Manejo de una medida de respuesta durante varios díasEstimados,
Tengo una pregunta para la que no puedo encontrar una respuesta en línea y dudo cuál sería el enfoque correcto. Espero que puedas ayudarme 
En resumen, estoy haciendo una masa de proteínas mezclando varios ingredientes. Después de ser preparada, la masa reposa durante 5 días y luego se procesa en una barra de proteína. Durante estos 5 días la textura de la masa cambia.
Mi pregunta de investigación es cómo el proceso de mezcla afecta el desarrollo de la textura durante los 5 días.
Mi objetivo es optimizar el proceso de mezcla para lograr la textura correcta en 24 a 48 horas
mi duda es:
1. ¿Debo crear mi diseño, con 5 respuestas, una por cada día?
2. ¿Debo duplicar mi diseño 5 veces, agregando un factor extra llamado días, donde registro el momento en que midí la respuesta?
En el primer caso, pierdo la posibilidad de modelar el efecto de los "días" en la textura de la masa, pudiendo así optimizar por este factor.
En el segundo caso, tengo la sensación de hacer trampa, ya que no es cierto que esté replicando el modelo. Solo estoy analizando el mismo tema/ejecución, varias veces en diferentes días.
¿Cuál sería su enfoque para este diseño?
Gracias por tus aportes,
Atentamente,
elia
Tabla de datosGAMARe: Manejo de una medida de respuesta durante varios díasLe sugiero que trate la respuesta como datos funcionales. Es decir, la respuesta es la curva completa a lo largo del tiempo. JMP puede usar datos funcionales como respuesta en un DOE. Consulte la documentación sobre definir una respuesta funcional y luego analizando el DOE con el Explorador de datos funcionales .
Re: Manejo de una medida de respuesta durante varios díasHola @EliaDF ,
¡Bienvenido a la Comunidad!
Puede haber varias opciones disponibles, según la versión de JMP que esté utilizando (JMP o JMP Pro) y el proceso de medición.
Sobre el proceso de medición, ¿es representativa la medición? Quiero decir: ¿medir la textura en un solo punto o en varios puntos? Si está en un solo punto, ¿este punto es representativo de toda la textura de la masa?
¿La medición es destructiva o no con la muestra? Quiero decir: ¿puede monitorear y medir la textura a lo largo de los días en la misma muestra, o necesita preparar varias masas para tener al menos una medición por día?
Sobre la versión/licencia de JMP que tienes, hay varias opciones:
- Con JMP, puedes modelar la textura (Y) vs. Día (X) para cada experimento de tu DoE con la plataforma "Fit Y by X", y extraer los parámetros de la curva para usarlos como respuesta en el modelado de su DoE.
- Con JMP Pro, puede usar el Explorador de datos funcionales, especificar Día como X, Textura como Y y sus factores DoE como variables "suplementarias". A continuación, puede especificar su curva objetivo o el objetivo de optimización y ver cómo los factores afectan la forma de la curva de textura frente al día. Puede encontrar un ejemplo del uso de Functional Data Explorer para el conjunto de datos DoE aquí: https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/ejemplo-de-analisis-funcional-doe.shtml
Si puede usar el Explorador de datos funcionales, la segunda opción puede ser la mejor, y etiquetar sus filas del mismo experimento con el mismo ID evitará considerar las "filas duplicadas" como nuevas ejecuciones de réplicas. En caso de que tenga JMP, analizar la curva experimento por experimento (análisis único o crear un "experimento de ID" en su tabla de datos y utilizarlo como variable "por" en la plataforma Ajustar Y por X) también debería evitar la "creación" falsa de ejecuciones repetidas .
Espero que esta respuesta te ayude,
Re: Manejo de una medida de respuesta durante varios díasQuerida marca,
Gracias por tu respuesta. Seguiré investigando las respuestas funcionales;)Re: Manejo de una medida de respuesta durante varios díasHola Victor,
Gracias por tu respuesta. Desafortunadamente, tengo JMP pro, pero intentaré abordar el problema utilizando una identificación de muestra.
El método no es destructivo, pero hago un lote lo suficientemente grande como para poder hacer tres repeticiones al día durante 5 días.
El valor que uso para la respuesta es el promedio de las tres repeticiones (medido en diferentes puntos).Re: Manejo de una medida de respuesta durante varios díasDe acuerdo, el Explorador de datos funcionales lamentablemente no está disponible en JMP, solo en JMP Pro.
Recomendaría hacer el análisis de dos maneras:
- Con una columna de respuesta para cada día como mencionaste, crea tus modelos en estas 5 respuestas y usa el generador de perfiles para optimizar todas las respuestas al mismo tiempo.
- Use la plataforma "Fit Y by X" (u otra plataforma) para modelar cada curva de forma independiente (con una columna de ID para detectar cada experimento independiente del DoE), extraiga los coeficientes de cada curva y utilícelos como respuestas para su DoE . Si puede crear una curva dorada "falsa" que se parezca a lo que está tratando de lograr, podría ser más fácil definir objetivos de optimización y valores objetivo en los coeficientes de la curva cuando intente optimizarlos con el modelo del DoE.
Combinar y comparar estos dos enfoques podría ser muy interesante e informativo.
Como última nota/comentario, podría ser interesante tener en cuenta también la variabilidad de la textura en los diferentes puntos de medición, y no solo la media, si ve que puede tener una variabilidad de textura no uniforme o no constante. valores dependiendo del experimento.
Re: Manejo de una medida de respuesta durante varios díasSolo para agregar algunos pensamientos... Estoy confundido, ¿tiene JMP Pro o no? " Lamentablemente tengo JMP pro". Estoy de acuerdo con Víctor con respecto a mirar la media y alguna estimación de variación para sus medidas repetidas (esas son no considerados réplicas) para cada día. Date cuenta de que lo harás capturar tanto dentro del lote como el error de medición confundido dentro de esas 3 muestras. ¿Cuánta confianza tienes en el sistema de medición? El otro análisis que puede hacer es multivariante para las respuestas múltiples durante los 3 días (Analizar>Métodos multivariantes>Multivariante).
