Yo usé c factores ategoricos en un detección de DOE como 60min_at_70C o 30min_at_90C.En el próximo DOE me gustaría explorar cada factor (tiempo, temperatura) como factores continuos. Dado que el tiempo y la temperatura están relacionados con la velocidad de reacción, me gustaría limitar los tiempos en cada temperatura. Por ejemplo: 30-60 min a 70 ° C y 10-30 min a 90 ° C. ¿Existe una forma sencilla de hacer esto en JMP y mantener factores continuos?
¿Intentaste poner tus contrains inferiores y superiores en las ecuaciones lineales?
También puede ver el segundo video del profesor Peter Goos ("Experimento de maximización del rendimiento: un diseño de superficie de respuesta en una región de factor de forma irregular") en esta página .
Si aplico limitaciones de tiempo, deben ser únicas para cada temperatura de reacción. No estoy seguro de que las restricciones para todos los ensayos sean el camino correcto.
Hay varias opciones disponibles, pero dependen de las preguntas que intente responder. Antes de ofrecer mis pensamientos, hago algunas preguntas sobre las variables dependientes. ¿Indica que la velocidad de reacción es importante, pero es posible que las reacciones no se inicien en todo el "lote" simultáneamente? ¿Cuál es el producto de la reacción? ¿Le importa la "calidad" de la reacción (por ejemplo,% de concentración)? ¿Cuánto de un cambio en las variables dependientes es de interés? ¿Existen otras variables (particularmente el ruido) que puedan afectar la velocidad o la calidad de la reacción (por ejemplo, pureza de los productos químicos, condiciones ambientales)? ¿Le preocupa la variación de un lote a otro de la velocidad y la calidad de la reacción?
Parece que realizó un experimento con 1 factor, una combinación de 2 tiempos y temperaturas diferentes. Por supuesto, con este enfoque, ha confundido el tiempo y la temperatura. Ahora parece que desea separar estos factores de confusión.
Si está tratando de comprender las relaciones causales entre las dos variables independientes tiempo y temperatura y las variables dependientes, entonces la experimentación es una gran herramienta (este enfoque puede ser diferente si está tratando de "elegir un ganador" (cuál es la mejor combinación para obtenga los "mejores" resultados de variables dependientes ... ¡en el estudio actual!). Para la experimentación, debe comenzar su estudio eligiendo niveles para los factores que son audaz, pero razonable . Recuerde, no está necesariamente interesado si todas las combinaciones funcionan. Intenta crear variación y estudiar qué factores contribuyen a esa variación. Comience en negrita y concéntrese en estudiar a través de iteraciones (posiblemente agregando términos de orden superior a medida que avanza).
Si desea restringir los niveles para un factor que depende de otro, esto se puede manejar mediante el anidamiento. Puede anidar el tiempo (2 niveles diferentes) en temperatura. Por supuesto, si hace esto, pierde la capacidad de cuantificar el efecto de interacción, pero es probable que esta interacción ya sea conocida.
Otro enfoque consiste en estipular qué combinaciones de factores desea incluir. En la plataforma Diseño personalizado, puede definir restricciones de factores (lineal, no permitida). JMP puede hacer esto fácilmente por usted. Quiero tener cuidado aquí ya que hay muchas opiniones diferentes, pero en mi humilde opinión, esto frustra el propósito de la experimentación. Este enfoque es más la mentalidad de "elegir un ganador". ¿Quieres saber qué crea mejor reacciones y lo que crea peor reacciones. No solo quiere todos los "buenos" resultados. Quieres crear una variación , cuanto más cree, más fácil será detectar los efectos de los factores. ¡Está bien tener reacciones fallidas mientras se estudia cómo hacer mejores reacciones! Despotricar sobre.
En realidad, la opción que elija depende mucho de la situación y no tenemos suficiente información para brindarle consejos sobre cuál es su mejor opción.
Gracias por sus atentas respuestas. El enfoque de "Superficie de respuesta" mostrado por el Prof. Goos se adapta bien a mis necesidades. Gracias al Prof. Goos por su excelente explicación y gracias a Ian por informarme.
