Tengo una pregunta sobre un diseño de mezcla en el que estoy trabajando. El experimento en cuestión analiza el efecto de mezclar diferentes tipos de fluidos en la compatibilidad de materiales.
factores
Tasa de tratamiento Fluid_1 - la fracción de fluido A - 0-100
Tasa de tratamiento Fluid_2 - la fracción de fluido B - 0-100
Tipo Fluid_1 - categórico, dos niveles
Tipo Fluid_2 - categórico, dos niveles
Respuesta
hinchamiento - continuo
Una complicación en la etapa de diseño es que el tipo de fluido A utilizado no puede tener un efecto en la respuesta cuando la tasa de tratamiento de Fluid_A es 0, lo mismo ocurre con Fluid_B a una tasa de tratamiento de 0. Por lo tanto, configuré el diseño para excluir el tipo Fluid_A y Fluid_B a menos que se cruzara con el factor de tasa de tratamiento relevante. Esto es razonable siempre que la opción de centrar polinomios no esté marcada al ajustar el modelo. También quería poner algunas restricciones para que, por ejemplo, solo se usara un tipo de Fluid_A a una tasa de tratamiento de Fluid_A de <10. Las dos ejecuciones en la tabla a continuación son esencialmente repeticiones, pero JMP no las tratará como tales, incluidas las restricciones que evitan esto.
fluido_1_tratamiento | fluido_1 | fluido_2 |
0 | A | A |
0 | B | A |
Tales restricciones no están permitidas en un diseño de mezcla, sin embargo, dado que esta es solo una mezcla de dos componentes con A que siempre depende de BI, optó por excluir la tasa de tratamiento de Fluid_2 y simplemente usar la tasa de tratamiento de Fluid_1 como el único factor continuo. Por lo tanto termino con un diseño para el siguiente modelo.
fluido_1_tratamiento
Fluido_1_tratamiento x Fluido_1
Fluido_1_tratamiento x Fluido_1_tratamiento
Fluido_1_tratar x Fluido_2
Fluido_1_tratar x Fluido_1_tratar x Fluido_1
Al ajustar esto, puedo producir un buen modelo, sin embargo, tiene el tipo Fluid_1 que afecta la respuesta a una tasa de tratamiento de 0 (consulte el generador de perfiles de predicción 1), lo cual no es físicamente posible. Además, la tasa de tratamiento en la que no hay efecto del tipo Fluid_1 es del 50 % (consulte el generador de perfiles de predicción 2), lo que parece un número demasiado redondo para ser un resultado real.
Ajustarlo como una mezcla da como resultado un modelo más sensato,
Fluid_1_treat (mezcla)
Fluido_1_tratamiento x Fluido_1
Fluido_1_tratamiento x Fluido_2_tratamiento
Fluido_1_tratar x Fluido_2
Fluid_2_treat (mezcla)
Fluido_1_tratar x Fluido_2_tratar x Fluido_1
Sin embargo, hay algunos coeficientes de correlación bastante altos cuando se incluye el efecto del modelo final (Fluid_1_treat x Fluid_2_treat x Fluid_1). Es necesario aumentar el diseño para resolver esto. ¿Esto se debe a que al tener los dos factores de mezcla en el modelo tengo efectivamente un efecto adicional para ajustar, a pesar de que depende linealmente del otro factor de mezcla?
Obviamente, la solución simple es hacer las ejecuciones adicionales para el diseño de la mezcla, pero ¿alguien puede ayudarme a comprender los problemas con el primer modelo?
