Evaluación del DoE con (esencialmente) orden de ejecución como factorHola,
Tengo un diseño relativamente simple que no estoy seguro de cómo evaluar en JMP.
Estamos tratando de encontrar un diseño I-Optimal para dos factores.Uno (X1), es un factor continuo con 2 niveles y puntos centrales. El segundo (X2) es esencialmente solo el orden de ejecución multiplicado por 4. El orden de esta variable no puede cambiar.Sabemos que X2 provoca cambios en nuestra respuesta y queremos modelar correctamente su impacto e interacción con X1, así como evaluar los efectos cuadráticos. He adjuntado un conjunto de datos de muestra como ejemplo.
El problema con el que nos encontramos es configurar y evaluar correctamente el diseño en JMP.
¡Cualquier ayuda sería muy apreciada!
Gracias.
Diseño de experimentosRe: Evaluación del DoE con (esencialmente) orden de ejecución como factorHola @ian-weykamp ,
Si puedo participar en la discusión, aquí están mis pensamientos con respecto a su pregunta inicial y sus comentarios.
Puede haber varias opciones para lidiar con su situación, si entendí bien su situación, y aquí hay algunas:
- Como espera alguna "degradación" de su respuesta en función de la cantidad de usos de su herramienta, puede ser interesante considerar un análisis de degradación, para tener un modelo que vincule la cantidad de veces que se usa la herramienta y su impacto en la respuesta. No estoy completamente seguro de que pueda hacer un análisis de degradación con otro factor, pero otros miembros de la Comunidad más familiarizados con este tipo de análisis pueden tener respuestas sobre cómo lidiar con esto.
- Si espera utilizar varias "herramientas" en sus experimentos debido a este límite de usos por "herramienta", ¿por qué no ejecutar también un análisis del sistema de medición (complementario a su tema inicial)? Eso puede ayudarlo a definir la parte de la variación total en sus experimentos que puede atribuir a (la diferencia entre) sus herramientas. Y si sabe con un estudio de degradación cuántas ejecuciones puede tener "de manera segura" con una herramienta, conocer la variación debida al cambio de herramientas puede ayudarlo a comparar los resultados provenientes de dos herramientas en un diseño experimental.
- Conociendo el número de ejecuciones posibles con una herramienta, puede filtrar más factores de interés utilizando "herramienta" como factor de bloqueo: 4/8/16 ejecuciones posibles por herramienta, por ejemplo.
- Como la cantidad de ejecuciones (su columna X2) no puede parecer aleatoria ni bloqueada, tal vez podría cambiar el rol de diseño a "No controlado" en lugar de "Continuo". Ver Factores (jmp.com) . Crear el diseño con el rol correcto permite tener un modelo más confiable, en lugar de intentar modificar el diseño después para adaptarlo mejor a las necesidades.
Espero que estas pocas opciones puedan ayudarlo en su reflexión y configuración experimental.
Re: Evaluación del DoE con (esencialmente) orden de ejecución como factorQuizás alguna claridad adicional:
Podemos pensar en X2 aquí como un muy herramienta costosa que se usa 4 veces por medición y solo se usa una vez por proceso.Las lecturas para X2 serán 4, 8, 12,...Sabemos que a medida que aumenta el número de usos de esta herramienta, hay un impacto en nuestra respuesta. Por lo tanto, no podemos reordenar X2, y puede considerarse esencialmente como el orden de ejecución del experimento, ya que aumenta con el orden de ejecución.
Nuestro objetivo con este diseño es modelar un rango de valores aceptables de nuestra respuesta sobre un límite previamente establecido de valores X2. Esencialmente, los procesos se ejecutan hasta un cierto número de ejecuciones y luego se detienen.
Re: Evaluación del DoE con (esencialmente) orden de ejecución como factorInteresante, pero estoy confundido .
Mis pensamientos: ¿Cómo puede ser un factor el orden de ejecución? Digamos que es significativo, y el 3er nivel da los mejores resultados. ¿Cómo puedes operar con este conocimiento? ¿Cómo llevaría a cabo este proceso? En consecuencia, también podría optimizar la interacción de X1 y X2 desde un sentido práctico. Ahora, si dices que el factor X2 es tiempo , tienes un factor continuo con múltiples niveles. Comprensiblemente, tendría una restricción en la aleatorización ya que X2 no se puede aleatorizar. ¿Qué está cambiando en el tiempo?
Otra idea es ejecutar cada nivel del factor X1 4 veces (en orden) para un total de 12 ejecuciones. Esencialmente un OFAT a lo largo del tiempo.
Otro pensamiento es hacer un muestreo (vs. DOE) de cada nivel a lo largo del tiempo... no restringido a 4 tiempos específicos.
Estoy seguro de que otros se sumarán.
