Diseño DOE para estudiar específicamente la varianza (o desarrollo estándar)Querida comunidad JMP,
Con la esperanza de escuchar algunas ideas sobre un diseño del DOE destinado a examinar las desviaciones estándar de un método de prueba.
Mis colegas tienen una prueba que realizan en un producto que fabricamos y quieren ver si pueden cambiar partes de la metodología de prueba para reducir las desviaciones estándar. No conozco una plataforma DOE específica en JMP que esté diseñada para hacer esto, por lo que terminamos usando la plataforma personalizada.
Después de algunas discusiones, nos decidimos por cuatro factores que podrían cambiarse: X1 - factor continuo (-1,1), X2 - factor continuo (-1,1), X3 - categórico de 2 niveles (L1, L2) y X4: categórico de 6 niveles (L1-L6). Estábamos realmente interesados en cada uno de los cuatro efectos principales y sus interacciones de primer orden: X1, X2, X3, X4, X1*X2, X1*X3, X1*X4, X2*X3, X2*X4 y X3*X4. (10 efectos en total). Elegimos 36 como número total de carreras. Pero, para obtener una estimación de la desviación estándar en cada configuración, replicamos el DOE un total de 4 veces, para un total de 144 pruebas. Eso era todo lo que podíamos permitirnos.
Por supuesto, podemos ejecutar la evaluación del DOE en las 144 pruebas para estimar la respuesta media (y el ruido de la experimentación) con los factores del modelo, lo cual hicimos. Pero lo que realmente queremos observar es si un entorno de tratamiento cambió o no la desviación estándar del método de prueba. La forma en que hicimos esto fue calcular una desviación estándar de las ejecuciones replicadas (ahora de nuevo a 36 puntos de datos) y ejecutar esos resultados a través del modelo.
Para mí, todo esto parece una forma razonable de realizar un DOE donde el objetivo es evaluar cambios en las desviaciones estándar y no en las medias. Sin embargo, si existe un enfoque mejor (tal vez por experiencia), o un DOE diseñado específicamente para hacer esto, estaremos encantados de conocerlo y tal vez adoptarlo en los próximos intentos.
Se agradecen mucho los pensamientos y comentarios.
¡Gracias!,
DS
PD En caso de que esté interesado, después de evaluar todas las mediciones individuales y las desviaciones estándar de las réplicas, encontramos que el factor X4 tuvo el mayor impacto en las desviaciones estándar. Desafortunadamente, cuando más tarde realizamos algunas ejecuciones de verificación, ahora solo comparamos 32 ejecuciones (en total) en dos de los niveles en X4, los resultados no respaldaron el DOE original y no pudimos ver la mejora en la desviación estándar que esperábamos ( Lo bueno es que ¡no fue peor!).
Ingeniería de Calidad y ProcesosRe: Diseño DOE para estudiar específicamente la varianza (o desarrollo estándar)Hola @statman ,
Gracias de nuevo por continuar la conversación sobre esto. Desafortunadamente, no tengo la libertad de discutir el tipo exacto de prueba que estamos realizando o cuál es el material que estamos probando. Pero sí, exactamente la misma muestra no se puede analizar dos veces. Cada prueba consume material, lo que complica un poco el análisis.
El análisis que usted describe es esencialmente lo que hicieron, incluso con el PDF adjunto. No analizaron como réplicas, solo usaron esa característica en JMP para crear la tabla de datos para que la siguieran los técnicos del laboratorio. Se decidieron por esos factores (entre otros) porque eran fáciles de cambiar y, según estudios anteriores, habían demostrado que afectaban la media. Básicamente, la Opción 1 es la única opción que tenemos debido a las características específicas de nuestro caso, y esto es cierto para muchas otras pruebas que realizamos para caracterizar nuestro material.
Desafortunadamente, debido a las limitaciones relacionadas con los estándares y las pruebas de la industria, también hay algunas cosas que no podemos cambiar, lo que podría tener un mayor impacto en nuestros resultados que los factores. Simplemente no podemos cambiarlos debido a los requisitos del cliente o a lo que se considera aceptable en la industria. En muchos sentidos, es como intentar hacer algo que requiere ambas manos, cuando una está atada a la espalda.
Nosotros también tenemos analizadores PSD, algunos 2D y otros 3D, pero hasta ahora, todo lo que podemos concretar es que los factores que se han examinado definitivamente modifican la respuesta media que estamos probando, pero no tienen mucho impacto en la variación en el método de prueba. Sería genial si hubiera un tipo específico de estructura DOE que estuviera específicamente orientada a probar la variación. ¿Quizás este sea el próximo avance en las EOD?
¡Gracias de nuevo por el aporte/comentarios!
DS
Re: Diseño DOE para estudiar específicamente la varianza (o desarrollo estándar)Bien, gracias por la información adicional que has proporcionado sobre la situación. ¿Todavía no sé qué características/propiedades de los polvos estás intentando cuantificar?
Si entiendo correctamente esta medición es alterativa o destructiva (una muestra idéntica no se puede medir dos veces). Dado que este es el caso, es imposible separar la repetibilidad de la medición de la variación entre muestras. En estos casos, existen algunas opciones para "sesgar" el efecto hacia el componente de medición. He adjuntado mis notas sobre cómo manejar esto.
No debe analizar las repeticiones (que están anidadas dentro del tratamiento) como réplicas. Puede observar esos 4 puntos de datos en un gráfico de control de rango y luego resumir esos 4 puntos de datos para cada tratamiento (media y desviación estándar, por ejemplo), si corresponde. El modelo que más le interesa es el de la variable de respuesta de std dev. (o estadística resumida equivalente)
Réplicas: las combinaciones de tratamientos cambian entre cada "punto de datos" (generalmente los llamamos unidades experimentales... se consideran independientes y pueden tratarse como tales).
Repeticiones: las combinaciones de tratamientos NO cambian entre "puntos de datos". Estos no deben considerarse eventos independientes (por lo tanto, no grados de libertad crecientes) y esta variación está anidada en el tratamiento.
Sólo mi propio comentario sesgado... Cuando experimento en niveles para factores >2, sospecho de elegir la mentalidad de "ganador". Lo que quiero hacer primero es una comparación justa para ver qué factores/interacciones tienen un efecto en la variación y luego, en una iteración posterior, ajustar el nivel para los factores que son significativos.
Yo diría que cada situación tiene sus propios desafíos inherentes. Polvos no más que otros. He utilizado analizadores de tamaño de partículas para ayudar a comprender la distribución de tamaños de partículas, SEM para composición química y topografía e incluso un OJAY para nanomediciones.
Re: Diseño DOE para estudiar específicamente la varianza (o desarrollo estándar)Hola @statman ,
Gracias por tus pensamientos y comentarios. Para abordar sus comentarios/preguntas:
1. Sí, las personas que dirigían el DOE estaban interesadas en modificar diferentes factores que pensaban que eran más influyentes en el ruido de la prueba. Se sabe que cada uno de los factores probados afecta la respuesta media de las mediciones, pero queríamos ver si los factores y sus interacciones también podrían conducir a una mejora en el ruido. Pruebas anteriores han demostrado que los instrumentos y operadores involucrados no son tan ruidosos como la metodología de prueba. Uno de los grandes problemas de esta prueba es que estamos tratando con polvo de grano pequeño en cantidades muy pequeñas: menos de 1/4 de gramo. Entonces, mi conjetura es que la segregación inducida por el tamaño de las partículas tiene un papel importante. Uno de los factores probados fue la cantidad, pero no pudimos encontrar ninguna mejora en las desviaciones estándar al usar más material.
2/3. En la primera publicación mencioné que, según los 10 factores (efectos principales e interacciones), JMP recomendó 36 ejecuciones. Cada ejecución (tratamiento) se midió cuatro veces para calcular una desarrollo estándar para cada tratamiento, por lo que se realizaron un total de 144 mediciones individuales. Entonces, para abordar su inquietud, hicimos medidas repetidas de la "misma" muestra. Lo pongo entre comillas porque la muestra de prueba se consume en el proceso de la prueba. Pero el material de origen se generó para cada ejecución y las muestras de este se midieron varias veces (4) para cada tratamiento. Puede que replicar no sea el término correcto, pero es lo que hicimos en JMP para aumentar el DOE y realizar un seguimiento de cada ejecución que necesitábamos hacer.
4. X4 tiene que ver con el hecho de que estamos tratando con polvos y necesitamos mirar diferentes rangos de PSD, de ahí los muchos niveles de X4. Sabemos por pruebas anteriores que el extremo bajo y alto del PSD tiene un gran impacto en la media de la respuesta, y hubo indicios de que el desarrollo estándar podría reducirse. Los niveles adicionales se agregaron para ver si podemos usar tamaños de PSD más estrechos para reducir el ruido. Este DOE terminó dando una indicación de que es posible, pero las ejecuciones de verificación no respaldaron ese resultado. Los demás factores son todos ajustes altos/bajos, de los cuales sólo dos son realmente continuos.
Desafortunadamente, nuestro material es un polvo y los polvos no se comportan "bien" como unidades semiconductoras o elementos mecanizados, por ejemplo. Creo que la metodología es intrínsecamente ruidosa debido a esto y es lo mejor que puede llegar a ser.
Gracias de nuevo por sus pensamientos, algunos buenos puntos a considerar para mis colegas cuando quieran hacer algo similar en el futuro.
¡Gracias!,
DS
Re: Diseño DOE para estudiar específicamente la varianza (o desarrollo estándar)Éstos son algunos de mis pensamientos, aunque su descripción de la situación no es suficiente para brindar un consejo específico.
1. Para aclarar le interesa entender qué factores pueden influir en la variación del sistema de prueba (precisión). ¿Existe alguna hipótesis sobre si la precisión se ve influenciada por diferentes instrumentos u operadores? Si es así, este es reproducibilidad precisión. Si se debe sólo a la variación del instrumento, esto es repetibilidad precisión. La razón por la que esto es importante es porque desea saber cómo adquirir mediciones para utilizar las estadísticas resumidas adecuadas. ¿Hay interés en la estabilidad? ¿Qué tal la discriminación?
2. Es necesario considerar las variables de respuesta y cómo se obtendrán. ¿No sé qué estás probando? ¿No veo ninguna información sobre cuántas muestras se medirán? Debería realizar mediciones repetidas de la misma muestra para obtener errores de medición (quizás en el mismo lugar). Si incluye precisión op-to-op o simplemente repetibilidad debería ser una función de sus hipótesis.
3. Si realmente hizo réplicas, confundió la variación entre tratamientos con errores de medición. No es así como abordaría el problema. Usaría repeticiones, no réplicas, para obtener las estadísticas resumidas adecuadas. Piense en qué datos se utilizan para estimar la estadística resumida (por ejemplo, desviación estándar). ¿Qué está cambiando entre esos puntos de datos? Solo desea capturar los componentes de medición en los puntos de datos (minimizar los otros componentes dentro del subgrupo) que está utilizando para estimar la desviación estándar.
4. No sé dónde estás en el continuo del conocimiento, pero sesgaste tu estudio al factor X4 al probarlo en tantos niveles (piensa en grados de libertad). Habría comenzado con todos los factores en 2 niveles (elegir los extremos de las categorías del factor 4) y habría procedido como si fuera un diseño de detección.
