Ajustar un modelo de superficie de respuesta con cuatro factores (un factor es un factor de molestia)Diseñé un DoE para estudiar la influencia de factores en un proceso de filtración. Primero, diseñé un DoE factorial fraccional para investigar 4 factores en dos niveles (bajo y alto) y también incluye dos puntos centrales. En la evaluación, encuentro que uno de los cuatro factores no tiene influencia en las respuestas y no se considera en otros diseños del DoE. Luego, el diseño se aumenta para incluir puntos de estrella con los tres factores restantes. Luego se observa que hay un factor de molestia que no se controló en el DoE factorial fraccional y tampoco se controló en el diseño aumentado. Se espera que tenga un impacto en una o más respuestas. Sin embargo, este factor de molestia depende de uno de los tres factores (desde una perspectiva de cálculo). Los valores del factor de molestia se calcularon para ambos diseños experimentales y se incluyeron en la tabla de datos del JMP para su evaluación. Ahora, el diseño contiene cuatro factores.
Como no hay "niveles" para el factor de molestia per se, ¿es válido ajustar un modelo de superficie de respuesta a los datos? ¿O sería apropiado un modelo / enfoque diferente en este caso?
AnalíticaGAMARe: ajuste de un modelo de superficie de respuesta con cuatro factores (un factor es un factor de molestia)Cada situación requiere una comprensión profunda de los mecanismos en funcionamiento. Lamentablemente, no brindas lo suficiente para brindar una guía específica, pero compartiré mis pensamientos. ¿Cómo descubrió el factor ruido y su efecto en las respuestas? ¿Se puede medir la variable de ruido? Si es así, podría considerar tratarlo como una covariable. ¿Qué tan cerca está de los resultados "óptimos" o deseados? ¿Qué es la variable de ruido? ¿Tiene algo que ver con las materias primas? ¿Puede trabajar con el proveedor de las materias primas para reducir la variabilidad? ¿Ha estudiado el proceso de consistencia / estabilidad a través de muestreo dirigido? No estoy seguro de a qué te refieres con " Sin embargo, este factor de molestia depende de uno de los tres factores (desde una perspectiva de cálculo) ". Si sus factores de diseño interactúan con la variable de ruido, eso es un problema. Es una indicación de que su proceso no es sólido. Tendrá que buscar cómo hacerse robusto a la variable de ruido. Esto podría incluir encontrar niveles para los factores de diseño o encontrar otro factor de diseño que minimice el efecto del factor de ruido. También podría requerir un rediseño del proceso. Por supuesto, la buena noticia es que ha identificado el factor de ruido y, por lo tanto, puede replicar sus experimentos sobre ese factor de ruido cambiante para estimar la robustez. ¿Hubo alguna evidencia de curvatura desde los puntos centrales? Si no es así, ¿por qué agrega puntos estrella para estimar efectos no lineales?
Re: ajuste de un modelo de superficie de respuesta con cuatro factores (un factor es un factor de molestia)Aquí proporcionaré más detalles sobre el diseño experimental.
Uno de los factores en el DoE fue la concentración de proteína (en g / L) en la solución de entrada. Se pretendía filtrar el mismo volumen de solución de entrada para cada experimento (medimos esto).Por tanto, el contenido de proteínas filtradas en cada experimento sería diferente. El contenido de proteínas se informa como filtro g / m2 y se considera el factor de molestia (quizás se requiera un término mejor).En algunos experimentos, los filtros se bloquearon y no se pudo filtrar toda la solución (probablemente debido a las altas concentraciones de proteínas). Por lo tanto, nos propusimos determinar el contenido de proteína filtrada en cada experimento y ver si esto tenía un impacto en las respuestas (lo más interesante sería el efecto sobre la desintegración del flujo).
Para responder a su pregunta sobre la curvatura, de hecho detectamos la curvatura de los puntos centrales y, por lo tanto, agregamos puntos de estrella al diseño. Además, no estamos tratando de optimizar nuestro proceso sino de establecer rangos que aseguren la robustez del proceso.
