DOE con sistemas autónomos con respuesta discontinuaRecientemente me pidieron ayuda con un diseño de experimento donde la respuesta Y no es una función suave y tiene varias discontinuidades. Dentro de rangos muy estrechos de valores de X. ¿Alguien ha trabajado con este tipo de problema y, de ser así, cómo diseñó y analizó el experimento?
Re: DOE con sistemas autónomos con respuesta discontinuaEspero que alguien más tenga una referencia para usted. No tengo ninguno
Tengo dos casos en los que utilizamos con éxito este enfoque, pero no estoy en libertad de divulgar ninguno de los dos. Puedo decir que ambos tuvieron éxito.
En caso de que ayude, puede pensar en este enfoque como una preselección. Usted sabe tan poco acerca del efecto de los factores y la naturaleza de la respuesta a los factores es tan compleja que no puede usar ningún diseño de cribado hasta que conozca los rangos de factores productivos. Este enfoque identificará esa información para usted.
Re: DOE con sistemas autónomos con respuesta discontinuaMarca,
¡Gracias por la rápida respuesta! He utilizado el diseño de relleno del espacio y el proceso gaussiano, pero no la red neuronal. Seguiré su consejo para ver si puedo aislar una región restringida. Después de eso, es posible que tenga que hacer más espacio llenando diseños con intervalos mucho más pequeños.
Apreciaría enormemente si usted o alguien de la comunidad haya realizado este tipo de trabajo, especialmente si se trata de un artículo, una presentación, un diario, etc. Están disponibles para compartir. Tales referencias me ayudarían a convencer a la gerencia más fácil.
Gracias de nuevo.
Manny
Re: DOE con sistemas autónomos con respuesta discontinuaPodría considerar usar una diseño de espacio de relleno , generalmente requerido en experimentos con computadora, para muestrear adecuadamente el espacio de diseño en el que puede haber grandes discontinuidades en la respuesta entre los puntos de diseño. Los métodos de diseño habituales para el modelo lineal (por ejemplo, diseño personalizado) podrían ser poco prácticos e ineficaces porque requerirían polinomios de muy alto orden que aún sufrirían un alto grado de falta de ajuste.
Usted podría usar el Proceso gaussiano modelo o un Red neuronal artificial Modelo de exploración e interpretación. En este caso, si el espacio de diseño original es solo para la detección, puede usar el modelo exploratorio para aislar una región restringida del espacio de diseño inicial para un nuevo experimento utilizando un método de diseño convencional en el que puede confiar en el modelo lineal. Por otra parte, estos modelos pueden ser bastante precisos y la recopilación de datos adicional puede ser injustificada.
