Personalice el modelo de Superficie de respuesta seleccionando un número extraño que no sea el nivel inferior/central/superior.Hola a todos,
Ejecuté un DSD inicial y ahora intento continuar con un diseño personalizado con algún término de interacción que imita a RSM.
Establecí el rango de límite superior e inferior de cada factor, a menos que sean "factores fijos", como puede ver a continuación, y agregué algunos términos de interacción.
Luego hice el diseño sin tener puntos centrales/réplicas con I-optimalidad, lo que creó 15 tratamientos por defecto.
La mayoría de los valores generados en cada nivel de factor son los esperados. Sin embargo, veo dos niveles que no son ni el límite superior/inferior ni el valor central en el tercer factor (F3). Puede ver valores no enteros (16.05 y 14.05) a continuación.
¿Alguien sabe por qué recibo estos números? ¿Cuál es la razón teórica detrás de esto? ¿Existe alguna forma de forzarlo a convertirse en un valor entero que se encuentre en el extremo superior/inferior o en el punto central?
Diseño de experimentosRe: Personalizar el modelo de Superficie de respuesta seleccionando un número extraño que no sea el nivel inferior/central/superior.Gracias por la aclaración.
Puede utilizar una función de Prediction Profiler para un diseño de proceso sólido que no está disponible cuando se utiliza dentro de una plataforma de adaptación. Guarde el modelo como una fórmula de columna. Seleccionar Gráfico > Generador de perfiles . Asigne factores difíciles de controlar al rol Factor de ruido. El perfilador maximizará simultáneamente la conveniencia de las respuestas y minimizará la primera derivada de las respuestas.
Re: Personalizar el modelo de Superficie de respuesta seleccionando un número extraño que no sea el nivel inferior/central/superior.@Mark_Bailey
Creo que no aclaré por qué quería mantener a esos dos en los modelos.
Son insensibles a los cambios en la región "donde las respuestas parecen optimizarse". Por lo tanto, se pueden eliminar para optimizar las respuestas.
Sin embargo, tienen efectos significativos en las respuestas "cuando las respuestas no están optimizadas". Entonces, en términos del propósito de la construcción de modelos (también conocido como Augment Design), quiero incluir esos factores.
Estoy bastante seguro de que puedo encontrar condiciones óptimas y sólidas donde las respuestas se optimicen sin Augment Design. Sin embargo, después de discutir con expertos como ustedes, decidí dar un paso atrás y tratar de comprender mejor el modelo usando Augment Design. ¡Gracias por toda su ayuda y apoyo!
Re: Personalizar el modelo de Superficie de respuesta seleccionando un número extraño que no sea el nivel inferior/central/superior.¿Por qué mantener estos dos factores en el modelo y el nuevo diseño? También puede eliminar factores cuando aumenta si la evaluación los encuentra entre los "muchos triviales", no entre los "pocos vitales".
Algunas características distintivas del DOE son la eficiencia, la economía y el aprendizaje rápido. El resultado es un modelo que, con suerte, disfrutará de una vida larga y productiva a su servicio. Es una inversión que vale la pena. @statman ha profesado la necesidad y el beneficio de la iteración en el proceso de aprendizaje. Así que evalúe, aumente, optimice y verifique. Sin embargo, tiene razón en que este flujo de trabajo cotidiano tiene innumerables variaciones que dependen de la situación.
Sigue haciendo preguntas.
Re: Personalizar el modelo de Superficie de respuesta seleccionando un número extraño que no sea el nivel inferior/central/superior.Hola @statman y @Mark_Bailey
Gracias por ofrecer una filosofía perspicaz y ayuda práctica con respecto a RSM o DOE en general.
Debo decir que mi ejecución inicial de DSD produjo un modelo bastante bueno, aunque podría haber una mejora general con Augment Design. Sin embargo, estoy más interesado en explorar el "punto óptimo" donde se espera que la respuesta sea óptima que en optimizar la predicción del modelo. Entonces yo diría que hacer un mejor modelo sería secundario.
Por ejemplo, tengo 5 factores continuos. Me gustaría corregir dos factores constantes, como puede ver en la captura de pantalla de mi publicación inicial. Estos dos factores no tienen un gran impacto en las respuestas y son insensibles a los cambios por el cambio de otros factores. Y confío en este modelo de predicción creado por DSD. Por eso quería hacer Augment Design dentro de un rango algo limitado.
Leí la pestaña Aumentar diseño pero no encontré una manera de cambiar la "propiedad" de los factores (continuos, constantes, categóricos) a medida que aumentan el diseño en función del modelo creado previamente. Puedo restringir un poco estos factores continuos que no quiero que varíen usando la pestaña Definir restricciones de factores en Diseño de aumento. Sin embargo, no puedo "fijar" ese factor en un valor específico (otra palabra "constante").
¿Seguiría siendo útil Augment Design en este caso? ¿Debería utilizar un diseño personalizado que me brinde mucho más grado de libertad para corregir y cambiar los factores?
Mi propósito inicial al hacer DOE es encontrar las condiciones óptimas (condiciones en las que puedo maximizar el rendimiento) más rápido con menos ejecuciones experimentales. Como el tiempo es importante y el costo de los materiales con los que estoy tratando tampoco es barato. Creo que DSD hizo un buen trabajo al crear un modelo algo predictivo que me permite observar la región local donde las respuestas serían óptimas. Sin embargo, después de leer @Mark_Bailey y @statman comentarios, podría valer la pena mejorar el modelo primero usando Augment Design (con un rango más amplio que el óptimo), luego, ejecutar una validación adicional usando Custom Design.
Supongo que todo depende de la situación y no habría una sola respuesta para esto. Sin embargo, me gustaría escuchar más comentarios de ustedes, ya sean prácticos o filosóficos. Han pasado solo ~ 10 días desde que comencé a leer DOE y a usar JMP, por lo que agradecería cualquier comentario para este novato.
¡Gracias!
Re: Personalizar el modelo de Superficie de respuesta seleccionando un número extraño que no sea el nivel inferior/central/superior.Sólo voy a hacer algunos comentarios filosóficos para agregar a la discusión o puedes ignorarme por completo.
La idea detrás del diseño de la superficie de respuesta es mapear la respuesta en función de factores importantes (términos del modelo). Tres cosas que el experimentador debe tener en cuenta:
1. La superficie "verdadera" ya existe y no podemos cambiarla.
2. Las superficies son de dimensiones "n", aunque existe fuerte evidencia empírica que sugiere que solo un subconjunto de la superficie es necesario para ser útil (principio de escasez de efectos).
3. Puede que no sea útil o práctico mapear una superficie usando factores de diseño cuando las condiciones bajo las cuales se realizó el experimento (es decir, el espacio de inferencia en función del ruido) no se pueden repetir.
Existen muchos enfoques diferentes para mapear la superficie, pero en todos los casos, la iteración es clave para ser eficiente y eficaz en su investigación. Soy un defensor de la experimentación secuencial. Por ejemplo (demasiado simplificado): se puede comenzar con un muestreo dirigido para determinar los componentes dominantes o las fuentes de variación y evaluar los errores de medición. Experimente con los componentes dominantes para identificar factores importantes y los efectos del ruido. Mueva y/o aumente el espacio definido por los factores significativos y encuentre dónde esos factores son resistentes al ruido.
Desde un punto de vista de análisis geométrico y estadístico, cuanto más equilibrado sea el diseño, más fácil será el análisis y, con suerte, menos probable será que esté sesgado (el establecimiento de niveles puede sesgar el estudio). Por supuesto, a medida que la potencia informática ha aumentado, la necesidad de equilibrio se ha vuelto menos necesaria. Sin embargo, cuando estás mapeando la superficie, buscas tomar muestras de la superficie de manera que mitigues tus propios prejuicios sobre dónde enfocarte. Irónicamente, cuando estás a punto de estar cerca del óptimo y ahora estás ajustando los niveles de los factores en este espacio, la significancia estadística ya no es tan importante (ya ha sido establecida). Simplemente intenta probar diferentes ubicaciones en la superficie para encontrar los mejores valores de respuesta.
Un buen modelo es una aproximación, preferiblemente fácil de usar, que capture la características esenciales del fenómeno estudiado y produce procedimientos que son robusto a posibles desviaciones de los supuestos. GEP Caja
“El experimentador es como la persona que intenta mapear la profundidad del mar haciendo sondeos en un número limitado de lugares” Box, Hunter & Hunter (p. 299)
Re: Personalizar el modelo de Superficie de respuesta seleccionando un número extraño que no sea el nivel inferior/central/superior.1. No puede cambiar la configuración de los factores en Diseño personalizado. Sólo JMP puede hacer eso. Puede hacer clic en el botón Crear tabla y editar el valor en la tabla de datos resultante. Puede ver la información antes y después de editar los valores no enteros. Luego puedes usar DOE > Diagnóstico de diseño > Evaluar diseño para obtener información sobre el diseño.
2. Debes leer la documentación sobre Diseño de aumento . Puede cambiar los rangos de factores durante el aumento antes de generar nuevas ejecuciones. ¡Ten cuidado! No limite los rangos de factores porque espera la respuesta deseada en una región local. Ese cambio será menos informativo a la hora de estimar los parámetros del modelo, que es el objetivo de un experimento. Guarde la confirmación para pruebas separadas más adelante después de la predicción del modelo.
Re: Personalizar el modelo de Superficie de respuesta seleccionando un número extraño que no sea el nivel inferior/central/superior.Gracias @Ressel y @Mark_Bailey
Mi computadora portátil no me permite volver a iniciar sesión en mi cuenta original, así que estoy usando esta cuenta.
Como @Mark_Bailey Dicho esto, estos valores no enteros aparecen en cualquier lugar de los factores continuos (F2 o F3).
Tengo preguntas de seguimiento.
1. Es un alivio que mover esos números no enteros a números enteros no rompa el diseño. ¿Cómo "moverías" esos puntos? Como no romperá el diseño, puedo editar ese valor nuevamente al valor 'original (entero)' en la tabla generada. Sin embargo, esto no me mostrará cómo el cambio de este punto afecta las correlaciones entre factores (por ejemplo, mapa de colores en correlaciones). Solo me interesa ver cómo cambia el alias a medida que cambio esos valores. ¿Hay alguna forma de editar este valor en la pestaña "Diseño personalizado"?
2. Inicialmente quería continuar mi DSD con Augment Design. Augment Design parece escupir los tratamientos (o espacio de diseño "local") que no he explorado para mejorar la predicción del modelo construido con DSD. Pero no necesariamente indica el espacio de diseño óptimo que me gustaría seguir. He usado simplemente Diseño de aumento normal en la pestaña DOE, lo que me brinda no menos grado de libertad para jugar (por ejemplo, factor de fijación constante). No estoy familiarizado con ' aumento óptimo' del que hablaste y me gustaría explorar. ¿Podría indicarme los recursos adecuados (seminarios web o publicaciones) que pueda consultar, por favor?
¡Gracias por tu ayuda!
Re: Personalizar el modelo de Superficie de respuesta seleccionando un número extraño que no sea el nivel inferior/central/superior.Resulta que el método de intercambio de coordenadas a menudo alejará un punto de diseño de la coordenada esperada (por ejemplo, F3 = 15) para mejorar la optimización dadas las definiciones de los factores, los términos del modelo, el número de ejecuciones, etc. Este resultado es normal y no infrecuente. Los métodos combinatorios como el diseño factorial y DSD dan como resultado el equilibrio. Ese no es un objetivo del diseño personalizado.
Este diseño es perfectamente aceptable. Sin embargo, puede que no sea práctico. Siéntase libre de mover estos puntos nuevamente a F3 = 15 si lo desea. No romperás nada. Guarde una copia del diseño personalizado, ábrala para tener dos copias, cambie los niveles F3 a 15 y luego seleccione DOE > Diagnóstico de diseño > Comparar diseños. La optimización se reducirá ligeramente.
¿Consideró utilizar un aumento óptimo del DSD original en lugar de un nuevo diseño personalizado?
Re: Personalizar el modelo de Superficie de respuesta seleccionando un número extraño que no sea el nivel inferior/central/superior.Supongo que lo que estás viendo está relacionado con las distancias de los puntos de las estrellas en un diseño compuesto central ( https://www.itl.nist.gov/div898/handbook/pri/section3/pri3361.htm ). F2 y F3 son los únicos factores continuos y sólo para ellos se ven valores "extraños". Intenté reproducir su diseño y obtuve un resultado similar. Una vez que haya creado su tabla DoE para llenarla con respuestas, es posible cambiar estos valores, pero como no estoy familiarizado con los efectos de sus factores, no está claro si eso "destruiría" el diseño. En este punto recomiendo encarecidamente el Módulo DoE STIPS de SAS . Además, ¿no son R3 y R4 completamente redundantes?
Editar: OK, solo valores "extraños" para F3, no F2 en su captura de pantalla.
