Sto progettando un DOE con 7 variabili tutte continue. Mi aspetto che 2 di questi fattori abbiano probabilmente una curva ottimale non lineare; mi aspetto anche interazioni tra le mie variabili.
Sto testando 3 componenti del sistema e il mio sistema deve essere in grado di gestire 6 prodotti diversi. Il problema è che devo trovare un compromesso nelle impostazioni che fornisca l'output ottimale per tutti e 6 i prodotti diversi.
La mia idea è di progettare il DOE con il 3% del sistema come fattore categorico e le 7 variabili come fattori continui. Spero che il sistema non abbia alcun effetto, ma potrebbe averne e ho bisogno di avere le stesse impostazioni su tutti e 3 i sistemi. Eseguirò quindi il DOE completo su tutti e 6 i prodotti e cercherò di trovare le impostazioni ottimali per una combinazione di tutti e 6 i prodotti.
Questo design ha senso per te o hai altri suggerimenti? Sarebbe corretto testare solo a due livelli per tutte e 7 le variabili o dovrei testare a 3 o più livelli per le variabili per le quali non mi aspetto un comportamento lineare?
Attendo con ansia la tua risposta.
Benvenuto nella community e in JMP.
Le mie domande e pensieri. Ci sono molte opzioni
1. Progettare piani multipli (ad es. Risoluzione fattoriale frazionaria IV, DSD, fattoriale frazionaria con punti centrali) prevedere tutti i possibili risultati di ciascun piano e risorse necessarie. Considera anche il primo esperimento è progettare un esperimento migliore , quindi non è necessario comprendere tutto nella prima iterazione (ad esempio, effetti non lineari).
2. Sono confuso da "3pc del sistema". Non capisco questo? Il sistema è il sistema di misurazione? Senza capirlo meglio, non ho davvero alcun consiglio per te se non quello di identificare il motivo per cui il 3pc è diverso e potresti sceglierne 2 e dedurne il terzo?
3. Non si fa menzione delle variabili di risposta. Quanti sono lì?
4. Un pensiero, e se consideri i "prodotti" come rumore e blocchi sul prodotto (potresti confondere sistema anche nel blocco). Seleziona i prodotti che hai ipotizzato per avere le maggiori differenze ed esegui prima quei 2 blocchi. Non sei così preoccupato per gli effetti a blocchi, ma stai cercando interazioni blocco per fattore che indicano che l'effetto delle variabili nell'esperimento dipende dal prodotto che stai utilizzando. Questo non è il risultato desiderato, ma si desidera identificare questi effetti in anticipo in modo che il design possa essere modificato per adattarsi.
5. Vorrei iniziare con i progetti di screening a 2 livelli e aumentare quelli man mano che ci si avvicina a ciò che si desidera. I modelli complessi tendono a funzionare in piccoli spazi di design. In realtà, probabilmente non esiste una vera relazione lineare, ma stai cercando di approssimare la superficie complessa con un modello il più semplice possibile.
6. Considera il rumore, come lo gestirai? Questa è, nella mia esperienza, la parte più trascurata della progettazione dell'esperimento. È tuttavia uno degli aspetti più importanti. Vuoi che il tuo progetto (e le conclusioni dell'analisi) siano rappresentativi del futuro. Dovresti stare attento a non limitare il rumore poiché questo influisce negativamente sullo spazio di inferenza. La sfida è, man mano che il rumore si avvicina alla realtà, la precisione per rilevare gli effetti dei fattori diminuisce. Quindi avrai bisogno di strategie per gestire il rumore nell'esperimento (ad es. Ripetizioni, CRR, RCBD, BIB, grafici divisi).
