La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?Hola,
Hemos ejecutado un DOE y monitoreamos algunos factores del DOE (Ta_mes, c_mes) y algunos valores adicionales que se suponía que eran estables pero que no lo eran (Tb_mes, vehículo de prueba aleatorio).
El modelado ofrece predicciones bastante diferentes en caso de que se utilicen o no factores aleatorios para el modelo. Son incluso poco realistas (espesores negativos s-2, o TE muy alto (mayor que durante las pruebas)).
consulte, por ejemplo, Profiler HSS-TE versus HSS_random
¿Tiene alguna explicación de por qué sucede esto y cómo evitarlo?
Explicación general:
El DOE fue diseñado con 8 parcelas completas y 16 subparcelas. Todo el DOE se ejecutó en un solo tanque. Las parcelas completas representan diferentes días de recubrimiento y las subtramas representan el aumento diario de la temperatura (desafortunadamente, el enfriamiento llevaría mucho tiempo; por lo tanto, el aumento de la temperatura Ta siempre fue positivo a pesar del diseño original). Un tercer cambio irreversible (aumento de concentración c_set) se marcó como bloque durante el aumento del diseño.
Los resultados están en el lado derecho de "Y".
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?Gracias. (Los diseños de Taguchi con factores de control y ruido son nuevos para mí).
No pude encontrar el modelo adjunto. Todavía tengo curiosidad por saber cómo se manejan las respuestas de tipo de carácter (categórico) (LM-void y Peeling).
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?No, no tendría sentido cambiar la función de diseño de Continuo a Ruido. Ese cambio es innecesario. Ese tampoco es el propósito del tipo de factor de ruido.Por favor mira Ayuda > Libros > Diseño de experimentos para más información.
Estás complicando el diseño (post hoc) y el análisis sin una buena razón. Al final, el único propósito de un experimento es posiblemente obtener los datos óptimos para ajustarse a un modelo, en este caso, un modelo que sea lineal en los parámetros. Actualicé su tabla de datos y la adjunté a una de mis respuestas anteriores. Las propiedades de la columna adicional son correctas y ayudan al análisis de regresión. Los scripts de la tabla modelo guardados también deberían proporcionar un análisis de datos razonable.
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?Adjunto encontrará el modelo con las respuestas (tipo de datos "Carácter" para Peeling y LM-void):
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?Sí, tienes razón: pensé que los factores que no han sido diseñados y que deberían arreglarse, pero en realidad no lo son, obtendrían el atributo "efecto aleatorio" durante el modelado.
¿Tendría sentido establecer el rol de diseño en "ruido" para estos factores semifijos no planificados, para tener en cuenta que no se puede asegurar que la variación será independiente de otros cambios de factores (riesgo de correlaciones coincidentes)?
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?No ingrese los efectos de los factores como efectos aleatorios.El "desplazamiento" es un artefacto del modelo de efectos mixtos mal especificado que ingresó.
Parece estar confundido acerca de la naturaleza de los efectos fijos y los efectos aleatorios. Los únicos efectos aleatorios en su modelo deberían ser tramas completas y subtramas. (El efecto aleatorio residual se estima automáticamente a partir del error cuadrático y los grados de libertad que dependen del modelo. No debería especificarse explícitamente.) Los factores, por otra parte, tienen efectos fijos que son reproducibles. Estos efectos pueden requerir que más de un término esté adecuadamente representado: un término de primer orden, un término de segundo orden o un término cruzado. Por ejemplo, su factor Ejército de reserva debería producir un efecto fijo. La columna de datos Ejército de reserva se utiliza para producir columnas de estimación para el modelo de regresión, como Ejército de reserva o ta^2 . El hecho de que utilice el nivel medido ( Tames ) en lugar de la configuración original ( conjunto ) no cambia el hecho de que todos los términos Ta representan efectos fijos.
Por lo general, un experimento diseñado se asocia con un modelo hipotético que se estima y prueba. Ya respondí más de una vez con modelos razonables para su experimento y sus datos.
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?Querida marca,
Sí, por favor.
Adjunto encontrará un Diario con diferentes modelos para s-2 y TE. Para mí, no está muy claro por qué termino con un desplazamiento cuando uso factores aleatorios adicionales como, por ejemplo, Tb_mes para s-2 o s-2 para TE.
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?Gracias por la actualización, pero ahora no estoy seguro de cuál es su posición con respecto a los problemas. ¿Aún necesitas ayuda?
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?Querida marca,
las pruebas se realizaron en un recipiente/tanque y concentración c colocar Los cambios son irreversibles en un recipiente/tanque.
Tienes razón, la concentración c fue constante durante las primeras 16 carreras, luego aumentó y nuevamente fue constante durante las carreras 17-32.
Para implementar la concentración en el modelo una columna c colocar se agregó a la tabla de datos original.Si lo hago de la manera correcta como constante, termino con una constante, por lo tanto, cambié temporalmente un valor a la concentración más alta antes del aumento del modelo y lo "corregí" después.
No vi una forma diferente de bloquear durante el aumento para implementar la concentración c. colocar en el modelo, porque ya se necesitaban las parcelas y subparcelas completas para describir la temperatura Ta y el cambio de pH. Ambos se hicieron en bloques, porque de lo contrario los cambios consumirían demasiado tiempo.
- El ajuste del pH debe realizarse a temperatura ambiente (antes de calentar). -> Cada día sólo se puede probar un conjunto de pH.
- El calentamiento (y enfriamiento) del recipiente/tanque lleva tiempo.Para tener al menos 4 carreras al día, solo una temperatura Ta colocar El aumento se realizó diariamente.
La temperatura Tb debería ser constante, pero en realidad no lo es. por lo tanto, se midió simultáneamente para cada ejecución individual. Es un factor aleatorio que se agregó posteriormente como columna.
La temperatura Ta la manejé de la misma manera que tú.
.....
Estoy luchando por encontrar una manera de insertar (copiar/pegar) partes del análisis jmp. Continuaré explicando cuando encuentre el camino.
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?Miré mi análisis nuevamente y me di cuenta de que hay una inconsistencia importante entre lo que especificaste en el diseño y lo que realmente hiciste en el experimento.
- No necesita Bloquear en el modelo, ya que se confunde con Parcelas completas y Subtramas, Conjunto c y (principalmente) Conjunto Tb.
- El conjunto c no se especifica en el diseño como factor. ¿Cómo se agregó al diseño aumentado?
- c set está en el mismo nivel en Whole Plots 1-4 y nuevamente en el otro nivel en Whole Plots 5-8. ¿Realmente solo se configuró y reinició una vez? ¿Fue constante en las primeras 16 ejecuciones y luego se agregó al experimento en un segundo nivel constante?
- ¿Se añadió Tb al experimento como c? No parece ser un factor de diseño sino otra variable agregada después de que se diseñó el experimento.
- Tienes un factor Ta difícil de cambiar. Debe establecerse y mantenerse en un nivel dentro de toda la trama secundaria. Sin embargo, tenéis diferentes valores para Tames. Parece que la variable de medida indica control dentro de una ejecución y Subtramas indica error aleatorio al configurar el factor difícil de cambiar, así que dejé Subtramas como un efecto aleatorio y Tames como un efecto fijo en lugar de Ta establecido.
Actualicé mi análisis y guardé el nuevo script del modelo en la tabla de datos adjunta. Obtengo el siguiente generador de perfiles después de completar la selección del modelo y guardar la fórmula de predicción para las cuatro respuestas con efectos significativos.
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?¿Examinaste el análisis que realicé? ¿Mi enfoque tuvo sentido? ¿Los resultados tuvieron sentido? Sigo sin entender tu análisis. Detalles:
- En cuanto al efecto de la Tb en s-1 y s-2, no entiendo a qué te refieres con "utilizado como factor aleatorio". ¿Quiere decir que modeló la Tb como un efecto aleatorio?
- En general, las predicciones negativas son posibles gracias al modelo lineal. Se supone que la respuesta varía desde infinito negativo hasta infinito positivo. Además, la contribución del error se modela como una distribución normal con media cero, por lo que la mitad de los errores también son negativos. Es difícil responder a su pregunta porque no ha mostrado el modelo que se utilizó ni los resultados del análisis de regresión.
- El pelado parece ser una clase indicada por un número, así que lo cambié a numérico/continuo para que se ajuste a un modelo.
- ¿S-2 es un "factor aleatorio?" No sé qué significa esa afirmación.
- Las predicciones se basan en un modelo. Siempre. Si no incluye el factor, entonces el modelo es la respuesta media más el error. Si incluye el factor, entonces es posible que la media varíe y sea mayor (y menor) que sin un factor.
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?Querida marca,
Gracias por examinar esto.
Intentaré aclarar:
Lamentablemente, no se han especificado las respuestas (s-2, s-1, Peeling, HSS-TE, HSS-SS, LM-void) cuando se configuró el DOE. Por tanto, la columna Y está vacía.
Durante cada ejecución del experimento se plateó un vehículo de prueba.
Primero, se midió el espesor del revestimiento (s-2 (numérico/continuo), s-1(numérico/continuo)).
Por pruebas anteriores sabemos que la temperatura Tb con ligeras variaciones tiene un impacto en el espesor s-2 (Media(s 2 (μm))). Por lo tanto, la temperatura Tb_mes se determinó para cada ejecución y se utilizó como factor aleatorio durante el modelado de s-2.
Y en este caso terminamos con predicciones negativas para el espesor. ¿Por qué?
En segundo lugar, se realizó una prueba de cinta en una parte del vehículo de prueba con el resultado: pelado( carácter/ordinal ).
En tercer lugar, se utilizó otra parte del vehículo de prueba para una prueba de soldadura con los resultados: HSS-TE (numérico/continuo), HSS-SS (numérico/continuo), LM-void ( carácter/ordinal ).
Por pruebas anteriores con variaciones de espesor s-2 sabemos que la prueba de soldadura está influenciada por el espesor s-2. Por lo tanto, el espesor s-2 (Media(s 2 (μm))) se utilizó como factor aleatorio durante la evaluación de los resultados de soldadura, por ejemplo HSS-TE.
En este caso terminamos con predicciones HSS-TE que fueron mucho más altas que sin factor aleatorio, incluso más altas que los resultados (consulte Actual por gráfico previsto). ¿Por qué?
PD: Según el mensaje de JMP "Ordinal Logistic no admite efectos aleatorios". Por lo tanto, el modelado se realizó sin factores aleatorios para Peeling y LM-void. ¿O hay alguna manera de incluir efectos aleatorios para los resultados con el tipo de modelado carácter/ordinal?
Espero que esta explicación ayude a aclarar.
Atentamente
petra
Re: La evaluación del DOE con factores aleatorios termina con resultados poco realistas. ¿Por qué y cómo se puede evitar esto?No entiendo tu descripción del experimento ni los problemas con tu análisis.
Empecé de nuevo con el análisis. Varios factores y respuestas tenían el tipo de datos incorrecto, el tipo de modelado incorrecto y les faltaban propiedades de columna valiosas. Restauré todas las columnas de datos a su mejor estado. Eliminé todos los scripts de tablas guardados, estadísticas resumidas y fórmulas de predicción guardadas. Luego no tuve problemas para ajustar modelos lineales razonables con efectos aleatorios. El pelado no tuvo efectos significativos.
Adjunté mi versión del experimento y análisis para su examen.
