¡Hola, equipo y comunidad de JMP!
Aquí hay un deseo de DoE basado en covariables de diferentes tablas.
- ¿Qué inspiró esta solicitud de lista de deseos?
Diseño de Experimentos basados en factores covariables de dos tablas - JMP User Community
Me he enfrentado a una situación difícil para configurar un DoE con 5 covariables:
- 2 covariables, de una tabla A, son propiedades fisicoquímicas predichas de las formulaciones (gracias al modelo de un primer DoE),
- 3 covariables, independientes de las primeras, de una tabla B, son características de diferentes envases.
Quería crear un modelo (evaluando los principales efectos e interacciones, algunos configurados como "si es posible" y otros "necesarios" con 30 ejecuciones) con estas 5 covariables para evaluar las relaciones e interacciones entre las covariables de la formulación y las características del empaque en la respuesta, pero cuando Uso "Diseño personalizado" y quiero agregar covariables, solo tengo la opción de agregar covariables de la tabla en la que creo un DoE personalizado (tabla A O tabla 
.@SDF1 sugirió para seleccionar la tabla de datos de nivel superior antes de agregar el término covariable, que de hecho funciona, pero no es satisfactorio para mí con respecto a mi configuración:
- Las covariables Ax y Bx deben ser independientes unos de otros , que ya no es el caso con esta técnica (dado que JMP parece hacer una unión externa basada en la tabla más grande (o unión interna) con ID de fila como opción de unión),
- Al hacer el diseño, debido a la unión realizada en las dos tablas, no se exploran todas las combinaciones (las covariables de A no cumplen todas las condiciones con las covariables de , y tengo un diseño poco eficiente:
Guión del diseño:
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Covariate, Covariate A1, 0 ),
Add Factor( Covariate, Covariate A2, 0 ),
Add Factor( Covariate, Covariate B1, 0 ),
Add Factor( Covariate, Covariate B2, 0 ),
Add Factor( Covariate, Covariate B3, 0 ), Set Random Seed( 695832949 ),
Number of Starts( 3479 ), Add Term( {1, 0} ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ), Add Term( {5, 1} ),
Add Term( {1, 1}, {2, 1} ), Add Term( {1, 1}, {3, 1} ),
Add Term( {1, 1}, {4, 1} ), Add Term( {1, 1}, {5, 1} ),
Add Potential Term( {2, 1}, {3, 1} ), Add Potential Term( {2, 1}, {4, 1} ),
Add Potential Term( {2, 1}, {5, 1} ), Add Potential Term( {3, 1}, {4, 1} ),
Add Potential Term( {3, 1}, {5, 1} ), Add Potential Term( {4, 1}, {5, 1} ),
Set Sample Size( 30 ), Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
);
Análisis de potencia:
Desde entonces, he encontrado una solución "externa" al crear una nueva tabla con todas las covariables de las dos tablas, y así crear todas las combinaciones A/B posibles de los 2 factores de la tabla A con 3 factores de la tabla B gracias a un bajo -herramienta de código y algunos bucles. Al crear el diseño personalizado en esta mesa, encuentro un diseño más satisfactorio:
Me uní a las diferentes tablas para probar (no las mismas que para mi tema por razones de confidencialidad, pero hice todo lo posible para tener una maqueta para ilustrar la situación).
- ¿Cuál es la mejora que le gustaría ver?
Sería genial si hubiera una solución en la que JMP:
- Pídanos que elijamos la tabla en la que se ubican las covariables (en caso de tablas separadas que contengan covariables),
- Ser capaz de almacenar los datos en memoria y darnos la posibilidad de hacer todas las combinaciones en segundo plano al construir el diseño basado en dos tablas de covariables. ¿Quizás una opción para verificar "covariables independientes"?
- ¿Por qué es importante esta idea?
El diseño personalizado es una excelente herramienta para tratar las covariables y crear diseños óptimos adaptados a situaciones específicas. Esta actualización haría que la herramienta fuera aún más poderosa y adaptable, ya que podría crear diseños con covariables de diferentes tablas y sugerir diseños adecuados.
Espero que mi deseo sea claro, si no, no dudes en comentar o volver a mí,
Muchas gracias por adelantado !
