Diseño de cribado definitivo para optimizaciónHola miembros de la comunidad:
Busqué sobre diseño de cribado definitivo y leí mucho sobre este tema en JMP.
He aprendido que el diseño de cribado definitivo se utiliza para determinar las interacciones efectivas de potencia principal, de segundo orden y de 2 factores en el modelo.
Tengo 10 parámetros y mi objetivo de correo es optimizar. En el primer paso, usar RSM o un diseño personalizado con un modelo que incluye efectos principales + potencia de segundo orden + efectos de interacciones de 2 factores es muy costoso. Por eso creo que en la primera etapa, tengo que encontrar los parámetros significativos en el modelo. Así que debería aplicar un diseño de tramado definido. Después de encontrar los parámetros efectivos mediante el uso de la plataforma de detección de ajuste definitivo, construiré un modelo OLS con parámetros efectivos. Cuando encontré el modelo OLS, ¿utilizo este modelo de forma segura para la optimización?
Si crees que sí puedo usarlo para optimización, ¿por qué el objetivo de DSD es determinar los factores efectivos, también es bueno para la optimización, verdad?
Saludos cordiales.
GAMARe: Diseño de cribado definitivo para optimizaciónNo hay forma de responder a su pregunta "segura" con algún grado de confianza antes de ver cualquier dato, utilizar su conocimiento inherente del proceso y comprender el sistema en estudio. Los problemas de tipo de optimización pueden tener muchas vías diferentes para la resolución final del problema. En general, me gusta que piense en comenzar con un diseño de pantalla definitivo. Mi sugerencia es pasar por esa fase del proceso de resolución de problemas. Haga una pausa y reflexione sobre lo que ha aprendido hasta ese momento. Deje que esas reflexiones guíen sus próximos pasos. Tal vez comparta su experimento DSD, con una explicación del problema y el sistema, los datos, su análisis y sus conclusiones aquí ... y algunos de nosotros podríamos ofrecer nuestras ideas.
Re: Diseño de cribado definitivo para optimizaciónGracias Bartell por tu sugerencia.
un experimento dura 3 horas. DSD ofrece números mínimos de ejecución 28 para 10 factores, lo que también es costoso. Eso significa que no tengo ninguna posibilidad de tomar una decisión equivocada.
Como indiqué a continuación, estoy cerca de DSD según mi búsqueda, pero mi otra opinión es que la elección de do yo diseño personalizado óptimo con potencias principales y de 2 órdenes. Luego, de acuerdo con los resultados, puedo aumentarlo con una interacción de 2 factores.
Pero no estoy seguro de cuál es la forma más efectiva. Estoy cerca de DSD pero tengo dudas porque no lo he usado antes y no se sugiere usarlo cuando hay más de n / 2 factores activos y no sé si hay más de n / 2 factores activos o no.
Saludos cordiales.
Re: Diseño de cribado definitivo para optimizaciónElla, haciendo eco @P_Bartell , Tengo algunas ideas adicionales con respecto a sus preguntas, pero no tengo idea de cuál es su situación (y la mayoría, si no todos los consejos, dependerían de la situación). Primera pregunta: ¿Qué quieres decir con mejoramiento ? Ésta es siempre una pregunta interesante, ya que es contraria a la idea de mejora continua.
¿Tu situación es multivariante? ¿Cuáles son sus variables de respuesta? ¿Describen claramente los fenómenos de interés? Es un desafío optimizar todas las Y simultáneamente. Por lo general, la mejora requiere compromiso.
Ha identificado 10 factores de diseño, ¿qué pasa con el resto de las variables (variables de ruido o molestias)? No sirve de nada "mapear la base de la montaña". Ninguna de las estrategias a las que alude contiene estrategias para manejar el ruido (condiciones ambientales, variabilidad de la materia prima, incertidumbre de la medición, etc.).
Es prematuro generalizar sobre el enfoque más eficiente o efectivo dado lo que nos ha dicho sobre su situación. Parece tener sentido (en muchas situaciones) identificar un modelo de primer orden razonable, determinar si este modelo se repite en condiciones cambiantes y luego aumentar el espacio. Tener un modelo razonable no significa que tenga que ser complejo. De hecho, debería esforzarse por conseguir un modelo que sea simple y resistente al ruido (quizás esto es lo que mejoramiento medio).
Re: Diseño de cribado definitivo para optimizaciónHola statman,
Estoy tratando de encontrar niveles de factor óptimos para alcanzar los objetivos de nuestras respuestas, que son minimizar la "potencia de sonido" mientras se indica "tasa de flujo entre algún rango".
Tengo 10 factores continuos, todos los cuales son controlables. Todos los factores al efecto responde son estos 10 factores, no hay ruido ni factores molestos.
Dado que tengo conocimientos de ingeniería de que los factores probablemente tienen un efecto de curvatura en las respuestas, planeé comenzar con el modelo que tiene el efecto de potencia principal y de segunda.
Por cierto, para seleccionar si comenzar el estudio con diseño personalizado o DSD, hice ambos tipos de diseños para 10 factores y simulé las respuestas y trato de estimar modelos OLS Lo hice 3 veces y todo el tiempo observé que al comenzar con el uso de diseño personalizado predice mejor el mismo modelo. Por eso elijo el diseño personalizado para empezar.
Saludos cordiales
Re: Diseño de cribado definitivo para optimizaciónSolo quiero agregar que el DSD está diseñado para una situación de detección. Se basa en principios clave comunes de detección, no en optimización. Uno de estos principios clave es ' escasez de efectos . Los diseños están destinados a ser muy económicos a cambio de la capacidad de determinar la importancia de algunos de los factores, no la optimización.
Por lo tanto, si espera que la mayoría de los 10 factores sean significativos, el DSD no es una buena opción. Proporciona datos insuficientes para encontrar los factores activos. Por otro lado, si este estudio es un caso de detección real (menos de la mitad de los 10 son finalmente significativos), es una buena opción.
Re: Diseño de cribado definitivo para optimización¿No es eficaz cuando el número de factores activo es menor que n / 2? ¿O es cuando número de factores / 2?
No me nudo si me equivoco o no, pero observé en mi estudio de simulación que el diseño DSD y el ajuste de la plataforma DSD no pueden predecir todos los factores activos. Puede que tenga que aumentar el número de experimentos, pero mi objetivo final es enmascarar la optimización, me sentí más seguro comenzando con el diseño personalizado.
Espero seguir sintiéndome más seguro después de que se realicen los experimentos.:)
Saludos cordiales
