Diseño de cribado personalizado DoETengo dos preguntas muy básicas sobre el diseño de cribado personalizado del DoE.
1. Si solo quisiera saber qué efectos principales son importantes para mis respuestas y usar el diseño de cribado del efecto principal personalizado con los números de ejecución predeterminados dados por JMP, ¿cómo puedo estar seguro de si se trata del efecto principal u otro factor de confusión bidireccional? interacción que es realmente significativa? Si el análisis del modelo muestra que el factor A es significativo pero A está parcialmente correlacionado con B * C, ¿qué factor (s) debería incluirse en el diseño de optimización más adelante? Supongo que solo los efectos principales que son significativos, como el factor A, deberían investigarse más a fondo para el diseño de optimización siguiendo el diseño de cribado del efecto principal, pero faltarán B y C si B * C se correlaciona parcialmente con el factor A pero B y C no son significativos. Principales efectos del cribado DoE?
2. cuando incluyo algunos factores no controlados en el modelo, JMP ya no muestra el mapa de color para la correlación. ¿Cómo puedo evaluar el diseño con factores no controlados?
Gracias
LL
GAMARe: diseño de cribado personalizado DoE" Si solo quisiera saber qué efectos principales son importantes para mis respuestas y usar el diseño de cribado del efecto principal personalizado con los números de ejecución predeterminados dados por JMP, ¿cómo puedo estar seguro de si es el efecto principal u otra interacción bidireccional confusa que es realmente significativo? "
Ingrese los efectos principales en la lista de términos en Modelo. Asegúrese de que todas las interacciones bidireccionales estén en la lista de términos en Alias. Haga clic en el triángulo rojo en la parte superior y seleccione Criterio de optimización> Hacer un diseño óptimo de alias.
" Si el análisis del modelo muestra que el factor A es significativo pero A está parcialmente correlacionado con B * C, ¿qué factor (s) debería incluirse en el diseño de optimización más adelante? Supongo que solo los efectos principales que son significativos, como el factor A, deberían investigarse más a fondo para el diseño de optimización siguiendo el diseño de cribado del efecto principal, pero faltarán B y C si B * C se correlaciona parcialmente con el factor A pero B y C no son significativos. Principales efectos del cribado DoE? "
Si sospecha que los términos de orden superior están potencialmente activos, hay dos formas que recomiendo. Primero, agregue todos los términos potenciales en la lista Modelo. Seleccione estos términos y haga clic en Necesario en la columna Estimabilidad, luego seleccione Si es posible. Este cambio producirá dos resultados. El primer resultado es que el número mínimo de corridas disminuirá porque está determinado por el número de parámetros que deben estimarse. (Debe adivinar el número de términos realmente activos y agregar ejecuciones al mínimo para ellos). La otra forma es utilizar un diseño de tramado como el Diseño de tramado definitivo. De esta forma funcionará siempre que sea una situación de detección real en la que se mantengan los principios clave de detección. ¿Cuántos factores tienes? ¿Cuántos es probable que estén activos?
No sé la respuesta a sus segundas preguntas, fuera de mi cabeza. Quizás alguien más tenga ese conocimiento.
Re: diseño de cribado personalizado DoE@ JMP38401 , Aquí están mis pensamientos:
1. Hay tres principios en los que confiamos para los factoriales fraccionados y los diseños de pantallas:
Escasez: hay relativamente pocos efectos significativos (análogo al principio de Pareto)
Jerarquía: 1er orden> 2do orden >> 3er orden, etc.
Herencia: para que una interacción sea significativa, al menos uno de los padres debe ser significativo
Con respecto a su pregunta, mi consejo es predecir los efectos del modelo de orden de clasificación (al menos hasta el segundo orden). Sus predicciones sobre qué efectos cree que serían razonables y probablemente afectarán la selección de la resolución del diseño. Si todos sus efectos de primer orden están por encima de los efectos de segundo orden, entonces una resolución más baja parece razonable para comenzar el proceso iterativo de investigación. De hecho, este es el principio de jerarquía. Amplíe el número de factores (efectos de primer orden) confundiendo los efectos de orden superior.
2. Si sospecha efectos de interacción (≥2º orden), es posible que desee aumentar la resolución a IV +.
3. Sé que no represento la mayor parte del pensamiento sobre diseños óptimos. No soy un gran fanático de la "confusión parcial" para crear un diseño más eficiente, ya que si hay instancias que no tienen sentido en el análisis de datos, la siguiente iteración puede ser una elección difícil (por ejemplo, los diseños plegados no funcionan ).
4. No entiendo completamente su segunda pregunta. Si tiene covariables en la tabla de datos, ciertamente puede ver la correlación entre las covariables y los factores de diseño. Métodos multivariados> Multivariante proporcionará diagramas de dispersión y seleccionando las opciones (triángulo rojo) puede obtener mapas de colores. Por supuesto, si tiene muchos, puede obtener VIF haciendo clic con el botón derecho en la tabla de salida de estimaciones de parámetros y agregando> Columnas> VIF.
Re: diseño de cribado personalizado DoE¡Gracias por la rápida respuesta!
" Ingrese los efectos principales en la lista de términos en Modelo. Asegúrese de que todas las interacciones bidireccionales estén en la lista de términos en Alias. Haga clic en el triángulo rojo en la parte superior y seleccione Criterio de optimización> Hacer un diseño óptimo de alias ".
Probé esto y no vi ningún cambio en Alias Matrix en Evaluación de diseño de los modelos. ¿Me perdí algo o cómo sé que el modelo está optimizado para Alias? Perdón si entendí mal cómo funciona el "Diseño óptimo de alias" asumiendo que veré un efecto de correlación más bajo en Matriz de alias o en el mapa de color de correlación.
"(Debe adivinar el número de términos realmente activos y agregar ejecuciones al mínimo para ellos)".
Tengo 7 factores continuos con 3 de ellos HTC. También tengo 3 factores no controlados que registraré sus valores durante mis ejecuciones de DoE, por lo que en total son 10 factores. Cuando creé el diseño de cribado usando la plataforma Custom DoE, tenía 11 Número mínimo de ejecuciones (10 factores más la intersección) y 18 ejecuciones por defecto. Hay 45 interacciones bidireccionales bajo los Términos de alias. Si sospecho que 10 de esas 45 interacciones bidireccionales podrían ser términos activos, su sugerencia es agregar esas 10 interacciones bidireccionales al modelo, cambiar su Estimabilidad a Si es posible y agregar 10 ejecuciones al mínimo de 11 ejecuciones para realizar ¿Tiene 21 carreras en total o agrega las 10 carreras a las 18 carreras predeterminadas para hacer 28 carreras en total? Dado que tengo factores HTC en el modelo, el diseño de pantalla definitivo no parece funcionar.
Re: diseño de cribado personalizado DoE¡Gracias por la rápida respuesta!
"2. Si sospecha efectos de interacción (≥2º orden), es posible que desee aumentar la resolución a IV + ".
Sé cómo encontrar las resoluciones de diseño en Minitab, pero no puedo distinguir la resolución de diseño de JMP Custom Design. ¿Puede decirme cómo obtener la información de resolución de diseño en JMP?
"4. No entiendo completamente tu segunda pregunta. Si tiene covariables en la tabla de datos, ciertamente puede ver la correlación entre las covariables y los factores de diseño. Métodos multivariados> Multivariante proporcionará diagramas de dispersión y seleccionando las opciones (triángulo rojo) puede obtener mapas de colores. Por supuesto, si tiene muchos, puede obtener VIF haciendo clic con el botón derecho en la tabla de salida de estimaciones de parámetros y agregando> Columnas> VIF ".
Perdón por la confusion. Cuando no tengo ningún factor incontrolado (en la columna de rol del factor, dice incontrolado en lugar de continuo, etc.), puedo ver el mapa de color de correlación y la matriz de alias en la evaluación del diseño. Sin embargo, una vez que agrego cualquier factor no controlado, la evaluación del diseño desaparece y no puedo ver la matriz de alias, el mapa de color de correlación y el análisis de potencia, etc.
Re: diseño de cribado personalizado DoEEl diseño personalizado es muy flexible. Es posible definir un modelo de efectos principales y la matriz de alias de dos interacciones y aún así obtener correlaciones. Por ejemplo, el número de corridas puede impedir que se realice un diseño ortogonal. Piense en 3 factores en 7 carreras.
¿Puede publicar una imagen de los elementos de diseño personalizados (factores, modelo, matriz de alias, diseño y mapa de correlación)?
Re: diseño de cribado personalizado DoE
Arriba está el diseño con 10 factores (7 factores continuos con 3 de ellos HTC. 3 factores más incontrolados.
Después de que hice el diseño, no veo la plataforma de Evaluación de Diseño como normalmente veo cuando no hay factores incontrolados.
Tuve que hacer clic en Crear tabla y luego hacer clic en el cuadro de diálogo DoE para ver la Evaluación del diseño. Sin embargo, cuando verifiqué los factores, X8, X9 y X10 se volvieron "Continuos" en lugar del "Sin control" original. No estoy seguro de por qué y cómo eso impacta la Evaluación del Diseño. La última imagen a continuación muestra el mapa de color de correlación obtenido de esta manera.
Mi pregunta principal es si este diseño es un buen diseño para decir qué efecto (s) principal (s) de esos 10 factores son significativos sin preocuparme por su confusión entre sí y otras interacciones bidireccionales. Mi plan es utilizar esos efectos principales significativos de este DoE de detección para mi próximo DoE de optimización con RSM. ¡Muchas gracias!
Re: diseño de cribado personalizado DoESolo para agregar una cosa, la correlación entre X1 (HTC) y X2 (HTC) en el mapa de color es 0.033, lo que me suena demasiado grande. ¿Existe un valor sugerido para la correlación máxima para no preocuparse por el aliasing? ¡Gracias!
Re: diseño de cribado personalizado DoEToda la información de evaluación del diseño es una función de la matriz de diseño, pero las columnas para los factores no controlados están vacías.
Re: diseño de cribado personalizado DoEEs una cuestión de señal a ruido. Una señal muy grande (estimación de parámetros distintos de cero) se estimará bien incluso si hay correlación. La correlación no sesga la estimación ni el modelo. Infla el error estándar de la estimación. Considero que 0.033 es muy pequeño.
Re: diseño de cribado personalizado DoE@statman te está guiando muy bien. Mi único comentario adicional desde 'el margen' es que está pensando en términos de métodos de diseño antiguos. Los principios de diseño nunca cambian, pero los métodos continúan mejorando. El diseño personalizado es un método nuevo. Permite estrategias que eran imposibles hace apenas dos décadas. Pero con las nuevas capacidades viene la responsabilidad de aprender tanto los principios como las formas del nuevo método.
Por ejemplo, la incertidumbre en los efectos activos es un problema desde el inicio de la estadística DOE hace un siglo. Después de que aparecieran diseños factoriales fraccionarios regulares en aras de la economía en los experimentos de selección, el método dictaba la estrategia. Resultó en estimaciones confusas (estimaciones perfectamente correlacionadas).
Pon mucha atención a @statman preguntas sobre la varianza o el ruido. Estas son preguntas clave que un experimentador codicioso debe abordar para obtener la mayor cantidad de información con la mayor confianza del diseño más pequeño.
