Muy pocos DOF Parte 2Todo,
He tenido en cuenta sus sugerencias anteriores de mi último hilo sobre muy pocos DOF. Como @statman señaló, estaba tratando de ver los efectos de los factores y las interacciones que no tenían suficiente DOF.
Desde entonces, cambié mi metodología y descubrí que primero necesito usar una matriz de detección, una L16 en mi caso, para ver qué factores e interacciones bidireccionales son significativas, y luego pasar a una matriz más pequeña para analizar interacciones y factores en más niveles (en mi caso, 3 niveles en lugar de los 2 del L16).
Mi línea de pensamiento para calcular DOF
1. Los grados de libertad son inherentes a la matriz en sí, y no al número de intentos que complete para un determinado tratamiento. Por ejemplo, si tiene una matriz L16 y completa tres ensayos por tratamiento, su DOF total es 15 y no 47.
2. DOF de A = 1, DOF de B = 1, DOF de C = 1, DOF de D = 1; DOF de AxB = 1, DOF de AxC = 1, DOF de BxC = 1, DOF de BxD = 1, DOF de AxD = 1, DOF de CxD = 1 --> DOF_total = 15, DOF_suma de todos los factores e interacciones = 10 , DOF_error = 5
Según mis cálculos, parece que debería tener al menos 5 grados de libertad adicionales para usar. Sin embargo, cuando ejecuto Ajustar modelo en mi diseño experimental y miro en Pruebas de efectos, sigo recibiendo el mensaje de error de muy pocos grados de libertad. ¿Por qué está pasando esto?
Vi la sugerencia de Pete en el último hilo para completar el curso de SAS; Agradezco la sugerencia, pero estoy un poco presionado por el tiempo y no tengo tiempo para pasar 30 horas en un curso en este momento. Sin embargo, definitivamente estudiaré este curso durante el verano.
Adjunto está mi archivo para su referencia.
¡Gracias de antemano por su ayuda!
Ingeniería de Calidad y ProcesosRe: Muy pocos DOF Parte 2Técnicamente, con 16 carreras y 4 factores, sí, deberías tener suficientes grados de libertad. A continuación mencionaste colocar las variables en ciertas columnas del L16, y ahí es donde cometiste el error. Es fundamental que los coloque en las columnas correctas para poder estimar las interacciones, y no lo hizo. Por lo tanto, la posición de la bola * la posición del inconveniente se confunde con la interacción Altura de la clavija * Ubicación del pasador. Y otras 2 interacciones también se confunden. Los gráficos lineales con diseños de Taguchi lo ayudan a saber a qué columnas puede asignar variables para obtener interacciones específicas.
¿Vio el informe llamado Detalles de singularidad en la salida de su modelo de ajuste? Te está diciendo qué se confunde con qué. Entonces, las 6 interacciones se confunden entre sí, lo que le impide estimar ninguna de ellas.
Estos nombres de variables me recuerdan muchos experimentos con catapultas que hice hace años, y utilicé métodos de Taguchi con ellos. Pero eso fue antes de que tuviera JMP para diseñar un mejor experimento y hacer gráficos asombrosos con el análisis.
Me temo que necesita recopilar más datos y asegurarse de que las columnas no estén confundidas. Una forma de hacerlo es usar un factorial completo con 4 factores y 16 corridas.
Re: Muy pocos DOF Parte 2Los diseños de Taguchi tienen su lugar. Son una aplicación o método especial del DOE. Funcionan mejor cuando las interacciones son nulas. No están destinados a admitir el modelado. Fueron ideados para una situación en la que 'elegir al ganador' es de suma importancia y la persona que elige necesita el criterio más simple.
Si su situación se ajusta al caso de un experimento de detección (consulte los principios clave a continuación), entonces podría considerar un diseño de detección definitivo en lugar del L16.
- Escasez de efectos: hay muchos factores y muchos efectos potenciales de esos factores (lineal, no lineal, interacción) pero solo unos pocos están activos
- Jerarquía de efectos: la magnitud o contribución de los efectos decrece con el orden del término. Los términos de primer orden contribuyen más, los términos de segundo orden contribuyen menos, y así sucesivamente. Los términos de orden tres y superiores generalmente no existen o son insignificantes y se ignoran. Este es un principio, no una ley, pero a menudo se cumple.
- Herencia de los efectos: La interacción y los efectos no lineales generalmente involucran a los factores con importantes efectos de primer orden. Este principio se usa a menudo para guiar tanto el diseño del experimento como el análisis de los datos. Este es un principio, no una ley, pero a menudo se cumple.
- Proyección: el principio de escasez de efectos significa que el diseño de todos los factores sospechosos es mucho mayor de lo que se necesita para recopilar datos sobre los efectos activos de los factores activos. El proceso de selección del modelo generalmente reducirá el modelo completo del diseño a algo mucho más pequeño, pero el diseño no cambió, por lo que ahora hay muchos datos, tanto en la cantidad de ejecuciones como en la cantidad de tratamientos. La matriz de diseño se 'proyecta' en una matriz de modelo más pequeña.
Estos principios están en el corazón de todos los métodos de diseño y análisis de un experimento para evaluar los factores.
Re: Muy pocos DOF Parte 2Lo siento mucho, no estoy seguro de qué decir. Creo que necesitas una comprensión fundamental de la experimentación. Hay algunas herramientas en línea y seminarios web de JMP que pueden ser beneficiosos. Por favor, no tomes esto como una muestra de falta de respeto. Estoy seguro de que está mucho más versado en su campo.
Puede ignorar el siguiente comentario.
De ninguna manera quiero menospreciar ninguna metodología y me inspiró particularmente el Dr. Taguchi y aprendí mucho de él. Diré las matrices L y la subsiguiente "necesidad" de gráficos de interacción para determinar el aliasing... bueno, digamos que hay otras formas de crear diseños y subsiguientes aliasing. Dicho esto, dos de las lecciones más importantes que me enseñó Taguchi fueron: 1. considerar diligentemente las variables de respuesta y 2. concentrarse en comprender y volverse robusto al ruido.
Le envié una tabla de datos que es un diseño de resolución completa para sus 4 factores en el mismo número de tratamientos que el L16. No hay aliasing de ningún efecto. Sin embargo, tampoco existe una estrategia para comprender el ruido o la robustez de su modelo.
Re: Muy pocos DOF Parte 2Hola @statman .
Elegí el L16 como matriz de detección, con la intención de ver qué factores e interacciones principales son significativos y probar esos factores e interacciones en otro diseño con todos los niveles (3 en el nuevo diseño, en lugar de dos niveles en el L16).
Veo lo que quiere decir en términos de que el patrón no alterna en la última columna.
La razón por la que se eligió este diseño fue para evitar confundir los factores principales con las interacciones, según esta tabla de interacciones, dejando algunas columnas "en blanco": https://support.minitab.com/en-us/minitab/18/help-and-how-to/modeling-statistics/doe/supporting-topics/taguchi-designs/interactions-and-interaction-tables/
Tengo entendido que debe dejar columnas específicas en blanco para evitar confundir los factores principales con interacciones bidireccionales. ¿Esto esta mal? ¿Debería haber copiado las primeras cuatro columnas y dejado el resto en blanco? Si es así, ¿cómo puede garantizar que no habrá confusión en este caso?
¿Es esto lo que está alterando mis pruebas de efecto/modelo de ajuste para que solo pueda ver los efectos de los factores principales?
¡Gracias!
Re: Muy pocos DOF Parte 2Tengo que admitir que soy parcial. No estoy seguro de por qué está ejecutando un L16. Tienes 4 factores en 2 niveles en 16 tratamientos... eso es un factorial completo (2^4). Con ese diseño, los efectos del modelo que puede estimar son:
A+B+C+D+AB+AC+AD+BC+BD+CD+ABC+ABD+ACD+BCD+ABCD
Ahora, muchos sugerirían que agrupe los términos de orden superior para estimar el MSE.
Si desea obtener lo que algunos llamarían estimaciones imparciales de los errores aleatorios en su espacio de diseño, deberá ejecutar réplicas.
Con respecto a su diseño, hay un problema con él. Mire la columna del patrón y la última columna está alternando -, + pero su columna D no. No estoy seguro de cómo creó esto, pero no ejecute este diseño. Adjunto un diseño corregido.
