¿Qué es OFAT? ¿Qué tiene de malo?
La experimentación con un factor a la vez (OFAT, por sus siglas en inglés) generalmente implica mantener todos los factores excepto uno constante, variar el factor restante y observar cómo esto cambia una respuesta. Sin un examen minucioso, OFAT parece ser una forma intuitiva y "científica" de resolver problemas. Personalmente, antes de aprender sobre el enfoque de Diseño de Experimentos (DOE, por sus siglas en inglés) para la experimentación, nunca cuestioné OFAT como el enfoque predeterminado, incluso llegué a pensar que no podía variar más de un factor a la vez cada vez que intentaba resolver un problema. Recuerdo una vez que pasé unos tres días con un ingeniero de procesos tratando de optimizar un proceso utilizando métodos OFAT. Pensé que estaba siendo metódico y científico y que estaba resolviendo el problema de la manera correcta y requiriendo la menor cantidad de recursos. Estaba equivocado. Al examinarlo, OFAT no es ni a) bueno para encontrar los mejores ajustes del proceso ( el punto óptimo), ni b) un uso eficiente de los recursos.
Espera, ¿OFTAT no encuentra el punto justo?
No, OFAT no siempre encuentra las mejores configuraciones de proceso. Para ver esto, descargue e instale el complemento OFAT vs. DOE , que genera una respuesta curva para dos factores de proceso (llamados "x" e "y") y muestra un gráfico de esta respuesta junto con algunos botones a lo largo del lado derecho del gráfico. El botón "Diagrama de dispersión 3D" genera una forma interactiva de visualizar la forma de la respuesta. El botón "Activar o desactivar visibilidad" activa o desactiva la vista de toda la superficie de respuesta.
En este ejemplo, imagine que intenta encontrar el resultado de proceso más alto posible, que se encuentra en el cuadrado x=2, y=8. El botón "OFAT Once" imita un enfoque OFAT estándar:
- Elige un lugar al azar.
- Manteniendo todos los demás factores constantes ('y' en este caso), varíe el factor restante ('x') en todo el espacio permitido, buscando encontrar el máximo.
- A partir del máximo encontrado, elija otro factor para variar ('y' es el único que queda en este experimento), mantenga todos los demás constantes y busque el máximo.
- Repita el paso 3 hasta que se hayan probado todos los factores (no es necesario en este caso, ya que solo había 2 factores en total).
- ¡Celebre porque ha encontrado el punto justo gracias a la ciencia! Pero espere, ¿está seguro?
Pruébelo usted mismo. Haga clic en el botón "Activar/desactivar visibilidad" para borrar el gráfico (para fingir que no sabe cómo se ven las cosas). Con el botón "OFAT Once", observe cómo se desarrolla el proceso experimental. Si tiene suerte (alrededor del 20 % de las veces), encontrará el punto máximo/ideal del proceso. El resto del tiempo, terminará sin encontrar el máximo. A veces, incluso terminará en el cuadrante inferior derecho, pensando que la salida máxima del proceso es de aproximadamente 1,5 unidades. A continuación, se muestra un ejemplo de un experimento OFAT afortunado (izquierda) y uno desafortunado (derecha).
Utilice el botón 'OFAT 10x' para simular rápidamente la ejecución de un experimento OFAT 10 veces y verá que el punto óptimo solo se encuentra alrededor del 30 % de las veces (su número puede variar debido al muestreo aleatorio).
El botón "OFAT 1000x" ejecuta rápidamente 1000 experimentos y muestra la frecuencia con la que OFAT encuentra el punto óptimo. El hecho de que solo encuentre el punto óptimo alrededor del 25 % de las veces demuestra que no se puede confiar en los experimentos OFAT.
Pero sin duda la OFAT es eficiente. Ese sofisticado método del DOE requerirá más pruebas, ¿no?
Incorrecto. DOE significa menos ejecuciones. Cada experimento OFAT en el script interactivo requiere 19 ejecuciones (10 para el factor "x" y 9 para el factor "y"). El botón DOE en el lado derecho de la ventana abre una tabla de datos que incluye los resultados de un DOE realizado en el Diseñador personalizado de JMP que incluye todos los efectos principales, todas las interacciones de 2 vías, todos los términos al cuadrado y todos los términos al cubo. JMP convirtió esto en un DOE de 14 ejecuciones y no solo encuentra el punto óptimo, sino que también genera un modelo que predice el rango completo de ambos factores, como se muestra en el perfilador a continuación (para interactuar con este perfilador, ejecute el script "Modelo" en la tabla de datos DOE).
Los resultados mejoran a medida que aumenta la complejidad. Un proceso con 5 factores continuos que utilice el mismo método OFAT requeriría 46 ejecuciones (10 para el primer factor, 9 para cada uno de los factores restantes) y es posible que ni siquiera encuentre el punto óptimo . El Diseñador personalizado de JMP genera un diseño para los mismos cinco factores que requiere solo 12 ejecuciones (solo efectos principales) o 27 ejecuciones (efectos principales, todas las interacciones de 2 vías, todos los términos al cuadrado). Estos diseños también incluyen ejecuciones repetidas, por lo que se puede calcular una estimación de la variación de la respuesta. Claramente, un enfoque DOE para la experimentación es mejor que la experimentación OFAT: DOE utiliza menos experimentos y encuentra el punto óptimo con mayor regularidad.
Ese es un argumento convincente a favor del DOE. ¿Hay algo más?
Sí. Además de encontrar soluciones con mayor frecuencia y al mismo tiempo requerir menos recursos, el enfoque DOE también genera un modelo que puede utilizarse para responder otras preguntas sobre los factores que se están estudiando. Con OFAT, si las circunstancias cambian, la suerte dicta si se pueden abordar nuevas circunstancias sin más experimentación. Por ejemplo, ¿qué sucede si el cliente del proceso de muestra anterior solo necesita un resultado de proceso de aproximadamente 1,5 unidades y el ingrediente "y" se vuelve extremadamente caro? Es posible que un enfoque OFAT no tenga una respuesta para esto. Un enfoque DOE tiene un modelo que puede generar un nuevo punto óptimo de x = 0 e y = 1.
¿Qué opinas de tu experiencia? ¿Has visto ejemplos de estos dos tipos de enfoques experimentales en tu trabajo? ¿Quieres añadir algo que se me haya pasado por alto? Deja un comentario a continuación.
