¿Cómo encuentro el mejor diseño para más de 20 factores?Hola a todos,
Soy muy nuevo en todo el DoE, así que perdónenme si la pregunta es muy ingenua. Estoy tratando de encontrar el mejor tipo de modelo para aplicar a mi experimento. Tengo más de 20 factores para combinar y mi objetivo es encontrar la mejor combinación de ellos recopilando cuatro puntos de tiempo.
En realidad, necesito encontrar la mejor combinación con el menor número de factores.
Intentaré explicar esto mejor. Tal como se desarrolla este experimento, puedo esperar que cada uno de estos factores tenga un cierto impacto positivo en la muestra. Entonces esto me daría una mejor combinación final que probablemente contenga los más de 20 factores. Y esto es lo que estoy tratando de evitar, necesito la mejor respuesta con el menor número de factores.
Desde ya muchas gracias a quien pueda ayudar
Saludos
ilaria
Modelado estadístico avanzadoOrganización de contenidosCombinación y limpieza de datosDiseño de experimentosIngeniería de Calidad y ProcesosRe: ¿Cómo encuentro el mejor diseño para más de 20 factores?Además de los comentarios de @statman y @ian_jmp Dado que usted afirma que es "nuevo en el DOE", le recomiendo encarecidamente que busque un recurso personal que pueda actuar como guía a lo largo de este estudio y que tenga un conocimiento rico y profundo del DOE. En primer lugar, se enfrenta a un problema práctico. Lanzarse directamente al DOE por su cuenta PUEDE no ser el enfoque óptimo debido a su falta de conocimiento del proceso del DOE y, potencialmente, del sistema en cuestión. Una guía inteligente puede ayudar al plantear un sinfín de preguntas que, en última instancia, pueden conducir a una investigación centrada en el DOE. Sugiero empezar por ahí. Un foro de discusión como la Comunidad de usuarios de JMP no pretende realmente proporcionar este nivel mucho más profundo de colaboración. ¿Quizás alguien de su empresa esté dispuesto a ayudar?
Re: ¿Cómo encuentro el mejor diseño para más de 20 factores?Mis pensamientos:
Tenga en cuenta que los consejos sobre qué "herramienta" o diseño seleccionar dependen de varios factores y de la situación particular. Me parece que lo que quieres es una prueba, no un experimento. Se utiliza una prueba para "elegir un ganador". Se utiliza un experimento para comprender la estructura causal. Si realmente desea comprender lo que está sucediendo y encontrar los factores que tienen el mayor impacto (y son más útiles para la predicción), esto generalmente requiere varias iteraciones. Comience siempre con hipótesis sobre cómo y por qué cada factor contribuye a la variación en las respuestas. En general, cuando trato con >15 factores, me prefiero a un plan de muestreo dirigido (componente del estudio de variación) para comparar grupos de x (componentes como dentro de la muestra, muestra a muestra, etc.) y evaluar el componente de medición. El muestreo es una forma eficaz de obtener información sobre un proceso con muchas variables. Seleccione factores del grupo que muestre la mayor influencia del estudio CoV para los experimentos de detección iniciales. En última instancia, desarrollar un modelo (el desarrollo del modelo se puede realizar de varias maneras, pero nuevamente estoy predispuesto al enfoque de la serie de Taylor). Los principios de escasez, jerarquía y herencia son guías útiles a medida que itera.
Re: ¿Cómo encuentro el mejor diseño para más de 20 factores?Estoy seguro de que la gente necesitará algunos detalles más para poder ofrecer alguna orientación. Si recién está comenzando con este tema, le recomiendo encarecidamente que consulte nuestro 'Pensamiento estadístico para la resolución de problemas industriales'. curso por Internet (por el cual no hay ningún cargo y para el cual no necesita que JMP esté instalado localmente).
Incluso en esta etapa inicial, probablemente valga la pena decir que una de las reglas de oro del DoE es que "si quieres conocer el efecto de un factor, debes variar ese factor". Así que estoy un poco preocupado por tu "Y esto es lo que estoy tratando de evitar...". comentario (pero es posible que lo haya entendido mal).
