Diseño de superficies de respuesta: diseño compuesto central<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola,
Estoy intentando construir diseños de superficie de respuesta para 5 factores. Estaba pensando en usar CCD-Faced pero tengo dudas sobre el diseño para elegir entre las opciones. Introduzco el número de factores y cuando tengo que elegir el diseño, hay dos opciones para "Diseño Compuesto Central" con diferente número de Ejecuciones:
1) Número de carreras: 28, Tamaño de bloque: -, Puntos centrales: 2.
2) Número de carreras: 44, Tamaño de bloque: -, Puntos centrales: 2.
(ver imagen adjunta)
¿Alguien sabe la diferencia entre estas dos opciones para el diseño compuesto central?
gracias de antemano
Saludos,
Re: Diseño de superficies de respuesta: diseño compuesto centralMuchas gracias por el aporte. Entiendo que CCD puede no ser una idea perfecta. Pero ¿qué pasa con t Pensar en variables categóricas como bloques. Tendré 13 experimentos con las 2 variables continuas y luego estos 13 experimentos se duplicarán debido a los dos niveles del factor categórico. No tengo ningún problema con 26 carreras. Durante el análisis, obtendré dos ecuaciones diferentes que representan cada variable categórica.
Aprecio tus ideas.
Re: Diseño de superficies de respuesta: diseño compuesto centralSi interpreto tu explicación, tienes un CCD con 26 ejecuciones para dos factores continuos y un factor categórico con dos niveles. Desconozco este diseño.
Su intención es modelar la respuesta por separado para cada nivel del factor categórico. ¿Por qué no utilizar un modelo único con efectos de interacción?
No deberías utilizar el CCD en este caso. Está pensado, como todos los diseños RSM clásicos, únicamente para factores continuos. Además, es un diseño grande que no es tan eficiente como el diseño personalizado I-óptimo del mismo tamaño. El tamaño del CCD lo dicta el método de diseño (composición), el número de parámetros en el modelo cuadrático completo y las propiedades seleccionadas (ortogonal, giratoria). Diseñe a medida cualquier combinación de tipos de factores, cualquier combinación de términos de modelo y optimización I. El número de carreras lo decides tú según lo consideres necesario.
Re: Diseño de superficies de respuesta: diseño compuesto centralHola Louv,
Voy a hacer una optimización del diseño compuesto central con tres factores: dos continuos y uno categórico (con 2 niveles). Me pregunto si hay algún estudio de investigación publicado que tenga un diseño similar. Minitab me está dando 26 ejecuciones. La ecuación de optimización de la respuesta se da en dos subecuaciones, cada una relacionada con los 2 niveles de la variable categórica. Como esto:
Categoría. Var.
PDI alto = ……………………..
PDI bajo = …………………….
No estoy seguro de cómo reportar los datos o si voy por el camino correcto. Un artículo similar realmente puede ayudarme o se agradecen sus ideas y las de otros amigos sobre cómo informar los datos.
Re: Diseño de superficies de respuesta: diseño compuesto centralNingún problema. Me alegro que te haya resultado útil
lou v
Re: Diseño de superficies de respuesta: diseño compuesto centralMuchas gracias LouV por la respuesta, fue de gran ayuda.
Re: Diseño de superficies de respuesta: diseño compuesto centralFracción del espacio de diseño
El gráfico de fracción del espacio de diseño muestra qué parte de la varianza de la predicción del modelo se encuentra por encima (o por debajo) de un valor determinado. Ver Fracción del espacio de diseño . Esto es más útil cuando hay múltiples factores. Resume la varianza de la predicción y muestra el espacio de diseño fraccionario para todos los factores tomados en conjunto.
Fracción del espacio de diseño
Re: Diseño de superficies de respuesta: diseño compuesto central¿Puedes interpretar el gráfico en tu respuesta a ajanda?gracias.
Re: Diseño de superficies de respuesta: diseño compuesto centralIntentamos que todas las capacidades estén disponibles. Estoy de acuerdo en que el diseñador personalizado proporciona al experimentador la mayor flexibilidad para enfrentar cualquier tipo de desafío de diseño, incluidas restricciones, factores categóricos de múltiples niveles, factores de mezcla, factores numéricos discretos y continuos. Creemos que el enfoque deseable es adaptar el diseño correcto a un problema determinado en lugar de adaptar un problema a un diseño prescrito. Dicho esto, hay ocasiones en las que la gente ha invertido mucho en capacitación en el enfoque DOE clásico y los métodos de diseño más nuevos no están en su zona de confort. Además, el llamado "miedo a los alias complejos" también influye en sus dudas. Otro comentario sería "hemos estado haciendo nuestros diseños de esta manera durante años" y nos han funcionado bien, así que "si no está roto, no lo arregles". En mi opinión, estas son sólo algunas de las barreras a la adopción. La razón por la que mi respuesta incluyó el diseño ofrecido usando el diseñador personalizado, aunque eso no era parte de la pregunta, fue para sugerir que si tuviera recursos finitos y quisiera elegir un experimento con tantas ejecuciones, investigaría todas mis opciones antes de experimentar, ya que El costo involucrado recae en gran medida en el lado de la experimentación y no en la fase de instalación del DOE.
Re: Diseño de superficies de respuesta: diseño compuesto central¿Existe alguna razón por la que alguien quiera NO utilizar la función de diseño personalizado en JMP? No veo el beneficio de usar estos diseños "clásicos" más antiguos y me pregunto si me estoy perdiendo algo.
Hasta que se inventó el diseño de cribado definitivo (DSD) hace un par de años, prácticamente siempre utilizaba la función de diseño personalizado (que a veces por defecto era un diseño clásico) para mi trabajo. Ahora utilizo DSD para una gran cantidad de trabajo exploratorio y el diseño personalizado para crear diseños óptimos d e i para perfeccionar los detalles. Si bien JMP nos ofrece todos esos diseños antiguos, no he podido entender por qué el uso del diseño personalizado y el DSD no ha dejado obsoletos los diseños clásicos en prácticamente todos los casos.
Me interesaría mucho escuchar otras opiniones sobre este punto.
Re: Diseño de superficies de respuesta: diseño compuesto centralLa diferencia entre los dos diseños que encontró en la Tabla de Diseños es que el primer diseño de 28 corridas es en realidad un factorial fraccional de 16 corridas de Resolución V junto con 2X5 = 10, puntos axiales y 2 puntos centrales para un total de 28. carreras. El diseño de 44 corridas sería el diseño factorial completo de 32 corridas más 2X5 = 10 puntos axiales y 2 puntos centrales para un total de 44 corridas.
A continuación se muestra una fracción del gráfico del espacio de diseño para ilustrar la variación del CCD de 28 ejecuciones (ROJO) versus el CCD de 44 ejecuciones (VERDE) versus un diseño RSM generado utilizando el Diseñador personalizado para 44 ejecuciones (AZUL).
