilizar con su factor categórico de 4 niveles.
Re: Aumento del DOE del proceso de mezclaEn respuesta a mi segunda pregunta, " ¿Puedo cambiar el factor del proceso a continuo mientras uso múltiples niveles? ¿Por qué JMP solo permite alto/bajo? ", vea abajo.
35417 - ¿Cómo creo un diseño con factor continuo que tenga más de 2 niveles en JMP®?
