pregunta del DOEHola a todos,
Soy bastante principiante con respecto al DOE y tengo una pequeña pregunta.
Básicamente digamos que tengo un experimento con varios factores. En particular, quiero probar un componente que tiene dos niveles posibles y me gustaría probar varias concentraciones (0, 10, 20 o 40). Por lo tanto, creé mi diseño con un factor categorial (Componente: A, 
y uno numérico discreto (Concentración: 0, 10, 20, 40).
En el diseño final, tengo varias ejecuciones con A-0 o B-0. Sin embargo, desde un punto de vista biológico es exactamente lo mismo => "sin componente añadido". Me pregunto si hay alguna manera de proporcionar esta información al software. ¿Cómo definir que dos corridas son equivalentes? ¿O tal vez debería definir los factores de otra manera? O tal vez simplemente no sea factible...
¡Gracias de antemano por sus entradas!
Diseño de experimentosRe: pregunta del DOETenga en cuenta que existe una diferencia entre una prueba diseñada para "elegir un ganador" y un experimento diseñado para brindar información sobre las relaciones causales.
perspicaz.
mateoRe: pregunta del DOE¡Gracias de nuevo por todos tus precisos consejos! ¡Intentaré tener todo eso en cuenta cuando haga un nuevo diseño!
Re: pregunta del DOEPara añadir a @Mark_Bailey Según el último comentario de JMP, para implementar lo que recomienda, deberá utilizar la plataforma de diseño personalizado exclusiva de JMP. Podrás ingresar los niveles altos y bajos específicos que deseas cubrir en tu espacio de factores experimentales y el modelo exacto que deseas estimar... pero como señala Mark, habrá otros niveles seleccionados por el algoritmo de diseño personalizado. Eso PUEDE no ser buenos 'números redondos' que algunos miembros de su equipo, ingenuamente, pueden pensar que son necesarios. Como sugiere Mark, el objetivo es encontrar un modelo útil aquí... no el ganador. También debería considerar el uso del Prediction Profiler y las capacidades de simulación característicos de JMP para ayudarlo a encontrar y explorar en la búsqueda de ese "modelo útil".
Otros pasos involucrados en la resolución de problemas donde el DOE es fundamental para el esfuerzo incluyen ejecuciones de confirmación o experimentación adicional para mejorar el modelo o su comprensión del sistema. Las ejecuciones de confirmación son prácticamente necesarias para los problemas de optimización de respuestas. Se podría recomendar experimentación adicional para explorar la solidez de la solución, ¿O suponer que se pasa por alto el punto de inflexión que parece tan central?
La resolución de problemas por parte del DOE a menudo no termina con un solo diseño... Le recomiendo que usted y su equipo adopten el concepto de experimentación secuencial como central para su metodología de resolución de problemas.
Re: pregunta del DOEHizo bien en agregar un factor numérico discreto cuando quería dictar los niveles exactos del factor. (Luego JMP decide los términos que se deben agregar al modelo). La mejor práctica para cubrir la posibilidad de una respuesta no lineal al cambio en el nivel de un factor es agregar un factor continuo y especificar los términos necesarios en el modelo. . (JMP decidirá los mejores niveles para estimar los parámetros de su modelo).
También tenga en cuenta elegir una gama amplia para este factor continuo. No "conjeture" dónde estará el mejor nivel y limite el rango en las proximidades de dicha suposición. Como se mencionó anteriormente, este estudio no se trata de "probar" para "elegir al ganador". Se trata de estimar un modelo para encontrar el ganador. Las mejores estimaciones requieren un efecto grande, que se produce mediante un amplio rango de factores.
Re: pregunta del DOEHola,
Muchas gracias @SDF1 , @Mark_Bailey , @P_Bartell y @statman por tus comentarios. Cada aporte es realmente valioso y me ayuda a comprender mejor todo el proceso.
Creo que seguiré tu consejo y no incluiré este nivel 0 en mi diseño.
En cuanto al número de niveles para el factor X2, las personas familiarizadas con el campo del experimento querían tener varios niveles "intermedios" (4 o incluso más) porque esperan un comportamiento cuadrático pero no saben exactamente en qué punto comenzará la respuesta. disminuir. Sin embargo, por lo que tengo entendido, dos niveles son suficientes para un paso de selección y 3 si queremos agregar un efecto cuadrático en el modelo y "elegir al ganador". ¿Hay entonces alguna ganancia en agregar niveles intermedios? ¿Ayuda a captar el punto exacto de "ruptura"? ¿O simplemente disminuirá la precisión de los resultados?
¡De nuevo, gracias por tu ayuda!
Re: pregunta del DOEHaciendo eco de mis estimados colegas, primero quiero darles la bienvenida al mundo del DOE. Es un tema y una herramienta fascinantes e increíblemente poderosos. Lamentablemente, los consejos sobre la selección del diseño dependen de la situación. ¿Qué hipótesis quieres conocer? Los factores representar esas hipótesis en su experimento. Date cuenta de que hay una diferencia entre un prueba diseñado para "elegir un ganador" y un experimento que está diseñado para dar una idea de las relaciones causales. Esto influye en la selección de factores, la configuración del nivel y las condiciones bajo las cuales se realiza el experimento (espacio de inferencia). Mi consejo es pensar en las combinaciones de tratamientos (factores y niveles) y tratar de predecir qué resultados esperaría y qué resultados podrían ser posibles. Predice cuáles podrían ser todos los resultados posibles y qué harías en cada caso. Entonces proceda. Por ejemplo, si el factor X1 es significativo, ¿qué harías? Si ese factor es insignificante, ¿qué harías? (para todos los factores). Si ejecuta el experimento y no se "crea" ninguna variación prácticamente significativa, ¿qué hará? ¿Qué pasa si creas un montón de variaciones, pero no hay nada asignable a los factores?...etc.
Concéntrese en la información que desea y luego en qué diseño se ajusta a ella. Siempre que veo factores en más de 2 niveles, pienso en elegir el objetivo ganador. ¿Ciertamente no estás prediciendo un polinomio de tercer orden? Entonces, ¿por qué 4 niveles de una variable continua?
Recuerde que siempre hay dos cosas acerca de la experimentación: una es comprender el fenómeno y la otra es aprender a experimentar.
Perdón por mi perorata. Continuar. ¡Y por favor regrese y haga preguntas!
Re: pregunta del DOEpara ampliar @Mark_Bailey El comentario de (y tengo la misma opinión) sobre no ser un fanático de establecer factores continuos en 'cero' como si no estuvieran en el sistema en absoluto, con demasiada frecuencia el sistema en estudio actúa como un sistema nuevo o atípico con uno factor clave completamente ausente. La ausencia del factor podría influir desfavorablemente en la estimación de los parámetros. Podría generar una falla de seguridad o una falla abyecta conocida dentro del proceso que no proporciona información útil sobre el problema en cuestión. O algún otro modo de falla imprevisto.
Por último, ¿qué le dice su conocimiento de ingeniería o de primeros principios (si tiene alguno) sobre lo que podría suceder con el factor completamente ausente?
Y odio siquiera sugerir esto... pero si estás obligado y decidido a descubrir qué sucede en el 'cero' para ese factor, tal vez sea hora de realizar una prueba simple tipo jonrón en el 'cero' y mira que pasa? ¿Y no incluir esas combinaciones en el análisis? Pero nuevamente... sólo si está seguro de que no va a inducir una condición peligrosa o de seguridad.
Re: pregunta del DOE¡Bienvenido al DOE!
No soy partidario de los factores continuos establecidos en 0. Como descubrió, eso significa que no tiene ese factor. Creo que sería mejor tener todos los niveles de concentración distintos de cero. Vea cómo esa idea se adapta a su propósito.
Re: pregunta del DOEHola @anne_sa ,
Por lo que parece, tienes un factor que es numérico discreto, llámalo X1 con cuatro niveles. También tienes otro factor que es categórico de dos niveles, llámalo X2. X1 puede tomar valores [1, 2, 3, 4]. Estos son los valores codificados, no los valores reales del experimento que realmente usarías. De manera similar, su variable categórica X2 toma [0, 1], que nuevamente son los valores codificados; en el experimento, X2 en realidad será A o B. Al poner esto en un DOE personalizado típico, debería obtener 8 ejecuciones donde X1 varía de 1 a 4 y X2 será 0 o 1, y también obtendrá las interacciones. La interpretación entonces es que 0=A y 1=B.
Por otro lado, si tiene dos componentes A y B que pueden estar presentes (1) o ausentes (0), entonces querrá tener una variable categórica adicional X3, que también toma valores [0, 1]. , pero ahora [0, 1] significa apagado o encendido, respectivamente. Si ahora genera el nuevo DOE con tres factores, necesitará al menos 16 ejecuciones para obtener también las interacciones. Nuevamente, en este caso, X1 va de 1 a 4 y las otras dos variables categóricas para el componente A o B estarán activadas, desactivadas o combinaciones de activadas/desactivadas, por ejemplo, X2=0 (desactivada), X3=1(activada). ). Agregar el término adicional le permite ver si hay interacciones entre el componente A y el componente B, junto con la concentración.
Estos no son necesariamente DOE óptimos, especialmente para minimizar la correlación de las interacciones, etc. Es posible que necesite tener más ejecuciones centrales, ejecutar réplicas o cambiar el diseño a lo que funcione mejor para usted.
Espero haber entendido tu problema correctamente.
¡Espero que esto ayude!,
DS
