Come selezionare il miglior designCarissimi,
Vorremmo fare esperimenti con 5 fattori continui. Il nostro sistema è una reazione chimica. Sappiamo che ci sono interazioni tra i fattori ma non sappiamo fino a che punto. Vorremmo massimizzare la quantità di prodotto.
Ci sono molti possibili DOE. penso a
-design composito centrale,
-OPPURE prima parte di esso (per effetti principali e punti centrali) e poi aumentare il disegno,
-OR DSD e quindi aumentare il design
-OR design personalizzato con ordine 2d e interazioni quadratiche
-OPPURE progettare su misura e selezionare RSM.
Come posso selezionare il design migliore per noi? Quale argomento mi aiuterebbe a scegliere?
Grazie
DAIRi: Come selezionare il miglior designNon vuoi abbassare il rumore di per sé, vuoi che il rumore sia rappresentativo del rumore reale/effettivo nel processo. Naturalmente, man mano che il rumore diventa più rappresentativo, può influire negativamente sulla precisione del rilevamento degli effetti dei fattori. Questo è quando hai bisogno di una strategia di rumore (ad esempio, blocchi, grafici divisi) per partizionare il rumore.
“Sfortunatamente, gli esperimenti futuri (prove future, produzione di domani) saranno influenzati da condizioni ambientali (temperatura, materiali, persone) diverse da quelle che influenzano questo esperimento... È solo dalla conoscenza dell'argomento, eventualmente aiutata da ulteriori esperimenti (corsivo aggiunto) per coprire una gamma più ampia di condizioni, che si può decidere, con il rischio di sbagliare, se le condizioni ambientali del futuro saranno abbastanza vicine a quelle di oggi per consentire l'uso dei risultati in mano.
Dottor Deming
"Blocca ciò che puoi, randomizza ciò che non puoi"
GEP ScatolaRi: Come selezionare il miglior designVuoi intervalli aggressivi per i fattori che forniranno un grande cambiamento nella risposta. Questo è un vantaggio dei fattori continui che non è possibile con i fattori categoriali. Il punto è che vuoi una potenza elevata e piccoli intervalli di confidenza. Un test riguarda la ricerca del vincitore. Un esperimento riguarda la modellazione. Il modello troverà il vincitore. Quindi un esperimento che produce sia risposte positive che negative è il tipo migliore. Il tuo modello sarà più realistico.
Ri: Come selezionare il miglior designGrazie Marco.
In effetti, so che tutti questi fattori sono importanti. Tuttavia, non so come interagiscono nel loro intervallo di valori.
Inoltre, per un fattore, non conosco il valore minimo necessario per ottenere una quantità significativa di prodotto. Pertanto, l'intervallo selezionato potrebbe essere troppo ampio: forse il valore più basso selezionato darà una risposta bassa, qualunque siano i valori degli altri fattori.
Nell'approccio che suggerisci, capisco che l'obiettivo sia quello di abbassare il costo degli esperimenti. Tuttavia, non vogliamo perdere alcun effetto. Pertanto, sceglierei di mantenere tutte le corse. Con 3 punti centrali (richiesti da un partner), considerando i termini di secondo ordine e quadratici si ottengono 28 punti; RSM fornisce 27 esecuzioni e un profilo di varianza della previsione inferiore. Pertanto, RSM sembra essere il migliore.
Ri: Come selezionare il miglior designCiao Statman, penso che i punti 1 e 2 siano ok. Abbiamo fatto dei pre-test per quanto riguarda il sistema di misura, e abbiamo preparato i test in modo da ridurre il più possibile il rumore. Grazie mille per gli altri tuoi suggerimenti.
Ri: Come selezionare il miglior designCi sono una serie di considerazioni quando si sceglie un design. Nessuno sa quale funzionerà effettivamente meglio finché non avrai eseguito l'esperimento. Il mio consiglio è di creare più progetti, elencare i pro e i contro di ciascuno, cosa si potrebbe apprendere da ciascuno (cosa è separato, cosa è confuso e cosa è ristretto) e soppesare la possibile conoscenza acquisita rispetto alle risorse richieste.
Una cosa che non vedo essere affrontata è il rumore. Ci sono un paio di domande:
1. Quanto sei sicuro del sistema di misurazione? Le corse ripetute possono aiutare a valutare questo nel contesto dell'esperimento.
2. Quali sono le tue strategie per massimizzare la probabilità che l'esperimento rappresenti condizioni future? Ad esempio, le sostanze chimiche utilizzate nella reazione chimica provengono probabilmente da processi continui distribuiti in lotti. Quanta variazione c'è all'interno del batch e tra i batch? Le condizioni ambientali hanno un effetto? Sei preoccupato per l'impostazione del processo?
Prendi in considerazione blocchi o grafici divisi per gestire la precisione dell'esperimento senza compromettere lo spazio di inferenza.
3. Suggerisco di creare a ordine di classifica previsto degli effetti del modello fino al fattoriale di 2° ordine e al polinomio di 2° ordine. Questo aiuterà a decidere la risoluzione di cui hai bisogno e se consideri significativo l'allontanamento da un modello lineare e quindi devi aggiungere livelli per stimarlo.
4. Infine, prevedere ogni possibile esito e anticipa cosa farai con le informazioni ottenute da ciascun risultato. Ad esempio, se esegui l'esperimento e crei una quantità praticamente significativa di variazione, ma nessuna di esse è assegnabile agli effetti dei fattori, cosa farai? Se il fattore A è significativo e il livello + è migliore, cosa farai? Se il fattore A è significativo e - il livello è migliore, cosa farai? Se il fattore A è insignificante, cosa farai? eccetera.
Ri: Come selezionare il miglior designScommetto che tutti e 5 i fattori sono importanti e lo sai già dalla precedente conoscenza della reazione chimica. In tal caso, non inizierei con un esperimento di screening perché è probabile che i principi chiave dello screening non siano validi. Tuttavia, vi è incertezza sugli effetti dei fattori, pertanto è possibile utilizzare l'attributo Estimability dei termini del modello per specificare tale incertezza.
Probabilmente dipenderà dal tuo budget di corse. Quindi creerei un design personalizzato per i 5 fattori. (Ci sono fattori difficili da modificare?) Farei clic sul pulsante RSM nella sezione Modello. Inserirà i termini nel modello per tutte le possibili interazioni e non linearità di secondo ordine. (Questa azione cambierà anche il criterio in I-ottimale.) Ora ispeziona ogni termine nel modello. Chiediti se sai che questo termine è necessario, sai che non è necessario o pensi che potrebbe essere necessario. Rimuovi qualsiasi termine che ritieni non sia necessario. Lascia stare tutti i termini che sai essere necessari. Modificare la stimabilità dei termini rimanenti in Se possibile. Questo processo comporterà due modifiche. Il numero minimo di corse diminuirà: questo numero è uguale al numero di parametri che devono essere stimati. Inoltre, il design sarà I-ottimale per tutti i possibili modelli. Ora aumenta il numero di corse nel modo seguente. Aggiungi 3-4 esecuzioni per ogni termine Se possibile che potrebbe essere significativo. Diciamo che ho 10 termini per le interazioni che potrebbero essere possibili, non so quali saranno attivi, ma penso che 2 di loro saranno attivi. Aggiungi 6-8 corse al minimo.
Questo ragionamento e questo approccio hanno senso?
