Diseño de Cribado Definitivo para optimizaciónHola miembros de la comunidad,
Busqué sobre el diseño de detección definitivo y leí mucho sobre este tema en JMP.
He aprendido que el diseño de detección definitiva se utiliza para determinar la potencia principal efectiva, la potencia de segundo orden y las interacciones 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 incluya efectos principales + potencia de segundo orden + efectos de interacción de 2 factores es muy costoso. Por eso creo que en la primera etapa tengo que encontrar los parámetros significativos en el modelo. Entonces debo aplicar un diseño de detección definido. Después de encontrar los parámetros efectivos utilizando la plataforma de detección definitiva adecuada, construiré un modelo OLS con parámetros efectivos. Cuando encontré el modelo OLS, ¿puedo utilizar este modelo de forma segura para la optimización?
Si cree que sí, puedo usarlo para la optimización, ¿por qué el objetivo de DSD es determinar los factores efectivos? También es bueno para la optimización, ¿verdad?
Atentamente.
Diseño de experimentosRe: Diseño de cribado definitivo para optimización@ella Mi última y última contribución a este hilo se centra en su última respuesta tanto para mí como para @Mark_Bailey y tu pregunta final: "¿Si fueras yo, qué diseño elegirías?"
Mi respuesta, y solo la mía: no pretendo ser argumentativo ni difícil, pero hay demasiadas declaraciones/aportes equivocados, contradictorios o conflictivos que usted ha hecho a lo largo de este hilo, por lo que no le daré una recomendación porque no lo he hecho. No tengo idea de su situación específica ni de sus metas y objetivos experimentales.
Un ejemplo más: Usted afirma que "no existen factores de molestias ni ruidos". Siempre hay factores de ruido o molestias en cualquier investigación empírica. Puedes optar por ignorarlos o negar que existen... pero están presentes. ¿Por qué crees que una de las frases más famosas de George Box es "Bloquea lo que puedas y aleatoriza el resto"?
Re: Diseño de cribado definitivo para optimizaciónHola @P_Bartell y @Mark_Bailey ,
Necesito corregir que tengo 10 factores pero no sé exactamente que todos tienen un efecto significativo en la respuesta.
Claro, si lo supiera, estoy de acuerdo en que DSD no es adecuado para este caso.
Para decidir qué diseño es adecuado para mí, construí un estudio de caso:
Supuse que mi modelo de respuesta real es el siguiente: Y= X1+ 2*X2 + 3*X3^2 + 4*X4*X5
Primero utilicé DSD, realicé 25 experimentos y simulé la respuesta de acuerdo con la función anterior.
Luego uso la evaluación definitiva de Fit y desactivo las opciones de herencia.
Los parámetros del modelo combinado son X1, X2 y X7.
En el segundo paso, utilicé Custome Design para 10 factores con efectos principales del modelo y segundas potencias y nuevamente resimulé la respuesta de acuerdo con la función anterior. (número de ejecuciones=28)
Luego construí un modelo OLS. Predice parámetros efectivos: X1, X2, X3^2 y X10.
Según mi caso de estudio El diseño personalizado me dio resultados más cercanos. Pero todavía no estoy seguro de si me pierdo algo en DSD. Porque cuando analizamos el propósito de uso de ambos diseños, DSD parece más apropiado para las primeras etapas de los experimentos. Pero según. Según el caso de estudio, incluso en las primeras etapas, el diseño personalizado funciona bien. Si extraño stgh en DSD, me alegra aprenderlo.
(Por cierto, cuando aumenté el diseño personalizado al incluir efectos de interacción de 2 factores con 27 ejecuciones más, OLS encuentra exactamente el modelo asumido).
Si fueras yo, ¿qué diseño elegirías?
Atentamente.
Re: Diseño de cribado definitivo para optimización@ella por favor toma nota de @Mark_Bailey La respuesta. Usted afirma en una de sus respuestas que SABE que los 10 factores tienen un efecto en la respuesta. Ésta no es una situación de detección. No consideraría un diseño de detección definitivo, sino que utilizaría tácticas óptimas del DOE.
Re: Diseño de cribado definitivo para optimización¿No es efectivo cuando el número de factores activos es menor que n/2? ¿O es cuando número de factores/2?
No me importa si me equivoco o no, pero observé en mi estudio de simulación que el diseño de DSD y el ajuste de la plataforma DSD no pueden predecir todos los factores activos. Quizás 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 realizar los experimentos 
atentamente
Re: Diseño de cribado definitivo para optimizaciónSólo quiero añadir que el DSD está destinado a una situación de detección. Se basa en principios clave y comunes de detección, no de optimización. Uno de estos principios clave es ' escasez de efectos .' Los diseños pretenden ser muy económicos a cambio de la capacidad de determinar la importancia de algunos de los factores, no la optimización.
Entonces, 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 verdadero caso de detección (menos de la mitad de los 10 son finalmente significativos), es una buena elección.
Re: Diseño de cribado definitivo para optimizaciónHola estatista,
Estoy tratando de encontrar niveles de factor óptimos para alcanzar los objetivos de nuestras respuestas, que son minimizar la "potencia del sonido" y al mismo tiempo indicar "el caudal se encuentra entre un cierto rango".
Tengo 10 factores continuos, todos los cuales son controlables. Todos los factores a los que responde el efecto son estos 10 factores, no hay ruido ni factores molestos.
Como tengo conocimientos de ingeniería de que los factores probablemente tienen un efecto de curvatura en las respuestas, planeé comenzar con un modelo que tenga el efecto de potencia principal y el segundo.
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 traté de estimar modelos MCO. Lo hice 3 veces y todo el tiempo observé que al comenzar El uso de un diseño personalizado predice mejor el mismo modelo. Por eso elijo el diseño personalizado para empezar.
Atentamente
Re: Diseño de cribado definitivo para optimizaciónElla, haciendo eco @P_Bartell Tengo algunas ideas adicionales sobre sus preguntas, pero no tengo idea de cuál es su situación (y la mayoría, si no todos, los consejos dependerán de la situación). Primera pregunta: ¿Qué quieres decir con mejoramiento ? Ésta es siempre una pregunta interesante, ya que va en contra de la idea de mejora continua.
¿Su 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 un 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 que usted alude contiene estrategias para manejar el ruido (condiciones ambientales, variabilidad de la materia prima, incertidumbre de medición, etc.).
Es prematuro generalizar sobre cuál es el enfoque más eficiente o eficaz teniendo en cuenta lo que nos ha contado 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, deberías esforzarte por conseguir un modelo que sea simple y resistente al ruido (tal vez esto sea lo que mejoramiento medio).
Re: Diseño de cribado definitivo para optimizaciónGracias Bartell por tu sugerencia.
un experimento dura 3 horas. DSD ofrece números mínimos de ejecución 28 por 10 factores, lo que también es costoso. Eso significa que no tengo ninguna posibilidad de tomar una decisión equivocada.
Como dije a continuación, estoy cerca de DSD según mi búsqueda, pero mi otra opinión es que elegir d o I es un diseño personalizado óptimo con potencias principales y de segundo orden. Luego, según los resultados, puedo aumentarlo con una interacción de 2 factores.
Pero no estoy seguro de cuál es la forma más eficaz. Estoy cerca del DSD pero tengo dudas porque no lo he usado antes y no se recomienda usarlo cuando hay más de n/2 factores activos y no sé si hay más de n/2 factores activos o no.
Atentamente.
Re: Diseño de cribado definitivo para optimizaciónNo hay forma de responder a su pregunta sobre "seguridad" 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 optimización pueden tener muchos caminos diferentes hacia la resolución final del problema. En general, me gusta su forma de pensar sobre comenzar con un diseño de proyección 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 aquí su experimento DSD, con una explicación del problema y el sistema, los datos, su análisis y sus conclusiones... y algunos de nosotros podremos ofrecer nuestras opiniones.
