DOE - modelo "inverso"Estoy pensando en hacer un diseño DOE que dé como resultado un modelo "inverso". Descripción de las entradas y salidas:
- 6 entradas que puedo controlar durante los experimentos
- 6 salidas que puedo medir durante los experimentos (pero no controlar directamente)
Pero el modelo resultante debería permitirme predecir cuál fue la entrada, midiendo las salidas, de ahí el modelo "inverso".
¿Hay algo que debo tener en cuenta al diseñar el experimento, o un diseño determinado funcionará tan bien de una manera como de la otra?
Diseño de experimentosIngeniería de Calidad y ProcesosRe: DOE - Modelo "Reverse"Hola @Knekse ,
Entiendo tu idea en teoría, pero en la práctica, esto puede ser muy difícil de hacer, ya que no tienes evidencia o certeza de que habría una único combinación de niveles de factor que dan una único salida específica (¿o tienes?).
Solo para mostrar un ejemplo con los datos de muestra Coffee Data.jmp, puede alcanzar una concentración de café óptima (aquí en 1,30) de muchas maneras diferentes con solo dos factores (Tiempo y Carga): dependiendo de si la carga es baja, medio o alto, solo tienes que ajustar el tiempo para obtener la fuerza óptima del café.
Entonces, si su única información es la salida (la fuerza del café aquí), es posible que no tenga idea de cómo obtuvo este valor específico (con qué combinación de niveles de factores).
Y dado que tiene 6 entradas y 6 salidas, la complejidad puede aumentar.
Espero que te ayude a entender mi punto de vista,
Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Óptimo 1
Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Óptimo 2
Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Óptimo 3
Re: DOE - Modelo "Reverse"Hola @Victor_G
Gracias por el aporte. En el ejemplo, está vinculando dos entradas a una salida (Tiempo y Carga a Fuerza). Yo lo que estaría haciendo, es vincular las 6 salidas, a cada una de las entradas. Para averiguar cuáles podrían haber sido las entradas individuales, de las 6 salidas. ¿Esa sería una situación algo diferente al ejemplo del café que está describiendo?
BR Knekse
Re: DOE - Modelo "Reverse"Hola @Knekse ,
Mi punto era mencionar que incluso si cree que el factor 1 está vinculado al resultado 1, el factor 2 al resultado 2, etc., es posible que haya interacciones entre sus factores, o simplemente varios factores que contribuyan a diferentes respuestas (por lo que podría obtener una solución con varios cambios posibles en los niveles de los factores), y quizás también correlaciones entre sus salidas (por lo que un cambio en una salida no es independiente de un cambio en otra salida).
Si su punto es vincular precisamente una salida a un factor, primero miraría los datos o crearía un DoE para verificar si estas hipótesis de "independencia" y ausencia de interacciones parecen aceptables y razonables en función de los datos o no.
Espero que esto sea más claro,
Re: DOE - Modelo "Reverse"Hola @Victor_G
No creo que el factor 1 esté ligado a la salida 1, sino todo lo contrario. Tengo motivos para creer que el factor 1 está vinculado a todas las salidas, y lo mismo para los demás factores.
También espero que haya interacciones entre los factores, por lo que es un muy buen punto a tener en cuenta.
Gracias por el aporte 
