¿Implementar combinaciones de factores no permitidas y/o restricciones lineales utilizando el enfoque DSD?Hola a todos,
Actualmente estoy luchando por combinar las ventajas de la plataforma DSD con la plataforma de diseño personalizado y no encontré una solución viable.
La tarea es investigar alrededor de 30 variables continuas y 8 variables categóricas con la menor cantidad de ejecuciones posibles (actualmente alrededor de 90) Y descartar combinaciones que no tengan sentido según el conocimiento del proceso. Además de eso, estamos interesados principalmente en las interacciones, ya que sabemos que muchos efectos principales existen (por sí solos).
Cualquier sugerencia es bienvenida.
Atentamente
Egón
Re: ¿Implementar combinaciones de factores no permitidas y/o restricciones lineales utilizando el enfoque DSD?Buenos días a todos,
Muchas gracias por su aporte, que se discutirá internamente con mis colegas dentro de este proyecto. Ya os contaré el resultado.
Atentamente
Egón
Re: ¿Implementar combinaciones de factores no permitidas y/o restricciones lineales utilizando el enfoque DSD?DE ACUERDO, @Mark_Bailey , me incitaste a contribuir. tengo algunas ideas para @egon_gross .
1. Desde un punto de vista puramente logístico, ¿qué tan seguro está de poder establecer los 38 factores en los niveles requeridos según lo dictado en cada combinación de tratamiento? Dijiste que quieres todos los efectos principales y una colección de interacciones no especificada... en un orden de efectos no especificado (¿de 2 vías, de 3 vías o más?). Entonces, supongamos que desea la mitad de todas las posibles interacciones de dos factores y unos pocos grados de libertad sobrantes para propósitos de estimación del efecto... por lo que está considerando un mínimo de MUCHOS TRATAMIENTOS. ¡Con 38 factores! Mi experiencia es que incluso con menos de 10 factores, cuando estaba en equipos ejecutando experimentos diseñados, las cosas se estropeaban sin importar cuánto lo intentáramos. Alguien estableció un nivel incorrectamente, duplicó accidentalmente una combinación de tratamiento y/o no ejecutó una que era requerida... lo que tendrá enormes implicaciones para la estimación del efecto. O tal vez poner la combinación en el bloque incorrecto... o algún otro modo de falla de ejecución experimental. ¡Y peor aún, muchas veces no sabíamos que habíamos cometido el error! Hablando de bloquear... pensémoslo dos veces.
2. Con un experimento grande puedo imaginar escenarios en los que podría ser necesario el bloqueo. Por ejemplo, si el experimento debe ejecutarse durante más de un día y a la gente le preocupa que pueda haber un efecto diario, entonces el día debería convertirse en un factor de bloqueo. ¿O qué tal un escenario en el que, para minimizar el cronograma, alguien decide ejecutar el experimento en dos, tres o más, digamos, recipientes de reacción? Otro factor de bloqueo. Y dado que el bloqueo es una forma de aleatorización restringida... pasemos a mi tercer pensamiento.
3. como @Mark_Bailey sugiere, ¿se puede aleatorizar completamente el orden de ejecución experimental? Si no, se requiere algún tipo de diseño de trama dividida, entonces definitivamente estás en la timonera del diseño personalizado de JMP. Ahora mi último pensamiento.
Te deseo lo mejor... si el experimento funciona y estás dispuesto a compartirlo, ¡tal vez una entrada en el Blog de JMP sería una gran historia!
Re: ¿Implementar combinaciones de factores no permitidas y/o restricciones lineales utilizando el enfoque DSD?El orden de las respuestas no es cronológico. Depende del botón Responder en el que haga clic. Espero que esta respuesta esté al final!
Un colega, @P_Bartell , planteó dos cuestiones muy importantes. La primera cuestión es cuán poco práctica será la aleatorización con tantos factores. Ese problema significa que debe utilizar un diseño de trama dividida personalizado, no un DSD. La segunda cuestión es qué tan bien se puede controlar cada ejecución en un experimento con tantos factores.
Espero que Peter agregue su visión profunda sobre estos dos temas a este hilo.
Re: ¿Implementar combinaciones de factores no permitidas y/o restricciones lineales utilizando el enfoque DSD?Solo agrego a la excelente publicación de Mark. Debo decir que estoy un poco confundido. ¿Ya sabes que hay 38 factores que influyen? ¿Y ahora quieres investigar términos de segundo orden? Esto es muy inusual. No sigue uno de los principios de la experimentación: ¿Escasez de efectos? Por lo general, cuando hay tantos factores para investigar, sugeriría algún tipo de estudio de muestreo dirigido (Componente de variación) para reducir el número a un tamaño más manejable para la experimentación. No puedo imaginar tener un modelo de predicción con tantos términos. Sería prácticamente imposible que ese modelo fuera aplicable en el "mundo real". El otro pensamiento que tengo es que no se habla en absoluto del ruido. Desde elementos de ruido a corto plazo (p. ej., error de medición) hasta elementos a largo plazo (p. ej., condiciones ambientales, variación de las variables de entrada entre lotes). Debo decir que has despertado mi interés por lo que estás estudiando.
Re: ¿Implementar combinaciones de factores no permitidas y/o restricciones lineales utilizando el enfoque DSD?La eliminación manual de ejecuciones en un DSD o el ajuste de niveles en ejecuciones existentes destruirá la estructura plegable de la que depende el análisis único. En este punto, el diseño resultante ya no es un DSD y ya no proporciona los beneficios de un DSD. estoy de acuerdo con @ian_jmp que deberíamos poder encontrar un diseño personalizado para funcionar.
No me gusta sugerir el siguiente enfoque porque creo que los datos más realistas provienen de un experimento con todos los factores relevantes, pero ese enfoque no siempre es posible. Otra forma sería dividir los factores en dos o más experimentos. Este enfoque corre el riesgo de separar los factores que interactúan. No podrá modelar esas interacciones y podrían ser una característica clave del comportamiento del proceso. Requiere suficiente conocimiento del proceso sobre las interacciones para tomar decisiones de bajo riesgo sobre qué factores separar.
Re: ¿Implementar combinaciones de factores no permitidas y/o restricciones lineales utilizando el enfoque DSD?El DSD es algo rígido y no ofrece una solución para todos los casos. Esa situación es cuando deberías utilizar un diseño personalizado. El resto de mi respuesta se basa en un diseño personalizado.
¿Ya has examinado los 38 factores? ¿Están los datos disponibles? ¿Podría ser posible aumentar los datos existentes para que se ajusten al nuevo modelo y probar las interacciones? El aumento es una excelente manera de aprender más con nueva evidencia y al mismo tiempo aprovechar los datos existentes para la economía.
Cuando dice "no tiene sentido", ¿quiere decir que estos tratamientos son físicamente imposibles o que es probable que produzcan malos resultados (respuestas indeseables)? A prueba Es una especie de juego de adivinanzas que se utiliza para "elegir al ganador". Un experimento Es un plan diseñado para recopilar datos que se ajusten a un modelo, independientemente de la conveniencia de las respuestas. Hay una gran diferencia entre estos dos enfoques y las mentalidades detrás de ellos. Si su caso es el primero, entonces existen formas de eliminar ejecuciones sin sentido. Si su caso es el último, entonces no eliminaría ninguna carrera basada en prejuicios.
Yo agregaría todas las interacciones de dos factores.¿Tiene conocimiento del proceso sobre los efectos de la interacción? Si sabe que no es posible una interacción, elimine este término. Si sabes que una interacción está activa, mantenla (efecto primario). Para el resto, cambia su Estimabilidad de Necesario a Si es posible (efecto potencial). Este cambio producirá una Diseño óptimo bayesiano . Restablece el número mínimo de ejecuciones, que siempre es igual al número de parámetros que es necesario estimar. Este cambio ayudará a que la economía del diseño se ajuste a su presupuesto. Recomendamos utilizar más del número mínimo de ejecuciones. Un buen enfoque es considerar las interacciones potenciales y decidir cuántas estarán realmente activas. Por supuesto, usted no conoce este número, pero haga una suposición fundamentada. Agregue 3-4 ejecuciones para cada uno de estos efectos. Por ejemplo, si tengo 30 interacciones potenciales pero espero que solo 4 de ellas estén activas, entonces agregaría de 12 a 16 ejecuciones al mínimo.
¿Este estudio se centra principalmente en los efectos de pantalla? Usted dijo que ya sabe que los 30+8 factores están activos, por lo que no necesitaría examinar los factores. Si es así, deje el criterio recomendado: D-óptimo. Si su objetivo principal es la selección del modelo seguida de la optimización, cambie el criterio a I-óptimo. Si su objetivo es una combinación de efectos de detección y optimización, cambie el criterio a A-óptimo.
Quiere equilibrar la necesidad de economía con la necesidad de buenas estimaciones de los parámetros del modelo o de la respuesta. La gran cantidad de términos en el modelo conduce a una gran cantidad de ejecuciones, pero no necesariamente a una gran cantidad de grados de libertad de error que se utilizarán para establecer intervalos de confianza y pruebas de hipótesis para sus decisiones. Por lo tanto, generalmente se espera tener efectos que sean de 3 a 4 veces el tamaño de la desviación estándar de la respuesta. Asegúrese de ampliar el rango de factores continuos para producir los mayores efectos. No limite los rangos alrededor del nivel que espera que sea óptimo. Ése es un enfoque de prueba. La gama más amplia admite un enfoque experimental.
Re: ¿Implementar combinaciones de factores no permitidas y/o restricciones lineales utilizando el enfoque DSD?Mientras creaba varias opciones de diseño usando Diseño personalizado, me encontré con un esfuerzo experimental extremadamente alto que estaba fuera de toda duda. El segundo enfoque (creación de un DSD, eliminación manual de combinaciones no permitidas y posterior evaluación del diseño) también acabó en un callejón sin salida. Sin embargo, le daré una oportunidad al diseño personalizado que implica varias restricciones lineales.Re: ¿Implementar combinaciones de factores no permitidas y/o restricciones lineales utilizando el enfoque DSD?Teniendo en cuenta lo que dices, esperaría que un diseño personalizado fuera la mejor opción. Pero también da a entender que no está satisfecho con el diseño al que llegó mediante este método, por lo que tal vez haya más que decir. Ciertamente, si el 'conocimiento del proceso' que usted menciona se puede expresar a través de una serie de restricciones lineales, y si tiene conocimiento tecnológico previo de que es necesario estimar algunos efectos conjuntos y otros simplemente no tienen sentido, entonces un diseño personalizado es el enfoque correcto.
