Factoriza la variabilidad inherente al usar el simulador ProfilerEstimados miembros de la comunidad:
Tengo una pregunta con respecto a la variabilidad inherente al factor cuando uso el simulador Profiler.
Digamos que me gustaría definir el rango de factor aceptable que me permite cumplir siempre con los criterios de aceptación predefinidos que establecí.
Digamos también que este factor tiene una variabilidad inherente, lo que significa que cuando quiero establecer el factor en 2, el valor verdadero está entre 2 +/- 0.1%.
Ejecuto un DoE para obtener un modelo y la función de transferencia relacionada.
Lanzo el simulador Profiler para definir este rango de factores aceptable:
- Selecciono la distribución como aleatoria
- Pero, ¿qué desviación estándar debo indicar: debo tener en cuenta el modelo RMSE pero también el factor de variabilidad inherente? ¿O el RMSE solo considerando que ya incluye el factor de variabilidad inherente, lo que significa que el modelo ya capturó esta variabilidad inherente en el error del modelo?
Gracias,
Hugo
@martindemel
Re: Factoriza la variabilidad inherente al usar el simulador ProfilerHugo, cuando no quiera estar seguro de que mi simulación tiene en cuenta la variabilidad inherente de su factor además del error del modelo, establecería la distribución de la simulación en ese rango (2 como media, estándar 0.1%). Si puedo estar seguro de que la variabilidad no será más de .1% en su ejemplo, entonces usaría normal truncado o univariante para capturar todo el rango de variación en lugar de usar solo normal.
Como el objetivo es (como sugiero) reunir el mayor rango de factores para permanecer en sus criterios de aceptación, siempre es mejor ser bastante conservador que demasiado optimista.
My2cents 
Otros pueden tener aportes adicionales de su trabajo y uso diario.
Re: Factoriza la variabilidad inherente al usar el simulador ProfilerHola martin,
Gracias por el aporte.
Estoy de acuerdo con su comentario sobre el enfoque conservador.
Cuando dices " cuando quiero estar seguro de que mi simulación tiene en cuenta la variabilidad inherente de su factor además del error del modelo, ... "entonces entiendo que, de hecho, el error del modelo no necesariamente tiene en cuenta la variabilidad inherente del factor?
En caso de que replicara todo el diseño, ¿tendría más confianza en que el error del modelo tiene en cuenta una variabilidad de factor tan inherente?
Re: Factoriza la variabilidad inherente al usar el simulador Profiler" entonces entiendo que, de hecho, el error del modelo no necesariamente tiene en cuenta la variabilidad inherente del factor ".
El modelo solo tendrá en cuenta esta variabilidad si ya está dentro de los datos. Entonces, sí, el error del modelo no tiene en cuenta el error simulado adicional que configuró. La simulación le permite agregar ruido adicional que puede conocer por experiencia o detalles técnicos de las mediciones de respuesta / instrumentos / variación de entrada ... (por ejemplo, es probable que el ph no sea exactamente igual a 5.5, generalmente tiene una pequeña variación incluso si lo configura con el instrumento a este valor.
Dicho esto, la respuesta a su segunda pregunta: si replica su diseño, tendría más datos para la "misma configuración". Esto permitirá una mejor estimación del error. Entonces el modelo probablemente sea más preciso. Sin embargo, no diría necesariamente que esto incluye la variabilidad del factor inherente. Desde un punto de vista conservador, me gustaría saber el peor de los casos. Luego, junto con su experiencia, puede juzgar sobre su modelo la probabilidad de que estos escenarios sean y si una variación menor difiere mucho del enfoque conservador. Desafortunadamente, sigue siendo una aproximación, pero probablemente sea (¿ligeramente?) Mejor que antes.
Re: Factoriza la variabilidad inherente al usar el simulador ProfilerMuchas gracias Martin por la agradable discusión sobre el tema.
Re: Factoriza la variabilidad inherente al usar el simulador ProfilerSolo para aclarar, usted especifica la variabilidad del factor, si la hay, para cada factor. El RMSE es la variación aleatoria en la respuesta que no está asociada con los niveles de factores cambiantes. Entonces agrega el RMSE por separado. De esa forma, ambas fuentes (fija y aleatoria) se incluyen en la simulación.
Re: Factoriza la variabilidad inherente al usar el simulador ProfilerHola, Mark,
Gracias por tu contribución. Entonces, en el generador de perfiles, seleccionando la distribución aleatoria, establezco mi valor de punto de ajuste como la media y luego la variabilidad del factor como SD, ¿es correcto? Finalmente, no pondría el RMSE como SD de un factor ya que, como mencionó, el RMSE es el error relacionado con la respuesta y ya está capturado en el modelo, ¿en el intervalo de confianza de cada valor Y simulado?
Re: Factoriza la variabilidad inherente al usar el simulador ProfilerAquí hay un ejemplo del uso de la función de simulación en el Perfil de predicción:
Observe que especifiqué una variación aleatoria para años y altura pero sexo fijo El valor objetivo para las variables de proceso es la media. El SD es la variación esperada. Entonces quiero simular lo que sucede cuando el altura = 60 pulgadas pero varía según una distribución normal con un SD = 1.5 pulgadas.
Observe en la parte inferior que también agregué ruido aleatorio para Y ( peso ) que es inherente e independiente de los niveles de factores. En este caso, el peso varía en 10 libras incluso si los niveles de factor no cambian. Puede tener un valor histórico para esta SD o puede usar el RMSE estimado del análisis de regresión para ajustar este modelo.
