Cómo interpretar correctamente un diseño de cribado definitivo (DSD)Estoy usando JMP 14.3 para optimizar un flujo de trabajo con 6 variables de entrada y 3 niveles (adjunto el archivo con la tabla de datos). Mi idea es usar JMP para obtener la mejor combinación de las 6 variables que me dé el mejor resultado pero realizando el menor número de experimentos.
Me parece que la mejor opción es hacer un diseño de proyección definitivo para ver los efectos principales. He definido mi tabla de factores con los valores extremos (mínimo y máximo para cada variable) y he creado la tabla de experimentos a realizar. La tabla generada propone 17 experimentos.
Durante varias semanas he realizado los 17 experimentos y he añadido los resultados (Y) en la tabla adjunta. Con estos datos he ajustado el cribado y he obtenido que 4 de las variables son estadísticamente significativas. He seleccionado en el perfilador de predicción: Optimización y Deseabilidad > Maximizar Deseabilidad, para obtener la combinación de factores más óptima.
En este punto tengo varias preguntas:
1. ¿Qué valores/niveles debo elegir para los valores no significativos? ¿Podría elegir alguno de ellos?.
2. Me gustaría crear un modelo para predecir o estimar la producción (Y) en función de los valores seleccionados de los factores. ¿Cómo podría hacer esto?. ¿Podría simular una mayor cantidad de valores?
3. ¿Podría obtener una ecuación (o fórmula del modelo)?
Muchas gracias.
Atentamente,
Wardiam
Diseño de experimentosCompartir y comunicar resultadosRe: Cómo interpretar correctamente un diseño de cribado definitivo (DSD)Creo que esta podría ser la explicación que estaba buscando, un recordatorio de que un DSD es un diseño de detección y la afirmación de que tiene poca potencia para efectos cuadráticos.Sólo necesito descubrir cómo obtener este análisis de potencia para mis DSD, ya que todo lo que veo es la potencia de los efectos principales, no las interacciones y las cuadráticas.
https://community.jmp.com/t5/Discussions/Fit-Definitive-Screening-vs-Stepwise-min-AICC-for-model/mp/608874
Re: Cómo interpretar correctamente un diseño de cribado definitivo (DSD)Al usar JMP 17.0 obtengo esto, desactivando los dos valores predeterminados de herencia.Suponiendo que los cálculos se hicieron correctamente (sin errores ni errores de codificación), debo concluir que la temperatura no hereditaria * la temperatura no fue estadísticamente significativa.Un poco sorprendido.No veo una manera de hacer que me muestre que en este cuadro de diálogo hay una pregunta más general sobre el método de análisis especial DSD que publicaré en otro lugar.Si lo agrego manualmente a través de "hacer modelo", seguro que me parece estadísticamente significativo.Misterioso y da lugar a cuestionar mi suposición de que no hay un error, un error matemático o de codificación (pero bueno, todavía no puedo hacer todos los ANOVA y esos cálculos).¿Una oportunidad para una explicación?
Re: Cómo interpretar correctamente un diseño de cribado definitivo (DSD)Muchas gracias por tus comentarios statman 
Wardiam
Re: Cómo interpretar correctamente un diseño de cribado definitivo (DSD)Algunos comentarios:
1. Primero permítame señalar que existe una diferencia entre significación estadística (que usted controla según cómo ejecuta el experimento y el modelo que utiliza) y significación práctica. Sin saber qué importancia práctica tiene un cambio en Y, el análisis será subóptimo.
2. Con respecto a los factores que se determinan como estadísticamente insignificantes, puede interpretar esto como Dados los niveles en los que probó , esos factores no tienen la influencia de los otros factores en el modelo. Si se pueden inferir o extrapolar esos hallazgos es más una cuestión de ingeniería/científica que estadística.
3. Utilice siempre Rsquare Adj como valor predeterminado. Los Rcuadrados siempre aumentarán con la adición de grados de libertad al modelo, pero el punto es determinar el RScuadrado con términos que se consideren significativos. Eso es lo que representa RSquare Adj. Si hay diferencias entre RSquare y RSquare Adj, es una indicación de un modelo sobreespecificado. Ah, y por cierto, esto no tiene nada que ver con si el modelo será útil en el futuro o en un espacio de inferencia diferente.
4. A la hora de elegir el "mejor" modelo se deben tener en cuenta una serie de consideraciones. RSquare, RMSE, Residuales, Evaluación práctica, etc.
5. Ejecutar réplicas es una técnica excelente para probar la adecuación del modelo. El uso del método de bloqueo puede resultar muy útil para explorar el efecto del "ruido" y, en algunos casos, para determinar si los efectos estimados en la primera réplica (Bloque = -1) se repiten en diferentes condiciones de ruido (Bloque = 1). Este es uno de los propósitos previstos: ver si los efectos de los factores son robustos al ruido. En mi humilde opinión, el bloqueo debe pensarse bien antes de experimentar, pero es posible que pueda recuperar información útil como intento posterior.
6. Parece que podrías haber ejecutado una Res. III factorial fraccional con factores a 2 niveles en 8 tratamientos (vs. el DSD) y obtuvo los mismos resultados. Podrías haber guardado ejecuciones y usarlas para réplicas adicionales... en retrospectiva, siempre es 20-20
Re: Cómo interpretar correctamente un diseño de cribado definitivo (DSD)Queridos Mark y statman,
Muchas gracias por sus respuestas. He revisado cuidadosamente toda la ayuda disponible en su enlace DSD y ya he entendido mejor muchas de las preguntas que tenía.
Todavía hay algunas preguntas que me gustaría discutir con usted y ver si puede aclararlas.
Después de hacer el DSD y ejecutar el modelo, solo considere 4 de los 6 factores como significativos ("activos"). Sé que los efectos de los otros dos factores no son relevantes (voltaje y temperatura) pero en mi protocolo experimental esos 2 factores tienen que serlo porque son elementos necesarios (lo que no sabía era su nivel óptimo). Siguiendo el resumen de los efectos principales, podría considerar cualquiera de los niveles introducidos para esos factores porque no afectaría la producción, ¿es correcto?
Basado en la plataforma de ajuste, obtuve un RSq = 0.94 pero cuando guardo los valores predichos en una nueva columna veo que algunos están lejos de los valores observados. ¿Cómo podría encajar mejor el modelo?. ¿Debería utilizar más carreras?
Tenía pensado hacer una réplica de las corridas propuestas en la tabla generada, en este caso ¿debería activar la opción de bloqueo en el diseño?. Si es así, ¿debería agregar un factor categórico que haga referencia a cada réplica?
Finalmente, ya he visto que al usar la plataforma de detección de ajuste definitivo obtengo una fórmula del modelo que es lo que quería y puedo agregar a la tabla una columna con los valores predichos. Eso es genial.
Muchas gracias por tu ayuda y perdóname por hacer estas preguntas de novato.
Wardiam
Re: Cómo interpretar correctamente un diseño de cribado definitivo (DSD)Mark ya te ha dado la dirección adecuada. Sólo quiero comentar tu objetivo: " Creo que mi estudio es una situación de detección ya que tengo múltiples variables para probar y busco la combinación óptima de todas esas variables para obtener el mejor resultado . Este es el principal objetivo ".
Ésta no es la intención de un diseño de detección. Para reiterar los comentarios de Mark, el propósito de un diseño de detección es determinar qué subconjunto del conjunto completo es digno de mayor investigación . Esta no es una prueba en la que se intenta "elegir al ganador", sino un experimento para proporcionar información sobre las relaciones causales entre las variables predictivas y las variables de respuesta. Casi siempre se requiere iteración. Continuar.
Re: Cómo interpretar correctamente un diseño de cribado definitivo (DSD)Uno de los principios de detección más importantes es la escasez de efectos. Significa que espera eliminar al menos la mitad de los factores mediante la detección. Los diseños de cribado son económicos gracias a este principio. No proporcionan los datos necesarios para ajustar el modelo con todos los términos.
Ya expliqué el proceso de selección y explotación del modelo. Especifique qué paso no está claro.
¿Has visto la documentación de DSD? Comienza aquí .
Re: Cómo interpretar correctamente un diseño de cribado definitivo (DSD)Querida marca,
gracias por responder. De hecho, creo que mi estudio es una situación de detección ya que tengo múltiples variables para probar y busco la combinación óptima de todas esas variables para obtener el mejor resultado . Este es el principal objetivo .
Pero al mismo tiempo estaba aprovechando mi pregunta en el foro para saber si algún análisis adicional de los mismos datos me permitiría obtener un patrón o una fórmula que pudiera predecir en el futuro si cambio los valores de las variables qué sería el resultado esperado sin realizar el experimento. Esta segunda pregunta es más curiosa y sería secundaria.
¿Usted me podría ayudar por favor?.
Gracias por su ayuda.
Wardiam
Re: Cómo interpretar correctamente un diseño de cribado definitivo (DSD)Además, no especificó si su situación es un estudio de detección. El DSD, como cualquier diseño de detección, asume los principios clave de detección.
Re: Cómo interpretar correctamente un diseño de cribado definitivo (DSD)¿Viste el comando Fit Definitive Screening en el menú DOE? Esta plataforma realiza un análisis totalmente automatizado y selecciona el mejor modelo para usted. Luego puede saltar a la plataforma Ajustar mínimos cuadrados haciendo clic en el botón Crear modelo o Ejecutar modelo. Puede utilizar Prediction Profiler para explorar la respuesta u optimizar la respuesta. Puede guardar el modelo ajustado como una nueva fórmula de columna.
¿Leíste la guía JMP > Ayuda > Documentación > Ajuste de modelos lineales?
