Array di Taguchi per miscele?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
Alcune delle mie collaborazioni utilizzano gli array Taguchi per il loro mix di DOE. Secondo te, quali sono gli errori più grandi che puoi fare usando un design L9 per 3 ingredienti a 3 livelli invece di usare una miscela adeguata DOE?
Ri: matrici Taguchi per miscele?"L'uso di un Taguchi L9 in un problema misto è in realtà un'errata applicazione del DOE o per lo meno un misero adattamento dei principi DOE in un contesto misto" - joe.n.hockman
Sono completamente d'accordo con la tua affermazione sopra, Joe.
Ri: matrici Taguchi per miscele?Per quello che potrebbe valere, offrirò la mia opinione su questo. Per la maggior parte sono d'accordo con DanO. L'uso di un Taguchi L9 non ha senso per me in un contesto misto con 3 componenti. Come ha giustamente rilevato DanO, il vincolo di miscelazione globale che le proporzioni dei componenti devono sommare a una costante (di solito 1 a meno che una parte della formulazione sia "fissa") non viene presa in considerazione se vengono definiti 3 fattori (indipendenti) continui. Anche se c'è un quarto componente non esplicitamente definito (di solito indicato come variabile di slack), l'L9 può includere esecuzioni con miscele non fattibili una volta che viene calcolata la variabile di gioco o il quarto componente.
Nell'ambito dello scenario in cui la L9 si traduce in uno spazio a 4 componenti ben definito e che riempie lo spazio, allora è sicuro che è possibile analizzare i dati con un modello variabile allentato che assomiglierebbe a un ordinario modello di 2 ° ordine per 3 fattori inclusa la costante generale , effetti lineari e termini quadratici ma senza termini di interazione a 2 vie. Sono un po 'diverso con DanO in quanto il quarto componente escluso non deve essere inerte per adattarsi a un modello del genere. Forse, se è inerte, si può affermare che è conservata un'interpretabilità dei normali coefficienti o effetti di regressione. Tuttavia, i modelli variabili lenti hanno un'interpretabilità degli effetti limitata o non utile. Si deve anche considerare cosa significa per un componente essere "inerte" in un contesto misto. Non entrerò in questo qui. In generale, concentrarsi sui grafici o sul profiler di previsione e non sull'interpretabilità dell'output del coefficiente di regressione con un approccio variabile di slack e si dovrebbe essere OK.
Forse la cosa più fastidiosa è che gli effetti di fusione non lineari in un contesto di modellazione di Scheffe (ciò che supporta JMP) sono i termini che assomigliano alle normali interazioni a 2 vie. È stato correttamente sottolineato che termini che assomigliano a termini quadratici (ciò che la L9 potrebbe supportare) non sono in realtà la stessa cosa degli effetti di fusione non lineari. Quindi, secondo me, l'uso di un Taguchi L9 in un problema misto è in realtà un'errata applicazione del DOE o, per lo meno, un misero adattamento dei principi DOE in un contesto misto. In quasi tutti i casi, i problemi di miscelazione dovrebbero essere trattati esplicitamente come DOE misto anche quando uno non ha vincoli di componente o solo i vincoli di limite inferiore diversi da zero sono stati applicati con una geometria simplex regolare. Spero che questo input sia utile.
Ri: matrici Taguchi per miscele?Grazie, Dan. Ora ho abbastanza informazioni per eseguire il backup di ciò che sto cercando di insegnare. Sarebbe molto più facile iniziare con il giusto design in primo luogo.
Ri: matrici Taguchi per miscele?Sono piuttosto curioso di sapere come le persone analizzano i loro modelli di miscela con tutti i componenti del modello specificati come fattori continui. Il vincolo lineare dei componenti che si aggiungono a uno dovrebbe fornire un avviso Dettagli singolarità in JMP, uno dei termini del modello verrà azzerato e altri potrebbero essere elencati come distorti. Forse quelle cose vengono ignorate, ma non dovrebbero esserlo. In ogni caso, avere le cose specificate come componenti della miscela è bello perché allora il profiler farà applicare la fusione per aggiungere 1 e non permetterà che si verifichino "miscele impossibili".
La risposta al perché il profiler non mostra la curvatura dipenderà dal modello che era adatto.
Guarda i termini nel modello. Qualunque forma funzionale presenterebbe una curvatura? In caso contrario, il profiler non mostrerà la curvatura. Tuttavia, quando si lavora con modelli di miscela, le cose sono diverse. Un modello di miscela Scheffe quadratico non mostrerà alcun termine quadrato in quanto le persone si aspetterebbero di vederli. In un modello Scheffe X1 * X2 è in realtà un termine quadratico. Allo stesso modo, X1 * X2 * X3 è un termine cubico. Quindi se il modello ha quei termini, dovresti vedere la curvatura nel profiler di previsione a meno che quei termini di combinazione binaria non siano significativi.
Ri: matrici Taguchi per miscele?Dan,
Mi piacciono molto le tue spiegazioni in tutti e tre i paragrafi.
Nella maggior parte dei casi, quando aiuto i colleghi ad analizzare i loro dati, i progetti non sono stati configurati in JMP come design di Array Taguchi. Quindi quando ricevo il file JMP, tutte le miscele sono designate come variabili continue in cui la somma ammonta al 100%.
Ho confrontato l'analisi di regressione quando tutti i fattori di miscelazione sono continui a quando sono impostati correttamente sul ruolo della miscela. In questo modo posso mostrare la differenza nelle previsioni usando il profiler.
Ora cosa diresti alle persone che sono confuse sul motivo per cui il profiler di previsione non sta mostrando la curvatura?
Ri: matrici Taguchi per miscele?Per il tuo scenario, presumo che la formulazione abbia effettivamente QUATTRO componenti, ma ne usano tre durante la creazione del design di Taguchi L9 (questo è l'unico modo in cui potrebbe essere fatto). Non c'è nulla di sbagliato in questo approccio finché quel quarto componente (che non è incluso nella progettazione) è inerte. È possibile eseguire un'analisi di regressione "standard" (i modelli di miscela Scheffe non saranno necessari) e le interpretazioni sono abbastanza semplici. Tuttavia, lo spazio di progettazione potrebbe avere una forma diversa rispetto a se fosse stato creato un disegno a miscela diritta.
Nella maggior parte delle sperimentazioni di miscele, l'obiettivo è ottenere una buona previsione per la risposta (le conclusioni di causa ed effetto non hanno molto senso: il componente A sta salendo o il componente B sta scendendo?). Un design di Taguchi L9 non ha lo scopo di stimare eventuali interazioni a due vie. Ciò limita fortemente le capacità predittive e le interazioni a due vie sono ESTREMAMENTE comuni negli scenari di combinazione (è l'intera idea alla base della fusione delle cose insieme).
A mio parere, se si desidera un disegno più tradizionale, raccomanderei una progettazione della superficie di risposta per tre fattori e lasciare che il fattore inerte componga il resto della formulazione. Questo dovrebbe dare buone previsioni. Tuttavia, per queste situazioni, una progettazione della miscela I-ottimale per tutti e quattro i componenti del progettista personalizzato offre in genere migliori proprietà matematiche per la previsione e spesso utilizza un numero inferiore di esecuzioni.
Ri: matrici Taguchi per miscele?Correzione coll EA gues
