Asignar valores a nivel de factor en un diseño de pantalla definitivoHola a todos,
Tengo siete factores continuos de tres niveles para un DOE. Definitive Screen Design (DSD) parece adaptarse mejor a mi propósito. Para cada factor, tengo tres muestras de prueba físicas para asignar a los tres niveles. Sin embargo, no representan los valores máximo y mínimo del factor. ¿Cómo asigno los valores físicos a cada nivel de factor en el diseño?
Gracias,
John
Re: Asignar valores a nivel de factor en un diseño de pantalla definitivoPrimero que nada, lamento la demora en responder.
De sus preguntas se desprende claramente que necesita educación en el diseño de experimentos. Es difícil educar a alguien en intercambios breves dentro de una discusión en un foro como este. Quiero indicarle algunos libros que le ayudarán.
- En JMP, seleccione Ayuda > Libros > Diseño de experimentos .
- Obtenga una copia de "Diseño óptimo de experimentos" de Goos y Jones.
También ofrecemos formación sobre diseño de experimentos. Suponiendo que ya está familiarizado con JMP y los métodos de análisis de ANOVA y regresión, le resultaría beneficioso asistir a una clase para:
En cuanto a sus preguntas específicas:
- Los diseños de PP no abordan directamente las interacciones o los efectos no lineales. La escasez de efectos y principios de proyección podría ayudar a obtener información sobre los efectos de interacción, si se cumplen.
- El DSD para 7 factores podría funcionar si finalmente tienes 2 o 3 factores activos.
- Los términos de orden superior no están incluidos.
- Se descubren después de que se han seleccionado los efectos principales, asumiendo que se cumplen los principios de jerarquía y herencia.
- Alternativamente, puede utilizar el nuevo enfoque Fit DSD si no ha cambiado los niveles.
- El enfoque Taguchi puede incluir tres niveles para sus factores.
- No estima abiertamente los parámetros del modelo. No hay interacción ni efectos no lineales. per se .
- Es una metodología de 'elegir al ganador' entre el conjunto existente de ejecuciones de matriz interna basada en una relación S/N apropiada sobre los niveles de la matriz externa.
- No hay modelado y, por tanto, no hay predicción (interpolación o extrapolación).
- Los diseños de Taguchi podrían conducir a resultados subóptimos si existen efectos no aditivos.
- El método orientado a modelos es el diseño personalizado.
- El método Taguchi es definitivamente no orientado al modelo.
- El método Taguchi falla excepto en el caso simple de efectos principales únicamente.
- Los diseños de Taguchi no son los diseños más económicos.
- Métodos orientados al diseño. simplemente significa métodos que se centran en el método de diseño (por ejemplo, diseño factorial) y el modelo es un resultado (términos factoriales completos). Los métodos orientados a modelos, como el diseño personalizado, se centran en el modelo y el diseño es el resultado.
Re: Asignar valores a nivel de factor en un diseño de pantalla definitivoHola @Mark_Bailey ,
Me tomó un tiempo digerir todas tus aportaciones. Permítanme intentar resumir mi comprensión con las siguientes preguntas:
Acerca de los métodos de pantalla:
- Orientado al diseño.
- "Estos diseños suponen sólo efectos principales." ¿Entonces no están diseñados para estudiar interacciones o términos cuadráticos?
- "Los diseños PB manejan efectos de interacción (es decir, mejores posibilidades de estimación) que los diseños factoriales fraccionarios regulares". Esto significa que los diseños de PB pueden manejar experimentos con interacciones de factores principales, pero NO significa que podamos incluir los términos de interacción en el modelo, ¿verdad?
- DSD: "El DSD sin cambios le permitirá estimar los efectos principales de hasta aproximadamente la mitad de los factores en su diseño (escasez de efectos) y algunas interacciones y efectos cuadráticos (suponiendo herencia de efectos)". Digamos que tengo siete factores, ¿DSD puede estimar los efectos de tres o cuatro factores, pero no los siete? DSD puede estimar algunas interacciones y efectos cuadráticos, pero NO incluye términos de interacción y cuadráticos en el modelo, ¿verdad?
Método Taguchi
- Puede ser factorial fraccional o basado en PB.
- Los supuestos incluyen adictividad (ortogonal) entre factores, por lo que la interacción causará problemas.
- No secuencial, por lo tanto no tiene fines de detección
- "Detecta simultáneamente abarcando el espacio de diseño con combinaciones de dos niveles y optimiza 'seleccionando al ganador' basándose en una relación S/N derivada de la media y la desviación estándar de la respuesta observada (no modelando)".
- Pregunta: El método Taguchi en realidad fomenta el uso de tres factores de nivel para captar el efecto no lineal. ¿Por qué dijiste que los factores son principalmente de dos niveles?
Para mi condición y objetivo:
1. Tengo 7 factores continuos de 3 niveles.
2. Habrá interacciones entre factores, pero no sé exactamente cuáles.
3. El objetivo: optimizar el rendimiento del sistema (estudiando los efectos de los factores)
Orientado a modelos: si sé qué (términos principales, de interacción y cuadráticos) quiero estudiar, el diseño personalizado es efectivo. Además, si se cumple la condición aditiva, el Método Taguchi puede ser eficiente.
Orientado al diseño: si no sé mucho sobre el efecto de los términos principales, de interacción y cuadráticos, el enfoque secuencial con diseño de detección es efectivo.
Por favor comente/responda sobre mis entendimientos/preguntas.
Gracias,
John
Re: Asignar valores a nivel de factor en un diseño de pantalla definitivoTenemos varios temas en esta discusión. Intentaré responderlas de forma coherente.
Matriz ortogonal
No, tenías razón. Los diseños de Taguchi utilizan una 'matriz ortogonal' para las matrices internas y externas del diseño. Suelen ser diseños factoriales fraccionarios, pero también pueden ser diseños PB. Generalmente se limitan a dos niveles. Taguchi no se utiliza para la detección, per se . El método de experimentación Taguchi no es secuencial. Simultáneamente selecciona al abarcar el espacio de diseño con combinaciones de dos niveles y optimiza "seleccionando al ganador" basándose en una relación S/N derivada de la media y la desviación estándar de la respuesta observada (sin modelar). Tus explicaciones anteriores nunca me hicieron pensar en Taguchi.
Los diseños de PB producen columnas de factores ortogonales para el experimento y, por lo tanto, las estimaciones de los efectos principales también son ortogonales. Sin embargo, los términos de orden superior no son necesariamente ortogonales.
Existe un nuevo método de diseño que también se denomina "matrices ortogonales". Estos diseños generalmente funcionan mejor que los diseños 'factoriales fraccionados regulares' en ausencia de muchas interacciones de dos factores.
Entonces la confusión proviene de los diferentes usos del mismo término en diferentes contextos.
Creo que podría utilizar el diseño PB L27 para la detección si los supuestos de detección son válidos en su caso. Los diseños de PP manejan efectos de interacción (es decir, mejores posibilidades de estimación) que los diseños factoriales fraccionados regulares. Sin embargo, no usaría el OA más nuevo si sospecha efectos de interacción activa.
Agregar términos de interacción
No hay ningún "botón de comando de interacción" en el cuadro de diálogo Ajustar modelo.
Definitivamente puede elegir entre todos los términos del modelo mediante el cuadro de diálogo Ajustar modelo. Ver Ayuda > Libros > Ajuste de modelos lineales .
No puede agregar términos para efectos de interacción antes de hacer clic hacer mesa en el Diseño de cribado plataforma. Estos diseños asumen únicamente los efectos principales.
Construya un diseño de proyección de efectos principales
La segunda opción produce los diseños OA más nuevos, no los diseños PB. (Los diseños PB están disponibles junto con los diseños factoriales fraccionarios habituales utilizando la primera opción).
Cambiar los niveles del factor DSD
Sí, puedes cambiar los niveles de factor después de realizar el DSD. Sin embargo, estos cambios comprometerán el rendimiento y los beneficios del uso de un DSD. . El DSD es un caso especial de la an alias óptimo diseño personalizado. Se basa en un estructura definida compuesto por un par plegable de ejecuciones para cada factor en las que el factor dado se establece en el valor medio y los otros factores se establecen en su valor bajo o alto. Puntos centrales También se añaden. Las reclamaciones de DSD se basan en esta estructura. Cambiar los niveles de factor después de construir el diseño destruirá esta estructura, por lo que no debe esperar que el diseño modificado resultante sea un DSD o funcione como un DSD. Ya no es un DSD.
Pero cambiar los niveles es perfectamente legal y el diseño resultante probablemente respaldará algunos análisis y modelos, pero no de la misma manera ni en la misma medida que el DSD original. Ésta no es la intención del método DSD. El DSD es rígido. No aborda todos los casos en los que la evaluación está justificada y es válida. (Factores difíciles de cambiar, por ejemplo). ¿Has leído las publicaciones del blog de Brad sobre Uso adecuado e inadecuado del DSD. ?
Agregar términos para diseños de cribado
La interfaz JMP para el diseño de experimentos se divide en muchos plataformas que están especializados para un determinado método de diseño. Seleccionaste el Diseño de cribado plataforma. Implementa el método factorial fraccional regular de Box y el método factorial fraccional irregular de PB. Ninguno de estos métodos aborda los efectos de la interacción directamente con los términos del modelo. El método de diseño factorial fraccionado regular le permite cambiar el generando palabras para cambiar el alias de las columnas de estimación del modelo cambiando las columnas de diseño de factores. No puede cambiar el alias en el diseño de PB. También seleccionó la plataforma DSD. Este método es aún más restrictivo. Puede agregar bloqueo de dos niveles y ejecuciones adicionales por encima del número mínimo, pero eso es todo. A cambio, el sin alterar DSD le permitirá estimar los efectos principales de hasta aproximadamente la mitad de los factores en su diseño (escasez de efectos) y algunas interacciones y efectos cuadráticos (suponiendo herencia de efectos).
Entonces tienes razón en que las plataformas Screening Design y Definitive Screening Design no te permiten agregar términos al modelo porque esa acción no es parte de los métodos en los que se basan. Esos métodos son orientado al diseño . Su idea de comenzar con los efectos potencialmente activos es la opuesta: orientado al modelo diseño. De esa manera es el diseño personalizado.
¿Por qué no utilizas un diseño personalizado?
Ofrecemos dos cursos de formación de JMP que pueden resultarle útiles. El primer curso es nuestra introducción al DOE y se basa íntegramente en el diseño personalizado: Diseño personalizado de experimentos . El otro curso está dedicado a la situación especial del cribado: Diseños de proyección modernos . (Tenga en cuenta que el segundo curso es avanzado y supone que ha asistido a una clase del primer curso).
Por supuesto, la guía JMP para el diseño de experimentos también es muy útil ( Ayuda > Libros ).
Re: Asignar valores a nivel de factor en un diseño de pantalla definitivoHola @Mark_Bailey ,
Perdón por las confusiones. Déjame intentar aclararlos:
SSD
"No sé qué quieres decir con "SSD", pero supongo que es un diseño factorial fraccional o de Plackett-Burnam".
R: El término SSD significa diseño de detección estándar que se utiliza en la guía del usuario de JMP 13. Se encuentra en DOE\Classical\Screening Design.
Opción 1:
"¿Entonces estás usando una matriz ortogonal? El diseño L27 es un diseño PB, no un OA."
R: Pensé que el L27 aquí es un Taguchi L27 OA. Me equivoqué según tu descripción.
Creo que hay interacciones aquí o allá. Por lo tanto, según su consejo, no debería usar Taguchi L27 OA en esta fase.
"¿Qué quieres decir con" agregar 11 pares de interacciones de segundo orden "? No puede agregar términos durante el diseño. Si quiere decir que agregó estos términos más adelante en el cuadro de diálogo Ajustar modelo después de hacer clic en Crear tabla, ¿cómo seleccionó estos 11 términos de los 21 posibles efectos de interacción de dos factores? ¿Por qué agregar estos términos al análisis inicial?"
R: Sí, "agregué estos términos más adelante en el cuadro de diálogo Ajustar modelo después de hacer clic en Crear tabla" y al hacer clic en el botón de comando Interacción. No tenía las opciones de seleccionar qué interacción usar. Quiero estudiar el efecto de las interacciones, pero no pude encontrar una manera de agregarlas antes de hacer clic en Crear tabla.
Opcion 2:
En DOE\Classical \Screening Design, después de seleccionar el nivel y tipo de factor, JMP me da dos opciones: "Elegir de una lista de diseños factoriales fraccionales" o "Construir un diseño de detección de efectos principales". Utilicé la última opción y especifiqué que quiero realizar 27 ejecuciones de prueba. Después de hacer clic en Crear tabla, agregué interacción.
DSD
"¿Qué quieres decir con que puedes agregar 9 términos de interacción? Sí, tendrás suficientes tiradas pero este modelo estará saturado. ¿Cómo sabes cuál 9 de 21 seleccionar?"
R: Nuevamente, hago clic en interacción después de hacer clic en Crear tabla y no puedo seleccionar qué interacción usar.
Sí, acabo de descubrir que puedo cambiar el número de ejecuciones y que hay un límite superior.
"Sí, puedes cambiar los niveles de factor. Dichos cambios pueden comprometer significativamente el desempeño del diseño resultante. La mejor manera es seleccionar las columnas de factores y luego seleccionar Cols > Recodificar".
R: DSD toma variables continuas de 3 niveles. Puedo especificar valores bajos y altos para cada factor antes de Crear Diseño. Después de eso, JMP ajusta el valor promedio como medio automáticamente. Si el valor medio de mi muestra física es diferente, tendré que cambiarlo manualmente después de hacer clic en Crear tabla. ¿Esto va a ser un problema?
Sí, el diseño personalizado es muy versátil. Puedo sumar interacciones de segundo orden y términos cuadráticos. Sin embargo, me parece que agregar términos además de los factores principales no es compatible con el diseño de detección de JMP (ya sea SSD o DSD). Por favor aclare y explique por qué.
Gracias,
John
Re: Asignar valores a nivel de factor en un diseño de pantalla definitivoEn primer lugar, quiero abordar su enfoque general. Nosotros fuertemente abogar por el principio de experimentación secuencial adoptada por primera vez por Box, Hunter y Hunter. Sin embargo, esta estrategia no siempre se aplica. En particular, la detección no siempre es necesaria. Además, los diseños de cribado son no capaz si los supuestos del screening son no es válido . También el método de experimentación secuencial continúa evolucionando constantemente. Hoy dispone del potente pero inflexible DSD y de los métodos de diseño personalizado más potentes y flexibles. Es decir, estos métodos más nuevos cambian las tácticas que utiliza dentro de esta estrategia.Ahora pasemos a sus preguntas específicas...
SSD
No sé a qué te refieres con "SSD", pero supongo que es un diseño factorial fraccional o de Plackett-Burnam.
Opción 1 :
- ¿Entonces estás usando una matriz ortogonal? El diseño L27 es un diseño PB, no un OA.
- Estos diseños OA son específicamente para efectos principales solo modelos y sistemas. La presencia de incluso un par de efectos de interacción en su respuesta comprometerá significativamente su análisis. No utilice el OA si sospecha que este es el caso.
- Si realmente se trata de un diseño de PP, entonces hay muchas posibilidades de estimar efectos grandes. Hay poca confusión y las correlaciones de las estimaciones suelen ser lo suficientemente pequeñas como para permitir la estimación.
- ¿Qué quiere decir con "agregar 11 pares de interacciones de segundo orden"? No puede agregar términos durante el diseño. Si quiere decir que agregó estos términos más adelante en el cuadro de diálogo Ajustar modelo después de hacer clic en Crear tabla, ¿cómo seleccionó estos 11 términos de los 21 posibles efectos de interacción de dos factores? ¿Por qué agregar estos términos al análisis inicial?
opcion 2 :
- No entiendo en absoluto tu explicación sobre esta opción.
DSD
- ¿Qué quieres decir con que puedes agregar 9 términos de interacción? Sí, tendrás suficientes tiradas pero este modelo estará saturado. ¿Cómo sabes cuál 9 de 21 seleccionar?
- Sí, puedes cambiar los niveles de los factores.Dichos cambios pueden comprometer significativamente el rendimiento del diseño resultante. . La mejor manera es seleccionar las columnas de factores y luego seleccionar columnas > Recodificar .
- Puede cambiar el número de ejecuciones en la plataforma de diseño antes de comprometerse con el diseño haciendo clic hacer mesa . Recomendamos encarecidamente agregar al menos 4 ejecuciones al mínimo. El número mínimo de ejecuciones en el DSD cuando el número de factores es impar (7) es 2k+3 = 2(7)+3 = 17. El número predeterminado de ejecuciones adicionales es 4, por eso su diseño tiene 21 ejecuciones.
Tómese el tiempo para explicar cuidadosamente lo que quiere saber, lo que ha hecho y los resultados que obtuvo. Estas declaraciones rápidas y concisas son crípticas y provocan muchos intercambios de aclaraciones y divulgación completa antes de obtener toda la ayuda que necesita.
Re: Asignar valores a nivel de factor en un diseño de pantalla definitivoHola @Mark_Bailey
Muchas gracias por tu respuesta. Quiero optimizar un sistema mecánico con, digamos, 7 factores de control, y cada factor puede tener tres niveles. En esta etapa inicial del DOE, quiero lograr principalmente la detección, en segundo lugar la caracterización y, en tercer lugar, cierto grado de optimización. Puedo permitirme realizar unas 30 pruebas en esta fase.
He probado varios diseños de la siguiente manera:
SSD (en Clásico\Pantalla) usando variables numéricas discretas de 3 niveles:
- Opción 1: JMP proporciona un OA L27. JMP Color Map analizó la correlación entre los factores principales y la interacción de segundo y tercer orden. También pude agregar 11 pares de interacciones de segundo orden.
- Opción 2: selecciono manualmente 27 series de experimentos, pruebo los factores principales y agrego interacciones de segundo orden (JMP permitió 19 pares)
DSD usando variable continua
- JMP generó un diseño de 21 ejecuciones y me permitió agregar 9 pares de interacciones de segundo orden.
- Según su mensaje, supongo que puedo reemplazar cada nivel de factor con un valor de muestra de prueba. ¿Bien? ¿Cuál es una forma eficiente de hacer esto en lugar de cambiar manualmente el nivel de factor uno por uno?
- ¿Se puede cambiar el número de ejecución de prueba de 21 a 27 para compararlo con SSD?
Gracias,
John
Re: Asignar valores a nivel de factor en un diseño de pantalla definitivo¿Cuál es su propósito para este experimento? ¿Un DSD se adapta mejor que otros diseños? ¿En qué sentido?
Es probable que el DSD tenga éxito, como cualquier otro diseño de evaluación, cuando su caso cumpla con los supuestos de evaluación. Estas suposiciones son efecto de escasez , jerarquía de efectos , y efecto herencia . De lo contrario, probablemente no tendrá éxito.
La respuesta a su pregunta específica es doble:
- Puede cambiar manualmente los niveles de cualquier factor en cualquier diseño. Es posible que el análisis de regresión no esté tan respaldado como lo estaría por el diseño óptimo para el modelo dado, pero probablemente funcionará. Si los efectos son grandes, aún así deberías encontrarlos.
- No se pueden cambiar los niveles de un DSD y esperar que funcione como un DSD. Introducirá correlaciones y romperá la estructura de pares desplegables de la que depende el nuevo análisis. Todavía se puede utilizar el análisis de regresión, pero en un diseño económico como el DSD no se dispone de muchos datos de sobra, por lo que cualquier cambio de niveles tendrá un efecto más pronunciado que en un diseño grande.
Examine el impacto de sus cambios de nivel seleccionando DOE > Diagnóstico de diseño > Evaluar diseño. Siga el cuadro de diálogo de inicio y luego consulte el esquema de Diagnóstico de diseño para obtener más detalles. Compare esta información con la del DSD original.
Además, puede simular la respuesta antes y después de cambiar los niveles de los factores y comparar los análisis de regresión.
