Diseño personalizado del DOE con covariablesHola comunidad,
Estoy tratando de adquirir conocimientos sobre qué factores influyen en la fuerza necesaria para empujar la boquilla de un inhalador hacia un inhalador.
Tengo 8 cajas (A a H), cada una con 1 inhalador y 12 boquillas (A1 a A12, B1 a B12, etc.). Hay 3 tipos de inhaladores en estas 8 cajas (3 marrones + 3 verdes + 2 rojos), pero se supone que las 96 boquillas son idénticas.
Se desconoce si podemos esperar una variación en la fuerza de empuje según el "tipo de inhalador", la "caja de inhalador" o incluso la "caja de boquilla" o una combinación de estos.
Además, la boquilla se puede colocar en varios ángulos y el requisito para la secuencia de prueba es probar 8 ángulos diferentes.
Mi pregunta es cuál es la mejor manera de configurar un diseño personalizado en JMP para probar la posible influencia de estos factores. Nos encargan 96 tiradas, que es mucho, pero se puede ejecutar en un día. Creo que la idea original era probar el inhalador A con todas sus boquillas (A1 a A12), B con todas sus boquillas, etc., lo que equivaldría a 96 ejecuciones, pero creo que podemos hacerlo mejor con el DOE.
Lo que he hecho hasta ahora es crear una tabla de datos de todas las combinaciones posibles de inhalador y boquilla, 768 en total (ejemplo de fila: inhalador de la caja C, que es de tipo marrón, con boquilla G5, ver captura de pantalla). A partir de esta tabla, intenté crear un diseño personalizado con inhalador (A, B,..., H), caja de boquilla (A, B,..., H) y tipo de inhalador (marrón, verde, amarillo). como factores Covariables y Ángulo como factor Numérico Discreto con 8 niveles (0, 45, 90, ..., 315).
Al intentar hacer el diseño anterior con 96 ejecuciones, JMP piensa un poco y luego afirma que "Los términos seleccionados en el esquema del modelo dependen linealmente de los términos anteriores. Presione el botón Eliminar término e inténtelo nuevamente".
¿Es útil si elimino el inhalador como factor y sospecho que es en esto donde me estoy equivocando? ¿No puedo tener un diseño que modele tanto la variación de caja a caja como la variación de tipo a tipo para inhaladores? ¿Estoy en el camino equivocado y tengo que repensar por completo la configuración del DOE?
Se agradece toda ayuda, ¡gracias de antemano!
Estoy ejecutando JMP 14.2.
/Morten
Diseño de experimentosIngeniería de Calidad y ProcesosRe: Diseño personalizado del DOE con covariablesGracias de nuevo, Phil.
Estoy un poco oxidado con los factores de bloqueo. ¿Podría explicar un poco los beneficios de especificar los dos factores como factores de bloqueo en lugar de factores covariables (suponiendo que JMP pueda hacer esto)? Sólo tendría ejecuciones aleatorias "dentro" de cada bloque, ¿verdad?
/MortenRe: Diseño personalizado del DOE con covariablesGracias, @statman ¡Y muchas gracias por la respuesta detallada!
- Solo hay un límite máximo para la fuerza (no podemos revelar el valor exacto) y no mediremos ninguna otra respuesta.
- Estoy de acuerdo en que no necesitaríamos todas las combinaciones, pero como tenemos 96 ejecuciones con las que trabajar (esto ya lo deciden los superiores), creo que podemos "permitirnos" hacerlo todo de una vez, en lugar de hacerlo de forma iterativa.
- Este es un buen punto, realmente no conocemos ni esperamos una variación sistemática entre inhaladores del mismo tipo o entre boquillas. Pero es posible que veamos variaciones, ya que las cajas pueden provenir de diferentes lotes y/o herramientas; Lamentablemente no tenemos ninguna información de fabricación sobre los componentes. Por eso quiero modelar estos factores: no sé si deberían contribuir a la variación, pero tampoco estoy seguro de que no lo hagan.
En cuanto a los ángulos, la elección del 8 se debe a que existen ciertas características geométricas en la interfaz mecánica entre inhalador y boquilla. Nos vendría bien menos, pero nuevamente, dado que hay 96 carreras, creo que podemos permitirnos el lujo de completarlo. - ¿Cuál sería el beneficio de bloquear en este experimento? ¿No perderíamos algo de aleatorización? En cuanto a los tipos de inhaladores, no sabemos cuáles de los 3 tipos son extremos, por lo que queremos probar los 3 tipos.
- Me parece bien, pero mis covariables son categóricas (¿JMP parece hacer frente)?
¡Gracias de nuevo!
morten
Re: Diseño personalizado del DOE con covariablesCorrecto: le sugiero que modele el cuadro de boquilla como un efecto aleatorio cuando haya recopilado los datos de respuesta.
Realmente no se pueden especificar efectos aleatorios en el modelo en Diseño personalizado.
Podría intentar especificar la caja del inhalador y la caja de la boquilla como factores de bloqueo, lo que es esencialmente lo mismo que declararlos como factores de efecto aleatorio. Pero podría complicarse. No he intentado diseñar un experimento con más de 1 factor de bloqueo. Parece posible pero no puedo decirte más que eso. ¡Lo siento!
Re: Diseño personalizado del DOE con covariablesMuchas gracias por tu respuesta, @Phil_Kay
Entiendo lo que estás diciendo y esto confirma mis sospechas. Eliminaré uno de los factores del inhalador del diseño.
Solo para estar seguro: cuando dices que puedo/debería modelar la caja de la boquilla como un efecto aleatorio, te refieres a cuando creo un modelo sobre los valores de respuesta, ¿verdad? ¿No cuando creo el diseño del DOE?
Gracias de nuevo,
morten
Re: Diseño personalizado del DOE con covariables@mbnielsen , primero bienvenido a la comunidad. Phil ya le ha proporcionado algunas ideas. Tengo las siguientes ideas (tenga en cuenta que NO conozco la situación específica a la que se enfrenta, por lo que algunos de mis comentarios pueden ser irrelevantes):
1. Supongo que está midiendo la fuerza... ¿conoce la variabilidad, discriminación o consistencia de este sistema de medición? ¿Existe un requisito mínimo (para que no se caiga) y máximo (para que no distorsione los componentes o cree un defecto) para la fuerza? ¿Existen otras variables de respuesta de interés (por ejemplo, ¿Le importa el flujo de aire (o gas)?
2. Según tengo entendido, usted está investigando para descubrir qué factores afectan la fuerza necesaria para empujar una boquilla hacia un inhalador. Comprender la estructura causal es muy diferente a "elegir al ganador". Para comprender la causalidad, probablemente no necesite todas las combinaciones para sacar inferencias del estudio. Y probablemente la investigación será iterativa. ¿Se trata simplemente de una cuestión de interferencia dimensional o geométrica? ¿Entiendes la acumulación de interfaces?
3. ¿Tiene hipótesis asociadas a las variables del estudio? ¿Por qué habría una variación de caja a caja? ¿Qué es realmente cambiar de caja en caja? Parece que el inhalador está cambiando de caja a caja... ¿qué podría estar cambiando específicamente de inhalador a inhalador? También hay juegos de boquillas que cambian de caja a caja, ¿por qué podrían ser diferentes? Entiendo que todos están destinados a ser idénticos, pero esto, por supuesto, es imposible. ¿Cómo se fabrican las boquillas? ¿Las piezas están moldeadas por inyección, al vacío o qué? ¿Todos provienen de la misma herramienta? ¿La herramienta tiene múltiples cavidades? ¿Existe variación en el polímero (o cualquiera que sea el material) del que están hechas las boquillas (p. ej., lote a lote)? Parece haber 3 tipos diferentes de inhaladores. ¿Qué los hace diferentes? ¿Se pueden cuantificar las diferencias? Luego introduces ángulos y tienes 8 de ellos... ¿Por qué 8? ¿Qué tan representativos son estos 8 de la realidad? ¿Podría simplemente utilizar los extremos de los ángulos en un estudio inicial para obtener una estimación del tamaño del efecto y luego, si es significativo, realizar más pruebas para identificar las mejores condiciones? ¿El ruido del ángulo es (incontrolable)? Muchas de estas preguntas deben considerarse antes de decidir la estrategia adecuada de recopilación de datos. En su situación, creo que el muestreo podría ser una estrategia más apropiada.
4. Si estás convencido de que quieres experimentar, ¿qué necesitas para crear un espacio de diseño que sea razonable, representativo y eficiente?
¿Podrías salirte con la tuya con 2 ángulos establecidos en niveles en negrita, 2 inhaladores (los extremos de los 3) o podrías hacer los 3? Podrías confundir la caja con bloques (aunque en mi humilde opinión no necesitas 8 de ellos) y tratar las boquillas como repeticiones. Comience estimando los efectos lineales y luego desarrolle el modelo mediante iteración.
5. Las covariables se miden en una escala continua y normalmente son variables que se consideran ruido en una situación experimental. Al incluir la covariable en nuestros modelos de análisis, podemos tener en cuenta la variabilidad de la covariable, aumentando así la precisión de la detección de los efectos de los factores.
Re: Diseño personalizado del DOE con covariablesHola morten,
Creo que el problema aquí es, como ya habrá descubierto, que existe una dependencia entre la caja del inhalador y el tipo de inhalador. El modelo con caja de inhalador (8 niveles) y tipo de inhalador (3 niveles) no es estimable. Tengo entendido que a usted le interesa la variación en la fuerza de empuje entre cajas en lugar de conocer el efecto de la elección de la caja sobre la fuerza de empuje. En cuyo caso, en última instancia modelarías la caja del inhalador como un efecto aleatorio. De manera similar, espero que modeles la caja de la boquilla como un efecto aleatorio. Para diseñar el experimento, creo que puedes sacar del modelo el tipo inhalador o la caja del inhalador. Si desea obtener un buen equilibrio entre los tipos de inhalador, debe eliminar la casilla de inhalador.
Espero que eso ayude,
filo
