Re: DOE personalizado: el mejor enfoque para factores categóricos y mixtosSara, bienvenida a la comunidad. Desafortunadamente, no hay suficiente contexto para brindar consejos específicos. Tengo muchas más preguntas que respuestas para usted y algunos consejos generales... NO existe el mejor experimento para ejecutar. "El mejor diseño que diseñarás es el diseño que diseñas después de ejecutarlo". Sugiero desarrollar múltiples experimentos y predecir qué podría aprender de cada uno y contrastarlo con los recursos necesarios para cada uno. También sugiero un enfoque iterativo para la experimentación. KISS (Mantenlo Simple y Secuencial). No intente aprender todo y optimizar en un solo experimento. En su lugar, aumente su conocimiento identificando primero lo que es importante y lo que no lo es y asegúrese de que sus sistemas de medición sean adecuados. Considere la jerarquía de los efectos. Entonces puede comenzar a pensar dónde deben establecerse los factores importantes.
Algunas preguntas/comentarios para usted:
1. Cuestionar los sistemas de medición. ¿Con qué precisión pueden medir los valores nutricionales y la sal? Tendrá medidas sensoriales para el gusto y el olfato (conjuntos de datos ordinales como una escala hedónica). ¿Cómo se tendrá en cuenta la variación dentro y entre evaluadores? ¿Cómo se tendrá en cuenta el sesgo del evaluador?
2. ¿No entiendo los 2 factores categóricos? ¿Qué es el factor "Textura"? ¿Estás agregando algo al lote? ¿Qué? ¿Qué es "Aroma"? La textura y el aroma suenan como variables de respuesta, no como X. ¿Por qué 3 niveles para su primer experimento?
3. Los diseños de mezclas son lo que considero experimentos de optimización. ¿Estás listo para hacer esto? Digamos que el proceso actual se realiza en lotes. ¿Qué componentes de variación son más significativos, dentro de la variación de lote, de lote a lote o de medición? Si tiene una variación significativa de lote a lote, debe averiguar por qué antes de optimizar los ingredientes para 1 lote.
4. No entiendo la segunda viñeta debajo de la mezcla. Si hay 2 valores, no puede ser constante.
5. ¿Entiende el ruido en el proceso? Por ejemplo: calidad del agua, homogeneidad del lote, condiciones ambientales, variación de lote a lote de los ingredientes, variación día a día, etc.
6. ¿Entiendes la diferencia entre repeticiones y réplicas?
Re: DOE personalizado: el mejor enfoque para factores categóricos y mixtosMuchas gracias por su respuesta y preguntas pertinentes que he respondido a continuación ( cursiva ). ¡Disculpas por no ser lo suficientemente preciso con la información!
Para más contexto: queremos investigar las diferentes cantidades de varios trozos en las sopas. Hay tres sopas de diferentes sabores que tienen los mismos trozos (pollo, frijoles, etc.). Ya tenemos algunas versiones creadas por chefs con una receta determinada y ahora queremos investigar hasta dónde podemos llevar el aspecto nutricional sin disminuir las características sensoriales aceptables.
1. Cuestionar los sistemas de medición. ¿Con qué precisión pueden medir los valores nutricionales y la sal? Tendrá medidas sensoriales para el gusto y el olfato (conjuntos de datos ordinales como una escala hedónica). ¿Cómo se tendrá en cuenta la variación dentro y entre evaluadores? ¿Cómo se tendrá en cuenta el sesgo del evaluador?
Los evaluadores recibirán capacitación para reducir este sesgo. Incluiremos un factor de bloqueo para la diferencia entre sesiones sensoriales (días). Calcularemos con precisión nutricional (utilizando un laboratorio externo).
2. ¿No entiendo los 2 factores categóricos? ¿Qué es el factor "Textura"? ¿Estás agregando algo al lote? ¿Qué? ¿Qué es "Aroma"? La textura y el aroma suenan como variables de respuesta, no como X. ¿Por qué 3 niveles para tu primer experimento?
La categoría de textura se refiere al hecho de que dejaremos una versión con los ingredientes en trozos y la otra versión se mezclará. El contenido será idéntico.
Categoría de aroma - tres sabores diferentes de bases líquidas (misma cantidad) - pollo / verdura / coco
3. Los diseños de mezclas son lo que considero experimentos de optimización. ¿Estás listo para hacer esto? Digamos que el proceso actual se realiza en lotes. ¿Qué componentes de variación son más significativos, dentro de la variación de lote, de lote a lote o de medición? Si tiene una variación significativa de lote a lote, debe averiguar por qué antes de optimizar los ingredientes para 1 lote.
Ya hemos 'optimizado' nuestras recetas hasta cierto punto a través de grupos focales, pruebas y creación del chef. Ahora queremos optimizar el componente nutricional viendo hasta dónde podemos aumentar (proteínas) o disminuir (sal) ciertos ingredientes sin afectar las características sensoriales.
Tenemos versiones de "referencia" de estas recetas que servirán como guía para el nivel deseado de varias características sensoriales (por lo que nuestro objetivo es investigar cuánta proteína adicional y qué poca sal podemos usar sin disminuir el sabor y la textura aceptables).
Tenemos tres categorías de sopa con una base líquida diferente y queremos probar cómo interactúan los trozos de ingredientes con los diferentes líquidos, de ahí las tres categorías de aroma.
4. No entiendo la segunda viñeta debajo de la mezcla. Si hay 2 valores, no puede ser constante.
He eliminado este elemento. Todos los factores de mezcla ahora son variables (y también eliminé posteriormente la restricción lineal).
5. ¿Entiende el ruido en el proceso? Por ejemplo: calidad del agua, homogeneidad del lote, condiciones ambientales, variación de lote a lote de los ingredientes, variación día a día, etc.
Estamos tratando de minimizar el ruido: capacitando a los asesores sensoriales, bloqueando la variación de días, una producción de todas las recetas para probar, etc.
6. ¿Entiendes la diferencia entre repeticiones y réplicas?
No lo hice pero ahora lo hago!!
Siguiendo sus comentarios, he ajustado el DoE personalizado (en pdf adjunto). En la parte de evaluación del modelo dice aroma 1 y aroma 2 - ¿Esto es porque tengo tres niveles categóricos?
Re: DOE personalizado: el mejor enfoque para factores categóricos y mixtosOfreceré algunos pensamientos adicionales en azul, puede optar por ignorarlos.
Para más contexto: queremos investigar las diferentes cantidades de varios trozos en las sopas. Hay tres sopas de diferentes sabores que tienen los mismos trozos (pollo, frijoles, etc.). Ya tenemos algunas versiones creadas por chefs con una receta determinada y ahora queremos investigar hasta dónde podemos llevar el aspecto nutricional sin disminuir las características sensoriales aceptables.
Estoy confundido, por un lado indicas que ya has optimizado (" Ya hemos 'optimizado' nuestras recetas hasta cierto punto a través de grupos focales, pruebas y creación de chef".) ... En mi humilde opinión, es por eso que desea evaluar múltiples Y a medida que itera (multivariado). Ir detrás de diferentes Y secuencialmente puede ser un desafío ineficaz e ineficiente.
1. Cuestionar los sistemas de medición. ¿Con qué precisión pueden medir los valores nutricionales y la sal? Tendrá medidas sensoriales para el gusto y el olfato (conjuntos de datos ordinales como una escala hedónica). ¿Cómo se tendrá en cuenta la variación dentro y entre evaluadores? ¿Cómo se tendrá en cuenta el sesgo del evaluador?
Los evaluadores recibirán capacitación para reducir este sesgo. Incluiremos un factor de bloqueo para la diferencia entre sesiones sensoriales (días). Calcularemos con precisión nutricional (utilizando un laboratorio externo).
En mi humilde opinión, el entrenamiento puede ayudar a la consistencia, sin embargo, es probable que no afecte el sesgo sensorial. La clave para mitigar el sesgo sensorial es eliminar la emoción de la evaluación. Por ejemplo, no pregunte cuál le gusta, en lugar de eso, use la de su chef experto, cree muestras que representen alguna escala ordinal (al menos 5 categorías) y pregunte con cuál coincide. Enviar muestras a un laboratorio externo no garantiza que las mediciones sean útiles. Y le importa más la precisión que la exactitud para fines de diseño experimental (quiere menos variación en el sistema de medición). Requeriría que el laboratorio analizara muestras idénticas varias veces.
2. ¿No entiendo los 2 factores categóricos? ¿Qué es el factor "Textura"? ¿Estás agregando algo al lote? ¿Qué? ¿Qué es "Aroma"? La textura y el aroma suenan como variables de respuesta, no como X. ¿Por qué 3 niveles para tu primer experimento?
La categoría de textura se refiere al hecho de que dejaremos una versión con los ingredientes en trozos y la otra versión se mezclará. El contenido será idéntico.
Categoría de aroma - tres sabores diferentes de bases líquidas (misma cantidad) - pollo / verdura / coco
Bien, entonces los nombres de los factores hacen referencia a lo que realmente estás cambiando (tamaño y sabor de la porción). Creo que podría considerar bloquear la base (sabor), ya que esto podría crear respuestas sensoriales bastante diferentes.
3. Los diseños de mezclas son lo que considero experimentos de optimización. ¿Estás listo para hacer esto? Digamos que el proceso actual se realiza en lotes. ¿Qué componentes de variación son más significativos, dentro de la variación de lote, de lote a lote o de medición? Si tiene una variación significativa de lote a lote, debe averiguar por qué antes de optimizar los ingredientes para 1 lote.
Ya hemos 'optimizado' nuestras recetas hasta cierto punto a través de grupos focales, pruebas y creación del chef. Ahora queremos optimizar el componente nutricional viendo hasta dónde podemos aumentar (proteínas) o disminuir (sal) ciertos ingredientes sin afectar las características sensoriales.
La vista trasera es 20/20. Hubiera recomendado que estos se incluyeran en sus experimentos iniciales de recetas.
Tenemos versiones de "referencia" de estas recetas que servirán como guía para el nivel deseado de varias características sensoriales (por lo que nuestro objetivo es investigar cuánta proteína adicional y qué poca sal podemos usar sin disminuir el sabor y la textura aceptables).
Utilice estas "versiones de referencia" para crear su escala ordinal.
Tenemos tres categorías de sopa con una base líquida diferente y queremos probar cómo interactúan los trozos de ingredientes con los diferentes líquidos, de ahí las tres categorías de aroma.
No estoy seguro de entender por qué la consistencia de la sopa (gruesos) interactuaría con el sabor (o por qué le importaría), pero puede estimar las interacciones bloque por factor si bloquea el sabor. Supongo que estoy pensando más en qué harías con el conocimiento de una interacción sabor por fragmento... para mí, necesitarías tener un modelo diferente para cada sabor... esa sería la ventaja de bloquear el sabor... .sería como 3 experimentos separados sobre los mismos factores que se pueden comparar.
4. No entiendo la segunda viñeta debajo de la mezcla. Si hay 2 valores, no puede ser constante.
He eliminado este elemento. Todos los factores de mezcla ahora son variables (y también eliminé posteriormente la restricción lineal).
5. ¿Entiende el ruido en el proceso? Por ejemplo: calidad del agua, homogeneidad del lote, condiciones ambientales, variación de lote a lote de los ingredientes, variación día a día, etc.
Estamos tratando de minimizar el ruido: capacitando a los asesores sensoriales, bloqueando la variación de días, una producción de todas las recetas para probar, etc.
Esto NO es lo que debes hacer. Desea crear un espacio de diseño que sea representativo de las condiciones futuras. La percepción sensorial de los consumidores varía, los procesos de producción varían, las materias primas varían, etc.
La estandarización exacta de las condiciones experimentales, que a menudo se defiende irreflexivamente como una panacea, siempre conlleva la desventaja real de que un experimento altamente estandarizado proporciona información directa solo con respecto a la estrecha gama de condiciones logradas por la estandarización.La estandarización, por lo tanto, debilita más que fortalece nuestra base para inferir un resultado similar cuando, como ocurre invariablemente en la práctica, estas condiciones son algo variadas.
RA Fisher (1935), Diseño de Experimentos (p.99-100)
6. ¿Entiendes la diferencia entre repeticiones y réplicas?
No lo hice pero ahora lo hago!!
Siguiendo sus comentarios, he ajustado el DoE personalizado (en pdf adjunto). En la parte de evaluación del modelo dice aroma 1 y aroma 2 - ¿Esto es porque tengo tres niveles categóricos?
¿No sigo tu lógica aquí? Aunque noto que usas francés y yo no.
DOE personalizado: el mejor enfoque para factores categóricos y mixtosEstoy haciendo un DOE personalizado y agradecería cualquier consejo o sugerencia para crear recetas óptimas.
¿Existe un enfoque DOE mejor que el construido u otros factores a tener en cuenta?
Respuestas :
- Maximizar diferentes valores nutricionales
- Minimizar la cantidad de sal
- Alcanzar el objetivo de la puntuación del gusto y el olfato
factores :
- Categórico –> Textura 2 niveles : T1 / T2
- Categórico --> Aroma 3 niveles: A1/ A3/ A3
- Mezcla
- Ingredientes para variar: C1/C2/C3/C34
- Ingredientes que son constantes (líquido aromatizado). He anotado dos valores diferentes, aunque será constante en el modelo, ya que JMP solo acepta dos valores diferentes
- Agua – se incluirá este factor cuando la suma de los ingredientes constantes y los a variar sean inferiores a 100 gr.
- Bloqueo: Diferencia entre días de prueba de panel (6 recetas a probar/día)
Definición de restricciones lineales:
- Se añaden dos líneas que mantienen proporciones entre los ingredientes constantes (líquido = 69,6% ) y los ingredientes variables (C1 /C2 /C3 / C4 =30,4% )
Modelo :
- También se seleccionaron interacciones de segundo nivel. Para evitar la singularidad de un modelo, uno de los ingredientes en los parámetros del 'modelo' debe eliminarse arbitrariamente.
- Se eliminaron el agua y el líquido aromatizado. También se eliminaron las interacciones de segundo nivel que involucraban agua o base (para disminuir el número de ejecuciones y también porque estamos más interesados en los efectos de los ingredientes principales)
- Alias: todas las interacciones de segundo nivel
- Número máximo de ejecuciones posibles = 50 y con el modelo anterior el número recomendado = 48 (así que todo bien).
Ejemplo de corridas:
Preguntas :
- ¿Cómo es mejor determinar el número de corridas centrales y repetidas?
- ¿Cómo interpreto el aliasing y los diagnósticos?
¿Existe un enfoque DOE mejor que el construido u otros factores a tener en cuenta?
¡Muchas gracias por cualquier ayuda o información para mi primer DOE!
Diseño de experimentos
