Hola todos,
Con la esperanza de obtener algunos comentarios de los expertos y la mente colectiva con respecto a los temas anteriores. Primero describiré el escenario y luego entraré en el problema en cuestión.
GUIÓN: Nuestro negocio a menudo se encuentra en una situación en la que los DOE dirigidos por personas en I+D sufren un factor de molestia externo, y administrar esto para "salvar" el DOE a veces es un desafío. La gente de I+D normalmente generará DOE para probar varios factores a la vez. En este proceso, normalmente se hacen múltiplos de 3 lotes, cada lote tiene una receta diferente para probar los factores que afectan los resultados. Los factores que entran en la receta son todos factores continuos y, según el diseño, suelen ser de 2 niveles (bajo/alto). Los puntos centrales a menudo se incluyen para ayudar a estimar la varianza. La gente de I+D normalmente hace 3, 6, 9, etc. lotes. La razón es que después de los pasos iniciales del proceso, los lotes deben secarse en un horno y solo es posible secar tres lotes a la vez, por lo tanto, las cantidades de lotes son múltiplos de 3. Los lotes se llevan a secar inmediatamente después del primer paso.Inmediatamente después del secado, el material se muele.Debido al tiempo limitado dentro de un día, solo puede haber un número fijo de ejecuciones realizadas cada día, nuevamente, esto sería un múltiplo de 3, con no más de quizás 9 realizadas en un día.
PROBLEMA: Debido a las limitaciones físicas de la ubicación del horno, la temperatura y la humedad del ambiente externo (más a menudo la humedad) son factores molestos. Los llamo molestias en el sentido de que son conocidos, pero incontrolables. La temperatura ambiente y la humedad se pueden medir en el momento en que se coloca un conjunto de 3 lotes en el horno para que se sequen, pero no hay forma de controlar estos factores o saber cuáles serán antes de tiempo. Se sabe que la humedad puede afectar el material durante (y/o poco después) del paso de secado, y se sospecha que la temperatura ambiente también podría afectarlo.
DISCUSIÓN: Lo que me gustaría comprender mejor es cómo manejar estos factores molestos en un DOE. Ciertamente, podemos bloquear por día y tener un conjunto de corridas aleatorias bien distribuidas dentro de cada bloque, obteniendo así una estimación del ruido introducido en qué día se prepararon y secaron los lotes. También podríamos introducirlo como un efecto fijo (aunque en realidad no es fijo), lo que ayudaría a estimar las diferencias medias día a día en cada bloque. Incluso podríamos tratar el "día" como un efecto "muy difícil" de cambiar, para obtener un diseño de parcela dividida, lo que ayudaría a ver cómo ese factor interactúa con los otros factores, PERO, no podemos controlar la humedad y no sé qué será antes de que comience la ejecución experimental. Podríamos tratarlo como una covariable, lo que requeriría hacer un análisis ANCOVA para eliminar el efecto del factor de molestia de la respuesta. O simplemente podríamos introducir el factor de molestia como un factor no controlado.
Algunos puntos de discusión:
- Sería bueno, aunque no necesario, estimar el ruido que se introduce debido a los factores molestos, lo que sugeriría un bloqueo aleatorio.
- También sería bueno estimar la variación diaria causada por los factores molestos, lo que sugeriría un bloqueo fijo.
- También sería bueno ver si, o cómo, estos factores molestos están interactuando con los otros factores principales conocidos, lo que sugiere incluirlos como factores "muy difíciles" de cambiar, pero de hecho son imposibles de cambiar porque no tenemos control sobre ellos. .
- Realizar un ANCOVA podría ayudar a eliminar los factores molestos para comparar lotes hechos en diferentes días. Sin embargo, tengo entendido que para hacer esto en JMP, solo se puede tener un único factor categórico combinado con un factor de covariable continuo para obtener el tipo correcto de análisis. ciertamente podría cambiar algunos de nuestros factores principales a tipos de datos categóricos, pero el problema es que tenemos varios factores principales que deben incluirse en cualquier modelo. Al hacerlo, JMP ya no divide los datos en las diferentes líneas de ajuste como se esperaría para un ANCOVA. Aunque tal vez no entiendo completamente cómo JMP está realizando el ANCOVA en situaciones en las que tiene múltiples factores en el modelo. Los datos de muestra y la ayuda en línea sobre este tema son muy limitados.
- Por último, podríamos agregarlo a un modelo como una variable no controlada, dejando los niveles en blanco y completando los datos cuando se ejecutan las ejecuciones. El análisis posterior del modelo debería mostrar si la variable no controlada tiene algún impacto en la(s) respuesta(s).
Algunas preguntas:
- En este tipo de escenario en el que normalmente tenemos un número fijo de lotes secados a la vez, y todos ellos podrían verse afectados por los factores molestos, ¿existe un mejor enfoque para incorporar los factores molestos en un modelo para comprender qué efecto , en su caso, tiene en la respuesta?
- ¿Utilizaríamos un enfoque único o enfoques mixtos? Por ejemplo, ¿es mejor usar solo bloques aleatorios (o fijos) o usar bloques aleatorios, pero también incluir los factores molestos como variables no controladas? Del mismo modo, ¿es mejor usar el Día como un factor muy difícil de cambiar y al mismo tiempo incluir la humedad y la temperatura del aire como factores no controlados?
- ¿Es ANCOVA realmente el tipo de enfoque correcto, o podría conducir a conclusiones erróneas?
- ¿Ha tenido que lidiar con una situación similar en su lugar de trabajo y, de ser así, qué metodología utilizó para gestionar sus factores molestos?
Gracias por su ayuda y espero leer las respuestas.
¡Gracias!,
SD
