factor numérico discreto ¿buena elección?Tengo 4 factores con 3 configuraciones: -
tiempo- 5, 10, 20
agua- 100, 200, 300
velocidad1- 2500, 3000, 4000
velocidad2- 5000, 6000, 7000
mi respuesta es la viscosidad y tratar de averiguar en qué configuración puedo obtener la viscosidad deseada. Estoy tratando de configurar un diseño. Como tengo 3 configuraciones de cada factor, estaba pensando en usar un factor numérico discreto, pero leí en la documentación de JMP que "no todos los niveles de un factor numérico discreto aparecen en el diseño. Los niveles que aparecen están determinados por sus especificaciones en el esquema del Modelo".
¿Hay algo específico que deba hacer para obtener todos los niveles? ¿Hay algún otro tipo de factor que no sea un factor numérico discreto para responder a esta pregunta?
Re: factor numérico discreto ¿buena elección?@Mark_Bailey sí, el número predeterminado de ejecuciones no es el máximo. Lo lamento.
Sí, entiendo que el número de carreras será alto con categórico.
Gracias por la discusión, mi pregunta principal era verificar si hay algún otro tipo o forma para este diseño que no conozca. Gracias
Re: factor numérico discreto ¿buena elección?Solo para aclarar, JMP no sugiere un número máximo de ejecuciones. JMP proporciona un número predeterminado de ejecuciones basado en algunas heurísticas simples. Siéntase libre de elegir otro número basado en la información de evaluación, como el análisis de potencia.
Permítame reafirmar su respuesta acerca de los expertos que eligen los niveles para producir una viscosidad de aprobación y falla. El cambio en la viscosidad en el rango del factor será de 3 a 4 veces mayor que la desviación estándar de la viscosidad. ¿Es eso cierto?
Sí, me refiero a usar el tipo de factor categórico en lugar del tipo de factor numérico discreto para todos los factores. Puede estimar las interacciones, pero el número de ejecuciones es mucho mayor y probablemente no sea práctico para usted.
Las correlaciones son inevitables debido a las especificaciones de este diseño. Por otro lado, la peor correlación es de aproximadamente 1/3, por lo que aún tiene la capacidad de estimar estos parámetros y si el efecto es mucho mayor que la desviación estándar, con una potencia razonablemente alta.
Este diseño parece una buena opción, según la información proporcionada aquí hasta ahora.
Solo un recordatorio: ¡me alegro de que haya venido a la comunidad JMP en busca de ayuda! Haremos nuestro mejor esfuerzo. Pero quiero establecer expectativas realistas. Esta área no está destinada a proporcionar consultoría o capacitación. Está destinado a ayudar con problemas o asuntos específicos. Podemos indicarle otros recursos si necesita ayuda más extensa con el diseño de experimentos.
Re: factor numérico discreto ¿buena elección?@Mark_Bailey Gracias por su respuesta.
Para el número de ejecuciones, utilicé el número máximo sugerido por JMP.
Estos niveles fueron decididos por expertos y ellos eligieron estos niveles para observar tanto los resultados de aprobación como los de reprobación. Cuando dijiste que puedo usar factores categóricos, ¿te refieres a todos ellos en lugar de usar números discretos categóricos? Intenté usar categórico antes, pero con eso no podré ver las interacciones.
Sí, también miré las interacciones y con el número máximo de ejecuciones puedo ver mucha correlación entre los factores en el mapa de correlación. Se adjunta mi diseño utilizando factores numéricos discretos y observando interacciones de segundo orden, así como con el número máximo de ejecuciones sugeridas por JMP.
Re: factor numérico discreto ¿buena elección?El algoritmo de diseño personalizado debe tener consistencia entre el número de niveles y los términos que aparecen en el modelo. Por ejemplo, si agrega un factor numérico discreto con cuatro niveles, el diseño personalizado agregará F, F^2 y F^3 al modelo. Los dos últimos términos, sin embargo, deberían cambiar automáticamente su estimabilidad a 'si es posible'. Sin embargo, puede cambiar la estimabilidad a 'necesario' si desea asegurarse de estimar estos parámetros.
La otra influencia en la apariencia de los niveles y tratamientos es el número de corridas. No verá muchos tratamientos si su elección está cerca del número mínimo de ejecuciones, que está determinado por los términos que se deben estimar.
¿Estos niveles están determinados por humanos o por equipo? Por ejemplo, ¿son esas velocidades los niveles que los expertos creen que funcionarán o son los únicos ajustes posibles en el equipo? Parece (pero podría estar equivocado) que desea 'elegir el ganador' de las combinaciones observadas en lugar de interpolar con el modelo para optimizar la viscosidad. En ese caso, también podría usar factores categóricos en su lugar.
Apuesto a que tienes algunas interacciones interesantes con estos factores.
