DOE personalizado: restricciones para factores que dependen entre síHola, estoy diseñando un DOE con factores con condiciones dependientes entre sí.
p.ej:
1) para cada ejecución, la suma de X1/X2/X3 debe ser 8000
o
2) la media de X1/X2/X3 no debe exceder X4
¿Cómo puedo imponer tales restricciones a mi DOE?
| X1 | continuo | 0 | 10000 |
| X2 | continuo | 0 | 10000 |
X3 | continuo | 0 | 10000 |
¡Muchas gracias de antemano!
Re: DOE personalizado: restricciones para factores que dependen entre sí¡Muchas gracias por el tip usando la suma de la mezcla! Lo apliqué a mi DOE.
Re: DOE personalizado: restricciones para factores que dependen entre sí¡Muchas gracias por la solución detallada!
Re: DOE personalizado: restricciones para factores que dependen entre síMark Bailey ha esbozado un buen enfoque. Solo un poco más sobre el enfoque mixto que mencionó al final.
No tiene que volver a escalar su X1 a X3 para ese enfoque. Puede decirle a JMP que la suma de su mezcla es 8000 en lugar del valor predeterminado de 1. Esa opción está disponible en el menú emergente del triángulo rojo en el cuadro de diálogo DOE personalizado.
Si adopta el enfoque mixto, recuerde que los resultados del ajuste de su modelo serán diferentes, ya que ahora ajustará un modelo Scheffe Mixture en lugar de un modelo de regresión estándar.
Re: DOE personalizado: restricciones para factores que dependen entre síSu primera restricción es inconsistente y crea una singularidad en el diseño. En primer lugar, ninguno de los tres primeros factores puede superar los 8000, por lo que un límite superior de 10 000 no tiene sentido. En segundo lugar, solo tienes 2 factores independientes. El tercer factor está completamente determinado por la suma de los dos primeros factores. Por lo tanto, podría diseñar el experimento con solo los dos primeros factores y luego usar una fórmula de columna para determinar la configuración del tercer factor para realizar una ejecución o puede diseñar el experimento con los tres factores pero eliminar el tercero de cualquier modelo.
Aquí están mis resultados a modo de ejemplo.
Los límites superiores no son realistas para su experimento.
Aquí está la definición de las restricciones que utilicé.
Junto con el modelo que contiene solo la intercepción y los efectos principales, obtengo este diseño con advertencias.
Los valores muy pequeños pueden ser reemplazados por cero. Simulé los datos para mostrar el análisis.
Comienzo el análisis como de costumbre pero elimino cualquier término con X3. Aquí está el resultado.
Tenga en cuenta que estas estimaciones no coincidirán con la simulación porque utilizaron niveles de factores codificados. Sin embargo, el modelo predice muy bien.
Otro enfoque que podría funcionar es tratar este experimento como un diseño de mezcla. Ese enfoque requerirá que vuelva a escalar sus factores de 0 a 1 o 0,8. Luego cambie la suma de la mezcla a 0.8. Solo ingresaría X1 y X2, no X3, en este enfoque. Solo necesitaría una restricción para el requisito X4 con una modificación para cubrir que X3 ya no está explícitamente en el diseño.
