¿Cómo impacta la evaluación del modelo DoE en el modelo final después del experimento?Hola amigos,
Tengo varias preguntas sobre DoE, ¿podrías responderlas? Muchas gracias.
1) Debido a restricciones del experimento, ¿puedo ajustar manualmente el valor del punto central, por ejemplo (-1) = 10, (+1) = 12, (0) = 11? Pero (0) = 11 no es un buen punto central, ¿puedo? ¿Cambio a 10.5 en el diseño? ¿Cómo afectará este cambio al análisis de datos y al modelo final, así como a la predicción del modelo? ¿Qué pasa si uso (0) = 11,5 en el siguiente experimento mientras mantengo (-1) = 10, (+1) = 12?
2) ¿Cómo los valores en la evaluación del modelo, como el análisis de potencia, la confusión y la varianza predicha, impactan el modelo final una vez que recopilo todos los datos experimentales? Si el poder de una interacción es solo = 0,2 frente a otro poder de diseño = 0,8, ¿cuál será el resultado potencial?
Muchas gracias de nuevo.
Diseño de experimentosRe: ¿Cómo afecta la evaluación del modelo DoE al modelo final después del experimento?Aquí está mi opinión sobre sus preguntas:
No articuló el tipo específico de diseño, factorial completo/fraccional más puntos centrales, ?-óptimo, Taguchi (espero que no), o algún otro diseño, por lo que mis respuestas pueden cambiar un poco según su diseño específico... pero en general aquí va:
1) Puede colocar el 'punto central' en cualquier lugar que desee. ¿Cómo afectará el análisis? Mi suposición, y es solo una suposición, es 'no mucho'. ¿Cómo es eso de la especificidad? Perderá un poco de equilibrio en el espacio de diseño... pero eso no suele ser motivo de ruptura. El modelo final está dictado más por el diseño específico que por cualquier otra cosa... pero, en términos generales, donde se coloca un punto central no tiene un gran impacto en la estructura del modelo final y los términos estimables.
2) La potencia, la confusión y la varianza prevista se establecen antes de recopilar los datos. El acto de recopilar los datos, es decir, ejecutar el experimento, no afecta el poder, la confusión, etc.
Re: ¿Cómo afecta la evaluación del modelo DoE al modelo final después del experimento?Algunos de mis pensamientos a sus preguntas:
1. Estoy un poco confundido... si puedes hacer 10 y 12, ¿por qué no hacer 11? No está intentando "elegir un ganador", sino crear un DF para estimar la curvatura sobre el espacio de diseño. "Bueno" no tiene nada que ver con eso (¿y cómo sabes que 11 no es "bueno"?). Lo menos centrado el punto central, más sesgada la estimación (menos rotable el diseño). Por supuesto, puede estudiar cualquier parte del espacio que desee, solo tenga en cuenta que está haciendo concesiones y potencialmente sesgando los resultados. Tenga cuidado con la interpretación del análisis. ¿Por qué no hacer 10.5, 11.5 y 12.5?
2. Tampoco estoy seguro de su segunda pregunta y es posible que no encuentre útiles mis comentarios. Deberá tomar decisiones sobre el diseño del experimento en la etapa de planificación. Por ejemplo: qué efectos se separarán, cuáles se confundirán o confundirán parcialmente, cuánta cantidad de variación prácticamente significativa se necesita crear, cuál es la variación del proceso actual y qué tan estable es, cómo se manejará el ruido (por ejemplo, error de medición, variaciones de la materia prima, condiciones ambientales, etc.) y, por supuesto, el tamaño de la muestra (dejaré los criterios para esto a otros). Muchas de las preguntas que debe responder en la etapa de planificación son actualmente desconocidas y probable que sea estimado. Todo lo que puede hacer es la diligencia debida. Recomiendo encarecidamente la práctica de desarrollar múltiples planes del DOE y compararlos y contrastarlos, evaluando el potencial de ganancia de conocimiento frente a los recursos necesarios para ejecutarlos. Predice todos los resultados posibles y lo que harás en cada situación... luego ejecútalo, analízalo y compara los resultados con las predicciones.
Re: ¿Cómo afecta la evaluación del modelo DoE al modelo final después del experimento?1. Este es un diseño personalizado. La razón por la que queremos evitar el centro exacto porque este es un experimento de duración, queremos terminar el trabajo en el horario laboral de 8:00 a 5:00 p. m. Debido a que este es un experimento muy complicado, no podemos controlar el experimento a la misma hora todos los días, por eso me pregunto si podemos ajustar el punto central para que se ajuste a nuestras horas de trabajo.
2. Sabía que el análisis de potencia, la cofundación y la varianza pronosticada son anteriores a la recopilación de datos. Quiero saber cómo impacta este diseño en el modelo final. Digamos que la potencia para uno de curvatura variable en un diseño es 0.2, otro diseño es 0.8. El final encontró que esta curvatura es significativa, ¿significa esto que el segundo diseño tiene un intervalo de confianza estrecho debido a su alta potencia en el diseño, mientras que la potencia = 0,2 tiene un intervalo de confianza muy amplio? Quiero saber cómo impacta la evaluación del diseño en el análisis final de datos. Por supuesto, los datos finales no cambiarán nada para la evaluación del modelo.
Re: ¿Cómo afecta la evaluación del modelo DoE al modelo final después del experimento?Hola,
Si necesita meterse con la configuración del nivel "0", está bien. A veces, el medio entre -1 y 1 prácticamente no funciona bien.
Cambiar la ubicación del punto medio puede interferir con la predicción de varianza en el diagnóstico de diseño, pero no tanto con el análisis.
Cuando haga clic en el script "Modelo" en la tabla de diseño del DOE para ejecutar el modelo, vaya al menú del triángulo rojo superior izquierdo en el cuadro de diálogo de inicio del modelo y desactive "Polinomios centrados".
El análisis de potencia depende de suposiciones sobre las que la mayoría de las personas simplemente no tienen suficiente información para hacer estimaciones muy precisas, si está utilizando un diseño predeterminado, será un diseño bastante bueno. Para tener una mejor idea de tu poder, tienes que hacer el experimento mental duro. La mitad inferior del menú de evaluación de diseño induce una sección en la que debe adivinar cuáles serán los resultados de su experimento. Cuando actualiza, los coeficientes anticipados y el RMSE se actualizan en función de las conjeturas. Ahora, la potencia se basa en cuánto error podría haber y cuáles podrían ser sus coeficientes.
