Estoy diseñando un modelo DOE con siete variables continuas. Espero que dos de estos factores tengan una curva óptima no lineal. También espero interacciones entre mis variables.
Tengo 3 piezas del sistema que estoy probando y mi sistema necesita poder manejar 6 productos diferentes: mi problema es que necesito encontrar un compromiso en las configuraciones que brinden el resultado óptimo de los 6 productos diferentes.
Mi idea es diseñar el DOE con el 3% del sistema como factor categórico y las 7 variables como factores continuos. Espero que el sistema no tenga ningún efecto, pero podría tenerlo, y necesito tener la misma configuración en los 3 sistemas. Luego, realizaré el DOE completo en los 6 productos e intentaré encontrar la configuración óptima para una combinación de los 6 productos.
¿Le parece lógico este diseño o tiene alguna otra sugerencia? ¿Sería adecuado probar solo en dos niveles las 7 variables, o debo probar en 3 o más niveles las variables que no preveo que tengan un comportamiento lineal?
Esperando su respuesta.
Bienvenido a la comunidad y JMP.
Mis preguntas y pensamientos Hay muchas opciones
1) Diseñar múltiples planes (p. Ej., Factorial fraccional res IV, DSD, factorial fraccional con puntos centrales) predice todos los resultados posibles de cada plan y los recursos necesarios. Considere también el primer experimento es diseñar un experimento mejor , por lo que no tiene que entender todo en la primera iteración (p. ej., efectos no lineales).
2) Estoy confundido por "3pc del sistema". No entiendo esto ¿Es el sistema el sistema de medición? Sin entender esto mejor, realmente no tengo ningún consejo para ti aparte de identificar por qué los 3pc son diferentes y ¿podrías elegir 2 de esos e inferir sobre el tercero?
3) No se mencionan las variables de respuesta. ¿Cuántos hay?
4) Un pensamiento, ¿qué pasa si considera los "productos" como ruido y bloqueo en el producto (podría confundir sistema en el bloque también). Seleccione los productos que hipotetiza para tener las mayores diferencias y ejecute esos 2 bloques primero. No le preocupan demasiado los efectos de bloqueo, pero está buscando interacciones de bloque por factor que son indicaciones de que el efecto de las variables en el experimento depende del producto que esté utilizando. Este no es el resultado que desea, pero desea identificar estos efectos temprano para que el diseño se pueda cambiar para acomodarlo.
5) Comenzaría con diseños de cribado de 2 niveles y los aumentaría a medida que se acercara a lo que desea. Los modelos complejos tienden a funcionar en espacios de diseño pequeños. En realidad, probablemente no exista una relación lineal verdadera, pero está tratando de aproximar la superficie compleja con un modelo lo más simple posible.
6) Considere el ruido, ¿cómo lo manejará? Esta es, en mi experiencia, la parte más olvidada del diseño del experimento. Sin embargo, es uno de los aspectos más importantes. Desea que su diseño (y las conclusiones del análisis) sean representativos del futuro. Debe tener cuidado de no restringir el ruido ya que esto afecta negativamente el espacio de inferencia. El desafío es que, a medida que el ruido se acerca a la realidad, disminuye la precisión para detectar los efectos del factor. Por lo tanto, necesitará estrategias para manejar el ruido en el experimento (por ejemplo, repeticiones, CRR, RCBD, BIB, parcelas divididas).
