¿Qué diseño es el más apropiado?Estimados,
Quiero realizar un DoE para optimizar el rendimiento de mi extracción. Tengo 7 factores continuos y 1 factor discreto. Mi idea es comenzar con un diseño de screening, elegir los factores más importantes y luego continuar con la superficie de respuesta.
¿No sé cuál es la forma más adecuada de hacer el experimento? ¿Qué tipo de diseño de cribado y qué tipo de superficie de respuesta son adecuados?
Agradeceré cualquier idea y sugerencia.
Muchas gracias
¿Qué diseño es el más apropiado?
Diseño de experimentosRe: ¿Qué diseño es el más apropiado?Un buen lugar para empezar a buscar es la biblioteca en línea de JMP de seminarios web bajo demanda. El DOE y las estrategias de diseño óptimas se analizan en numerosos seminarios web.
Re: ¿Qué diseño es el más apropiado?Aunque algunos de mis pensamientos, Pete y Mark, han proporcionado buenas sugerencias.
No hay factores de matices , pero RUIDO factores (variables que ha decidido no controlar en el futuro por cualquier motivo (costo/conveniencia/incapacidad tecnológica)). ¡Es imposible no tener ruido! Por ejemplo: variación de los productos químicos entre lotes, condiciones ambientales, errores de medición, técnica del operador, etc. No recomiendo (por mi parte) ejecutar diseños de optimización cuando no se comprende el ruido. Es una cuestión de espacio de inferencia. Si optimiza bajo un conjunto de condiciones (por ejemplo, lote de material) y esas condiciones cambian en el futuro, entonces su modelo ya no es útil. ¿Alguna vez te has preguntado por qué optimizamos constantemente y nunca llegamos allí?
“Sólo mediante el conocimiento del tema, posiblemente ayudado por experimentos adicionales, para cubrir una gama más amplia de condiciones, se puede decidir, con el riesgo de equivocarse, si las condiciones ambientales del futuro serán lo suficientemente cercanas a las mismas. como los de hoy para permitir el uso de los resultados en la mano”. -- W. Edwards Deming
"Bloquea lo que puedas, aleatoriza lo que no puedas" GEP Caja
No voy a debatir aquí si es apropiado usar DSD o cualquier diseño de optimización, pero le sugeriré que reconozca que estará iterando. Manténgalo simple y secuencial (KISS). Mi consejo es diseñar. múltiple experimentos, considere: lo que será separado, lo que será confundido y lo que será restringido. Compare esto con lo que cree saber y qué conocimiento necesita adquirir para avanzar de manera eficiente (potencial de conocimiento adquirido versus recursos gastados). Predice todos los resultados posibles y luego elige el que coincida con tu comparación de conocimientos/recursos.
Prefiero el RSM de Box, que no realiza un diseño compuesto central, sino experimentos secuenciales sumados para mapear la superficie.
Si vas a imponer restricciones, estás en el mundo de las tramas divididas.
Nadie conoce cuál es el experimento correcto ("El mejor diseño que diseñarás es el diseño que diseñes después de ejecutarlo" Ross). La selección del diseño depende de la situación y, sinceramente, no ha proporcionado suficiente información para dar ese consejo. También tenga en cuenta que, ya sea que el experimento que elija le proporcione lo que desea o no, aprenderá algo (tal vez, post mortem, podamos decirle de qué murió).
Re: ¿Qué diseño es el más apropiado?Debería leer un poco sobre el diseño D-óptimo. ¿Tiene algunos enlaces útiles que pueda ver?
Re: ¿Qué diseño es el más apropiado?Sin un conocimiento a priori de los efectos del sistema, es imposible estar "seguro" de que se mantiene la escasez de efectos. La única manera que conozco de "saber" con algún grado de certeza es mediante la experimentación misma. Es posible que esté "bien" con un DSD y un sistema desprovisto de la mayoría de los dos factores y efectos superiores. Todavía no has respondido mi pregunta sobre cómo analizar un 
diseño óptimo centrado en los efectos principales. Puede salirse con la suya con un diseño mucho más pequeño que un DSD si su enfoque es realmente detectar los efectos principales. Luego, gaste una mayor parte de su presupuesto en métodos RSM durante la experimentación posterior. El último problema son las combinaciones no permitidas... el DSD realmente te obliga a ejecutar todas las combinaciones de tratamientos prescritas. Si hay combinaciones que podrían ser peligrosas y que usted sabe que "no funcionarán" según los primeros principios... entonces un diseño D - óptimo puede acomodar combinaciones no permitidas. Sólo cosas a considerar.
Re: ¿Qué diseño es el más apropiado?@P_Bartell El principio de escasez de efectos afirma que la mayor parte de la variación en la respuesta se explica por un número relativamente pequeño de efectos. ¿Cómo estar seguro de que esto se mantiene?Solo estoy seguro de que las interacciones de tercer orden y algunas interacciones bidireccionales están inactivas en mi sistema.
No hay factores de matiz.
Estoy de acuerdo con lo que dijiste, " De hecho, creo que una forma alternativa de abordar ese problema es ejecutar su primer diseño... sea lo que sea..." es por eso que quería escuchar su opinión sobre comenzar con un DSD. Sin embargo, Tengo una restricción en la aleatorización ya que cambiar la temperatura (uno de mis factores) de los valores máximo a mínimo lleva tiempo. ¿Cómo lidiar con esto en DSD?
gracias de antemano
Re: ¿Qué diseño es el más apropiado?Un diseño de cribado definitivo es una muy buena posibilidad como mejor experimento inicial... pero no tan rápido. Estoy un poco preocupado por su falta de confianza en la escasez de efectivo dentro del sistema. El DSD confía en que esta propiedad esté presente. Hay otras preguntas que aún no has respondido. ¿Existe alguna restricción en la aleatorización que pueda hacer apropiado el bloqueo o un diseño de tipo de trama dividida? ¿Existen factores molestos que podrían ser buenos candidatos como covariables o bloqueo? Mi última pregunta es: ¿ha investigado un diseño D óptimo que se basa más en modelos que un DSD? los diseños óptimos también se pueden utilizar con fines de detección. ¿Quizás un modelo de efectos principales impulsado únicamente por D - Un diseño óptimo para identificar los efectos principales activos también podría ser un camino a seguir? Demasiadas preguntas sin respuesta... y nadie puede responder a la pregunta '¿O DSD es suficiente para la detección y optimización?' pregunta. De hecho, creo que una forma alternativa de abordar ese problema es ejecutar su primer diseño... sea lo que sea... y si los resultados son suficientes para resolver su problema práctico... entonces ¿por qué continuar con más experimentación? Supongo que hay otros problemas/cuestiones más urgentes que podrían abordarse.
Re: ¿Qué diseño es el más apropiado?Muchas gracias, @P_Bartell y @Mark_Bailey para tu retroalimentación
Es cierto que esta es mi primera experiencia con DoE, pero leí mucho, incluido el curso sugerido sobre la plataforma JMP. Como dije mi objetivo es optimizar el rendimiento de mi extracción y tengo 7 factores continuos y 1 factor discreto. Se probó la viabilidad de la experiencia en el instrumento en diferentes niveles y luego se determinó el dominio de estudio.
La conclusión de mi corto viaje es como dijiste. @Mark_Bailey utilizar un DSD. DSD también puede determinar el efecto cuadrático y puedo obtener un gráfico de superficie de respuesta y solo se necesitan 21 experiencias (incluidas las 4 ejecuciones que sugiere JMP).
Pero estoy un poco perdido con el DSD, ¿es sólo un diseño de detección y tendré que presentar un diseño de superficie de respuesta más adelante? ¿O DSD es suficiente para la detección y optimización?
En efecto No tengo idea si más de la mitad de mis factores están inactivos o no (lo cual es una condición para el DSD)
Re: ¿Qué diseño es el más apropiado?Cuando esté listo (es decir, sienta que su experiencia es cómoda), le recomiendo utilizar un Diseño de cribado definitivo para su primer experimento para mejorar el rendimiento.
Re: ¿Qué diseño es el más apropiado?Voy a suponer que sabes muy poco y que tienes poca o ninguna experiencia con el DOE. Si mi suposición es correcta, entonces haría una pausa y iría directamente a "Estadísticas para la resolución de problemas industriales" de SAS y completaría todos los módulos relacionados con el análisis de datos y DOE (y el curso completo si también es nuevo en JMP). Hay muchas, muchas preguntas que deben abordarse antes de seleccionar una ruta de diseño y análisis adecuada... En mi opinión, demasiadas para responder en un foro como este.
Aquí te dejo un enlace al curso: Estadísticas para la resolución de problemas industriales
