DOE con sistemi autonomi con risposta discontinuaRecentemente mi è stato chiesto di aiutare con un progetto di esperimento in cui la risposta Y non è una funzione regolare e ha diverse discontinuità. Con intervalli molto ristretti di valori X. Qualcuno ha mai lavorato con questo tipo di problema, e se sì, come hai progettato e analizzato l'esperimento?
Re: DOE con sistemi autonomi con risposta discontinuaSpero che qualcun altro possa avere un riferimento per te. Io non ne ho.
Ho due casi in cui abbiamo usato con successo questo approccio, ma non sono libero di divulgare nessuno dei due. Posso dire che entrambi hanno avuto successo.
Nel caso in cui aiuti, puoi pensare a questo approccio come pre-screening. Conoscere così poco l'effetto dei fattori e la natura della risposta ai fattori è così complesso che non è possibile utilizzare alcun progetto di screening fino a quando non si conoscono gli intervalli dei fattori produttivi. Questo approccio identificherà queste informazioni per te.
Re: DOE con sistemi autonomi con risposta discontinuaMarchio,
Grazie per la risposta rapida! Ho usato il design di riempimento dello spazio e il processo gaussiano ma non la rete neurale. Seguirò il tuo consiglio per vedere se riesco a isolare una regione ristretta. Dopo di ciò, potrei dover eseguire ulteriori progetti di riempimento dello spazio con intervalli molto più piccoli.
Apprezzerei molto se tu o qualcuno della comunità avessi eseguito questo tipo di lavoro, specialmente se un giornale, una presentazione, un diario, ecc. sono disponibili per la condivisione. Tali riferimenti mi aiuterebbero a convincere la direzione più facile.
Grazie ancora.
Manny
Re: DOE con sistemi autonomi con risposta discontinuaPotresti considerare l'utilizzo di a design di riempimento dello spazio , solitamente richiesto negli esperimenti informatici, per campionare adeguatamente lo spazio di progettazione in cui potrebbero esserci grandi discontinuità nella risposta tra i punti di progettazione. I soliti metodi di progettazione per il modello lineare (ad esempio, la progettazione personalizzata) potrebbero essere poco pratici e inefficaci perché richiederebbero polinomi di ordine molto elevato che soffrirebbero ancora di un ampio grado di mancanza di adattamento.
Potresti usare il Processo gaussiano modello o un rete neurale artificiale modello per l'esplorazione e l'interpretazione. In questo caso, se lo spazio di progettazione originale è solo per lo screening, è possibile utilizzare il modello esplorativo per isolare un'area ristretta dello spazio di progettazione iniziale per un nuovo esperimento utilizzando un metodo di progettazione convenzionale in cui è possibile fare affidamento sul modello lineare. Inoltre, questi modelli possono essere abbastanza precisi e un'ulteriore raccolta di dati potrebbe essere ingiustificata.
