Que diseño elegirEstimados,
Estoy planeando construir un RSM para optimizar mi método. Tengo 8 factores continuos y 2 respuestas. Los niveles de cada factor se determinaron según algunos métodos internos y experiencias previas del equipo. No tengo idea si hay interacciones entre factores o no. No puedo identificar la fuente del ruido y estoy planeando aleatorizar
Después de una pequeña investigación, creo que hay dos formas de hacer esto, y no sé cuál es más adecuada.
1) experimentación secuencial usando Diseño Compuesto Central (Box-Wilson) porque puedo ejecutar un diseño de cribado clásico con algún punto central y continuar si es necesario con puntos axiales.
2) Utilice un diseño Placket Burman para ocultar el efecto principal y luego un diseño compuesto central. Y esta forma es la más utilizada en mi campo.
gracias
Diseño de experimentosRe: ¿Qué diseño elegir?Para cualquier variable categórica, siempre puedes eliminar un nivel, si lo deseas. Pero eso significa que no tendrás ninguna información sobre el nivel que falta.
Para un DSD (o diseño personalizado), no especifica el número de niveles para un factor continuo. En cambio, se elige el número de niveles para estimar el modelo. Si su modelo tiene términos al cuadrado (lo que tienen los modelos de superficie de respuesta), entonces tendrá 3 niveles para factores continuos. Dado que los DSD están diseñados para detectar y posiblemente ajustarse a un modelo de superficie de respuesta, todos los factores continuos obtendrán automáticamente 3 niveles.
Consulte el sistema de ayuda de JMP sobre diseños de cribado definitivos para obtener más información sobre cómo funcionan y se crean estos diseños: Información de diseño de cribado definitivo de JMP
Re: ¿Qué diseño elegir?
gracias @Dan_Obermiller . ¿Qué tal si configuramos este factor como categórico de 2 niveles y todos los demás factores como factores continuos de 3 niveles?
atentamente
Re: ¿Qué diseño elegir?Si sigue la ruta de análisis DSD recomendada, el único inconveniente es asegurarse de no estimar el término al cuadrado para ese factor. Cuando se trata de utilizar el generador de perfiles, cambie el tipo de modelado a ordinal o nominal antes de utilizar el generador de perfiles. Eso mantendrá los valores en 1, 2 o 3.
Re: ¿Qué diseño elegir?Gracias por tu rápida respuesta. Como dije la última vez mi factor es la cantidad de ciclos que pueden tomar los niveles 1,2 y 3. Usando el DSD, planeo hacer una evaluación seguida de una superficie de respuesta.
Mi preocupación si considero el factor como continuo, ¿cómo se expresarán los resultados? por ejemplo, si quiero maximizar mi respuesta, el software me dará un valor de 1,2 para mi factor, ¿qué debo hacer entonces? ¿Considerarlo como 1?
atentamenteRe: ¿Qué diseño elegir?Estás en lo correcto. Estaba hablando de memoria y olvidé que una variable categórica de 3 niveles no está permitida en un diseño de detección definitivo. Sin embargo, si el factor es numérico, ¿no podría considerar tratar su factor numérico discreto como continuo? Los DSD solo usarán 3 niveles, por lo que no causarán problemas al ejecutar el diseño.
Re: ¿Qué diseño elegir?Estimado @Dan_Obermiller ,
Volviendo a tu propuesta, en el software no encontré cómo incluir un Variable categórica de 3 niveles para el diseño de cribado definitivo. Solo 2 niveles: la variable categórica puede incluir
muchas gracias
Re: ¿Qué diseño elegir?Hay muchas personas en la comunidad que estarán encantadas de responder cualquier pregunta que puedas tener. El análisis de datos roza los servicios de consultoría, lo que se complica aún más por el hecho de que la mayoría de los usuarios de la comunidad probablemente no conocerán los objetivos ni la información básica para proporcionar un análisis adecuado con conclusiones. Entonces, ¿hay alguna pregunta que aún no haya sido respondida?
Re: ¿Qué diseño elegir?Estimado @Dan_Obermiller
Adjunto encuentre mis datos, ¿podría echarles un vistazo?
atentamente
Re: ¿Qué diseño elegir?Un punto de aclaración: si utiliza un diseño personalizado, es probable que NO obtenga un diseño factorial fraccional para su situación. Solo quiero asegurarme de que se dé cuenta de que Diseño personalizado utiliza un criterio diferente para crear el diseño.
En cuanto a la variación negativa de toda la trama, eso significa que la variación total de la trama es bastante pequeña y probablemente insignificante. Nunca me ha preocupado esa estimación negativa y siempre me he centrado en cómo utilizaría la información. Finalmente, otro punto a tener en cuenta es que el diseño se crea para estimar las estimaciones de los parámetros del modelo. El diseño NO está optimizado para estimar la variación completa de la trama. Por lo tanto, habrá más incertidumbre en la estimación, que es la razón típica de una estimación negativa. La combinación de un valor pequeño y la incertidumbre pueden producir ese resultado negativo.
Re: ¿Qué diseño elegir?Estimado @Dan_Obermiller ,
Tengo una pregunta más.
Antes de comenzar mi diseño real estoy realizando algunos experimentos preliminares y como primer paso
Quiero realizar un diseño factorial fraccionado y tengo 5 factores, uno de ellos es difícil de cambiar. Usando un diseño personalizado que incluye un diseño de trama dividida, obtuve una tabla con 20 experimentos con 5 tramas completas. Cuando hice los experimentos encontré un valor negativo en la variación de las parcelas completas y no sé qué debo concluir de esto. Adjunto encontrará una captura de pantalla
gracias de antemano
Re: ¿Qué diseño elegir?Un factor numérico discreto complica un poco las cosas, pero no tanto.
Con un CCD, el nivel medio no afecta en absoluto la porción factorial fraccional del diseño. Si necesita puntos axiales, deberá especificar el escalado axial en la cara. No hay cambios reales.
Con el PB, nuevamente, la parte de cribado del diseño no utiliza el nivel medio. Cuando vaya a agregar puntos axiales, deberá especificar la escala en la cara.
Con el diseño personalizado, no hay absolutamente ningún cambio.
Con el Diseño de Detección Definitivo, los números discretos no están técnicamente disponibles. Sin embargo, puede crear el diseño con ese factor como una variable categórica de 3 niveles. Todos los consejos siguen siendo los mismos.
Re: ¿Qué diseño elegir?Estimado Dan Obermiller,
Muchas gracias por tu rápida respuesta. Se me olvida mencionar que uno de mis factores es el Numético Discreto que puedo tomar los valores 1, 2 y 3. ¿Todas las proposiciones siguen siendo válidas en este caso?
atentamente
Re: ¿Qué diseño elegir?Tienes más de dos opciones, pero exploremos las opciones que mencionaste.
CCD: su diseño de detección clásico sería el diseño factorial fraccional de 16 ejecuciones + puntos centrales. Este sería un diseño de resolución IV, lo que significa que sus efectos principales no se confundirían con sus interacciones de dos factores. Esto es deseable. Incluso si no ve la curvatura, ES POSIBLE que necesite agregar algunas ejecuciones adicionales para comprender completamente las interacciones de dos factores, por lo que debe planificar al menos dos etapas de experimentación, y probablemente tres.
Diseño Plackett-Burman: el diseño PB tiene solo 12 ejecuciones (+ puntos centrales), pero tiene resolución III, lo que significa que sus efectos principales se confundirán con algunas interacciones de dos factores. Normalmente, esta no es una buena base para el diseño de una superficie de respuesta porque se deben esperar interacciones de dos factores en un estudio de optimización. Por lo tanto, es probable que necesite que algunos de sus 8 factores estén "activos" y probablemente necesitará planificar tres etapas de experimentación.
Pero ¿qué pasa con otras opciones? Por ejemplo, podría utilizar Diseño personalizado para crear un diseño para estimar el modelo de efectos principales. Luego aumente eso para agregar interacciones/términos al cuadrado. Este enfoque podría ser similar a los enfoques clásicos, pero podría ahorrarle algunas pruebas. Además, puede decidir qué criterios de optimización utilizar, de modo que pueda ajustar las diferentes etapas del diseño para determinar factores importantes o mejorar la predicción.
Otra posibilidad es utilizar un Diseño de Cribado Definitivo. Este diseño está destinado a ser un diseño de detección (que está buscando), pero a menudo puede estimar un modelo de superficie de respuesta siempre que la cantidad de factores activos esté cerca del 50% o menos de sus 8 factores posibles. Este diseño se puede lograr en 21 ejecuciones, y eso incluye las 4 ejecuciones adicionales que recomienda JMP. También tiene la ventaja de completarse en una serie de pruebas en lugar de construirse secuencialmente.
Para una situación que usted ha descrito, recomendaría considerar el Diseño de detección definitivo.
Espero que esto ayude.
