557856_es-ES

liliconcom

Aumento de experimentos con un DOE, efecto en futuros experimentos

Hola,

Entiendo que cuando ingresa parámetros para un espacio experimental, se crea un DOE para explorar ese espacio de manera más eficiente. Mi pregunta es sobre el efecto de los datos anteriores en el DOE.

Si sus datos anteriores ya han explorado parte del espacio de parámetros, ¿el DOE tendrá en cuenta estos datos para explorar de manera más eficiente el resto del espacio de parámetros? ¿O el DOE solo usará los datos para ajustar, pero explorará el espacio como si aún no se supiera nada?

Gracias por tu tiempo

GAMARe: Aumento de experimentos con un DOE, efecto en futuros experimentos

David,

 

No he escuchado esa canción. Mi barbero me dio mi apodo cuando describí la línea de trabajo en la que estaba. Da la casualidad de que fue en el momento en que se estrenó la película Batman...

La estabilidad y la consistencia se evalúan mejor utilizando el método de muestreo y gráfico de control. Esencialmente, configure su proceso según el modelo y ejecútelo en condiciones cambiantes (el tiempo como sustituto). Evalúe los gráficos de rango o de rango móvil para evaluar la consistencia.

Hay otros procedimientos estadísticos que puede hacer, como, por ejemplo, retener datos cuando el modelo se crea por primera vez y luego probar el modelo con los puntos de datos que se retuvieron (bosque impulsado, bosque de arranque, vecinos más cercanos y demás). Esos todavía dependen del espacio de inferencia del que se obtuvieron los datos originales, no de las condiciones futuras. También puede consultar la plataforma de evaluación de procesos, que utiliza el método de gráfico de control.

https://www.jmp.com/support/help/en/17.0/?os=mac&source=application#page/jmp/the-process-screening-report.shtml

 

Re: Aumento de experimentos con un DOE, efecto en futuros experimentos

Hola statman (me recuerda a la canción "Scatman"),

 

Gracias por su información sobre nuestras opciones de parámetros, y estoy totalmente de acuerdo en que no estamos tomando en cuenta todas las variables. Tal vez debería compartir que, como estudio preliminar de nuestro estado actual, realizamos un estudio de detección en un intento de utilizar los datos para elegir las variables más "importantes". Por supuesto, incluso nuestra prueba de detección no incluía todas las variables, y debo admitir que redujimos algunas para hacer más factible la cantidad de experimentos de prueba de detección (como dijiste, guiados por nuestras propias hipótesis).

 

¿Podría indicarme cómo evaluar la estabilidad del modelo? Esto sería realmente valioso para nosotros para entender y poder cuantificar.

 

- David

Re: Aumento de experimentos con un DOE, efecto en futuros experimentos

Tengo una visión alternativa. Suena como si creyeras que el espacio experimental es una constante y todo lo que haces es cambiar la forma en que muestras ese espacio. Tal vez eso sería bueno, pero desafortunadamente totalmente irreal. ¿Qué porcentaje de experimentos industriales se repiten realmente? Si ejecutara la misma estructura de diseño nuevamente (con condiciones de ruido cambiantes), ¿obtendría los mismos resultados? ¿Por qué o por qué no? Una de las razones por las que no lo hacen se debe en gran parte al hecho de que no comenzamos las investigaciones con TODAS las variables del estudio. Empezamos con un subconjunto, a menudo un pequeño subconjunto. Es un poco irónico que tiendamos a incluir solo aquellos factores que tenemos hipótesis para respaldar que tienen un efecto. ¿Qué hacemos con los demás? ¿Obtenemos alguna vez datos que respalden esas elecciones? El diseño experimental debe evaluar ambas fuentes de variación. Los que elegimos como resultado de nuestras hipótesis (los factores de un experimento) y los que no (el ruido). Las estrategias de diseño de optimización solo son efectivas si el sistema subyacente es estable y consistente. Quizás lo que debería ser su próxima iteración es determinar la estabilidad o su modelo sobre condiciones cambiantes en lugar de crear un modelo complejo que solo funciona ayer.

Re: Aumento de experimentos con un DOE, efecto en futuros experimentos

¡Gracias por su ayuda!

Re: Aumento de experimentos con un DOE, efecto en futuros experimentos

Hola @dbu ,

 

Respuesta corta: Sí, la plataforma de "Diseño de aumento" tiene en cuenta experimentos y términos anteriores en el diseño del modelo para sugerir nuevas ejecuciones que pueden aumentar el nivel de información.

Respuesta larga: los resultados de la plataforma "Diseño de aumento" dependerán de lo que intente lograr y las modificaciones que esté realizando:

• Si reduce el espacio experimental, los nuevos puntos se generarán en este espacio más pequeño (vea la captura de pantalla "Reducción del espacio experimental" realizada con la plataforma de diseño de aumento de relleno de espacio).
• Si aumenta el espacio experimental, la mayoría de las ejecuciones se permitirán en este espacio que en el original (vea la captura de pantalla "Aumento del espacio experimental" realizado con la plataforma de diseño de aumento de relleno de espacio).

 

Tenga en cuenta que si marca "Agrupar nuevas ejecuciones en un bloque separado", JMP aún realizará algunas ejecuciones en el espacio experimental anterior (a menos que no esté incluido en los rangos de factores) para verificar si esta segunda ronda de experimentos tiene un varianza similar a la primera.

Además, el tipo de aumento creará nuevas corridas de manera diferente, dependiendo de si está agregando más términos en el modelo (a través de la opción "Aumentar"), o si replica, agrega puntos centrales/axiales o pliega su diseño, o si estamos haciendo relleno de espacio (para este último punto, podéis ver la captura de pantalla realizada sobre datos simulados "Aumento de relleno de espacio", que es bastante ilustrativa, o la captura de pantalla anterior de aumento/reducción del espacio experimental). Más información aquí: Ejemplos adicionales de opciones de aumento (jmp.com)

 

He realizado un estudio sobre este aumento en un caso de uso concreto (de la antigua empresa para la que trabajé) que puede encontrar aquí: Reparación de un plan de experiencias incompleto por aumento - Reunión del grupo... - Comunidad de usuarios de JMP Lamento que esté en francés, pero verá el punto destacado y la ventaja del aumento con bastante facilidad en el caso de uso: nos permite usar de manera eficiente los datos de laboratorio anteriores (se suponía que eran de un DoE, pero no era realmente el caso ) y aumentar el conjunto inicial de experimentos para tener un DoE correcto con menos experimentos nuevos necesarios que si tuviéramos que empezar desde cero. A partir de este caso de uso, puede ver la captura de pantalla realizada en 3 factores con el diagrama de dispersión 3D para ver dónde están las nuevas ejecuciones en el espacio experimental (en verde) en comparación con las ejecuciones iniciales (en azul).

Espero que esta respuesta te ayude,