Comparación de DoEs: ¿Por qué las eficiencias D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola,
Estoy trabajando en Custom DoE (JMP16). Tengo 4 factores (1 continuo y 3 discretos, con restricciones). tengo 1 respuesta Sé que estos 4 factores son importantes y tienen interacciones. Mi el objetivo es optimizar la respuesta para encontrar los niveles de factor óptimos que resultan en la mayor eficiencia posible. Incluí todos los efectos cuadráticos y de interacción.
Estoy usando la I-optimalidad ya que este no es un diseño de detección.
- El primer diseño (v5) no tiene réplicas. Tiene 18 carreras en total.
- El segundo diseño (v6) tiene duplicados. Tiene un total de 36 carreras (lo aumenté).
- El tercer diseño (v7) tiene triplicados. Tiene un total de 54 carreras (lo aumenté).
Para este experimento que planeo hacer, es más fácil para mí agregar duplicados o triplicados (de las mismas condiciones) una vez en el laboratorio. Por eso no me importa si tengo más ejecuciones, siempre que sean de las mismas condiciones (duplicados o triplicados), porque puedo ejecutarlas todas juntas siempre que sean réplicas de las mismas 18 ejecuciones iniciales.
[Si, en cambio, simplemente usara la función "agregar ejecuciones replicadas", entonces JMP agrega demasiadas ejecuciones más con demasiadas condiciones diferentes para que las pruebe (limitación de recursos). Por ejemplo, al agregar solo 4 ejecuciones replicadas, JMP genera un diseño con un total predeterminado de ejecuciones = 27, que son demasiadas condiciones diferentes para probar... Es por eso que Decidí replicar todo mi diseño en lugar de usar la función de aumento. .]
- Estoy comparando los diseños v5, v6 y v7 (adjunto). Sin embargo, mi gráfico de "Fracción de espacio de diseño" está en blanco. ¿Por qué está en blanco? ¿O los datos son muy pequeños y no puedo verlos?
- El "Análisis de potencia" y el "Gráfico de potencia" se ven bastante bien para v6 y v7. Pero estoy interesado en optimizar la respuesta de todos modos (no en los efectos principales).
- Sin embargo, las eficiencias D/G/A/I- son terriblemente POBRES y todas son IGUAL. ¿Son todos iguales porque el diseño v6 es un duplicado del diseño v5 y el diseño v7 es un triplicado del diseño v5? y ¿por qué estos valores son tan BAJOS (0.5 y 0.3)?¿Mis diseños son malos?
Traté de buscar esto, pero todo lo que encontré en la guía del DOE es:
"Los valores de eficiencia relativa que exceden 1 indican que el diseño de referencia es preferible para la medida dada. Los valores inferiores a 1 indican que es preferible el diseño que se compara con el diseño de referencia. El diseño de 16 ejecuciones tiene una eficiencia más baja que los otros dos diseños en todas las métricas, lo que indica que los diseños más grandes son preferibles".
Pero, esto no me ayudó mucho.
¡¡Gracias de antemano!!
GAMAMac OSRe: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @adouyon ,
De nada ! Me alegra leer que se siente cómodo con este diseño y que lo probará en el laboratorio.
Envíe algunas noticias sobre cómo funcionó, y si tiene algún problema o pregunta, ¡la comunidad JMP está aquí! 
Que tengas un buen fin de semana también @adouyon !Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Muchas gracias, @Victor_G , por su valiosa ayuda para perfeccionar este diseño. Lo aprecio sinceramente!!!
Ahora me siento más cómoda y confiada probando este diseño en el laboratorio 
¡Gracias por todas sus aclaraciones súper útiles y por responder siempre tan rápido!
Ten un excelente fin de semana, @Victor_G !!
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @adouyon ,
Genial, creo que tiene más sentido asegurarse primero de los efectos principales y las interacciones, y luego aumentar el diseño para optimizar la predicción de la varianza.
1- Si puede ejecutar sus experimentos por lotes de 12 ejecuciones, es más seguro y recomendable utilizar el bloqueo. En su caso, un bloque aleatorio como el que hizo parece una buena opción, ya que no está particularmente interesado en conocer la diferencia entre las dos ejecuciones, sino más bien en la variabilidad de las dos ejecuciones.
2- El problema con la plataforma "Augment Design" es que probablemente perderá su bloqueo aleatorio (porque incluso si lo pone en los factores antes de lanzar la plataforma, no se tendrá en cuenta después, y solo tener acceso a la opción "Aumentar", no a la de "Replicar"). Dos opciones para poder aumentar su diseño y replicarlo:
- Simplemente copie sus primeras 24 filas, péguelas después y cambie los niveles de bloques aleatorios (1 se convierte en 3, 2 se convierte en 4).
- Usted genera directamente un diseño de 48 ejecuciones especificando en la generación del diseño que desea 24 ejecuciones replicadas, por grupo de 12 experimentos. Terminará con el diseño tv8 (adjunto), y desde allí, puede ejecutar directamente los 48 experimentos de este diseño si tiene suficiente presupuesto experimental.
Los dos enfoques son similares, incluso si el segundo (tv8 en comparación con tv7 aumentado mediante copiar/pegar) es más eficiente (mejor distribución de las ejecuciones experimentales en los diferentes bloques, ver capturas de pantalla).
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Gracias @Mark_Bailey por la aclaracion!!
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @Victor_G , muchas gracias por la aclaración y rápida respuesta, como siempre!!
Pulí mi diseño ahora para incluir los 4 factores ( no ignorando X4 ya que el efecto de este factor aún es completamente desconocido) y todas las interacciones con estimabilidad configuradas como 'necesarias', así como el efecto cuadrático de mi variable de tiempo (X3) también configuradas como 'necesarias'. Mantuve los otros efectos cuadráticos de las otras 3 variables (X1, X2, X3) con estimabilidad establecida en "si es posible", ya que supongo que habrá curvatura, por lo que me gustaría aumentar el diseño en el futuro.
[Espero efectos significativos de los términos de interacción con la mayoría de los factores, excepto las interacciones con la variable X4, cuyo factor no tengo información por adelantado. Es por eso que mantuve todas las interacciones estimables configuradas como 'necesarias' en este diseño pulido].
En mi diseño anterior, "i_tv5_Iopt_changedEst_remov2_24runs" , había eliminado los términos 'X1*X1' y 'X2*X4', pero como no tengo ninguna evidencia de que estos no sean significativos , (y en base a las diversas aclaraciones con las que me ayudaste) Decidí mantenerlos en el nuevo diseño pulido. ('X1*X1' con estimabilidad establecida en 'si es posible' y 'X2*X4' establecida en 'necesario').
Se adjunta el diseño pulido llamado "tv6_Dopt_24rns_QTermsIfPoss_ExceptX3X3_110322".
La varianza parece haber aumentado ahora, pero por lo que me has explicado, entiendo que está bien, ya que planeo aumentar este diseño en el futuro.
Ahora, me preguntaba, ¿qué tan importante es la variable de "bloqueo"?
Mis experimentos se pueden ejecutar en un contenedor (de reacción) que puede probar específicamente para hasta 12 condiciones diferentes (tratamientos) a la vez . Dado que este diseño tiene 24 tratamientos diferentes (24 ejecuciones), primero tendré que ejecutar 12 tratamientos y completar ese experimento. Luego, por separado, una vez que termine con este primer lote de 12 tratamientos, haré otro experimento con el resto de los 12 tratamientos. Entonces, ¿debería agregar la variable de "bloqueo"?
Intenté agregar esta variable de "bloqueo" ingresando el número '12' donde dice "El grupo se encuentra con bloques aleatorios de tamaño" (= 12) (diseño adjunto, llamado "tv7_liketv6_withBlocking"). Me di cuenta de que esto aumentaba ligeramente mi varianza (ver captura de pantalla, color naranja para este diseño de tv7.
1- ¿Hice esta parte correctamente? @Victor_G ?
2- Y, como tengo espacio en el contenedor para duplicados, ahora también puedo aumentar el diseño para duplicarlo, ¿no? ¿Qué hago con la variable "bloque aleatorio" al duplicar el diseño? Vea la primera captura de pantalla adjunta, ¿debería agregarla también en el cuadro 'X, factor'?
Muchas gracias @Victor_G !!
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?La varianza de predicción es información útil cuando se comparan dos o más diseños cuando la predicción es el objetivo principal de este experimento: cuanto menor sea la varianza, mejor será el diseño.
Recuerde que no hay información sobre la varianza de la respuesta antes de recopilar los datos. Esta gráfica asume que esta varianza es 1, lo cual es poco probable. La gráfica también asume el modelo lineal y sus supuestos, incluida la varianza constante en todo el rango de respuesta. Si tiene una estimación de la respuesta, multiplique la escala en esta gráfica por su estimación para conocer la varianza de predicción real. La raíz cuadrada de esta varianza es el error estándar de predicción.
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @adouyon ,
- Tienes razón, dado que agregas pocos factores a la pantalla, te recomendé agregar un efecto cuadrático para el tiempo, ya que los procesos químicos o biológicos rara vez dependen linealmente en el tiempo, por lo que puede ser mejor tener este término cuadrático directamente en el modelo. . Y como tenía "restricciones" con este factor de tiempo (para decimales), elige un tipo numérico discreto con 3 niveles para este factor, que agrega automáticamente los términos cuadráticos en el modelo con la estimabilidad "si es posible", por lo que debería ser bien con estos ajustes.
- Estos cubos no están completamente separados unos de otros, es más una ayuda y una guía durante el proceso de creación de su DoE, para autoevaluar en qué etapa se encuentra. Dependiendo de su presupuesto experimental, puede ser tentador hacer solo un gran DoE, pero puede ser una falta de recursos, ya que la mayoría de los efectos probablemente no sean significativos o no tengan una gran influencia en la respuesta. Es por eso que tiendo a describir el uso de DoE durante un estudio con estos 3 pasos: detección, optimización y predicción, ya que ayuda a descubrir lo que ya sabe sobre el sistema y lo que le gustaría saber para comprender mejor y predecir su sistema. Usé en capacitaciones anteriores del DoE la figura que he insertado como captura de pantalla aquí. Pero como usted dice, dependiendo de la situación, puede parecer un poco simplista y todos los estudios que usan DoE no pasan por estas 3 etapas, ya que el conocimiento previo, la experiencia en el dominio o los datos históricos pueden ayudar a tener una comprensión justa del sistema.
En su caso, su número de factores es bastante bajo, pero no está seguro de la importancia de algunos efectos (X4 e interacciones/efecto cuadrático que involucra a X4). Por lo tanto, elegiría un criterio de D-optimalidad para evaluar las estimaciones de los parámetros con la mayor precisión posible y tener la posibilidad de clasificar los efectos significativos de los no significativos.
Su diseño tiene sentido, y el DoE de 24 ejecuciones ("i_tv5_Iopt_changedEst_remov2_24runs") realizado antes de la replicación parece un buen compromiso entre el tamaño de las ejecuciones y la detección de efectos. Y debido a la presencia de 5 ejecuciones repetidas, debería poder estimar el ruido en su respuesta y la falta de ajuste.
Puede que aún no sea un modelo predictivo (dependiendo de la precisión que desee tener), pero es un buen primer paso para evaluar qué términos son significativos y, a partir de ahí, puede aumentar el diseño para mejorar la precisión de la predicción.
Espero que esta respuesta te ayude,
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Gracias @Victor_G por la respuesta rápida y por la respuesta clara!!
- Entonces, pero si uno de mis factores es el tiempo, ¿agregaría directamente los efectos/términos cuadráticos en este primer diseño de 'Prueba de concepto', o aún esperaría para agregarlo más tarde (en la próxima iteración) al aumentar?
Recuerdo que en mi primera publicación me advertiste que si tengo un factor que es el tiempo y es una variable continua, debería tener efectos cuadráticos ( https://docs.google.com/presentation/d/1BOYJfa54Kt2MnH5TrSpSOOr6-GLIwlJKUhZPFK8gxXM/edit?usp=sharing ). Aunque mi factor de tiempo es un factor numérico discreto (debido a que no puedo aceptar decimales) con 3 niveles, ¿hace esto alguna diferencia?
- En JMP DOE, parece que realmente separamos las cosas en cubos según el propósito; 1) selección, 2) optimización, 3) predicción.
Pero, ¿las personas siempre tienen una separación tan clara en su trabajo/diseño?
Mi diseño tiene 4 factores, de los cuales 3 sé con certeza que tienen un efecto principal significativo. Solo hay 1 factor (X4) que no estoy seguro si será muy significativo en el diseño (sospecho que no será tan significativo como los otros 3, pero no tengo pruebas). Sospecho que los efectos de interacción serán significativos con la mayoría de los términos de interacción (probablemente todos excepto los que interactúan con X4, que nuevamente no creo que sean tan significativos, pero no tengo pruebas). [Y sospecho que también tendré efectos cuadráticos...]
Por lo tanto, parece que mi diseño es como una mezcla de cribado (porque tengo un factor del que no sé nada) + optimización (porque tengo 3 factores de los que estoy 99.999 % seguro de que tienen un efecto realmente significativo). ¿Tendría eso algún sentido? ¿Podrías aclarar esto? @Victor_G ya que esto afecta el criterio de optimización elegido para comenzar (estoy confundido si debo elegir D- o I-optimalidad)?
Un millón de gracias @Victor_G !!!
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @adouyon ,
Sí, generalmente no haces un solo diseño, sino que lo aumentas varias veces a medida que aumenta tu conocimiento del proceso/sistema/formulación.
Puede comenzar seleccionando solo los efectos principales (dependiendo de la cantidad de factores y la cantidad requerida de ejecuciones, puede agregar términos de interacción directamente en esta fase), luego las interacciones para optimizar el conocimiento sobre el sistema y luego los efectos cuadráticos para construir una predicción sólida. modelo.
Dependiendo de la cantidad y el tipo de factores, puede haber mejores alternativas: por ejemplo, para una gran cantidad de factores (> 5, y solo factores categóricos continuos o de 2 niveles), los diseños de detección definitiva (DSD) pueden ser una buena opción. para filtrar los efectos principales de manera imparcial y tener la posibilidad de detectar algunos términos de interacción y cuadráticos.
Espero que esta respuesta te ayude,
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Muchas gracias @Victor_G !! ¡Eso tiene sentido!
Entonces, en general, ¿es una buena práctica probar los términos de interacción primero con los factores principales y luego aumentar agregando términos cuadráticos? (Solo confirmando ya que su sugerencia tiene este orden).
Muchas gracias @Victor_G !!
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @adouyon ,
No existe una "regla estricta" o un "valor límite" sobre cuán baja debe ser la variación de la predicción (¿relativa?), ya que este requisito puede diferir según el tema, el dominio y el valor comercial. En algunos dominios y aplicaciones específicas (como farmacéutica), existen normas sobre la precisión requerida de los modelos, en otros este valor se deja a discreción de los científicos/experimentadores. Debe haber un compromiso entre una precisión adecuada de acuerdo con el posible presupuesto experimental y las limitaciones del diseño/espacio experimental.
No me sorprende la comparación y los resultados que tiene entre los dos diseños, ya que aumentar el número de ejecuciones disminuirá la varianza de predicción (tendrá más grados de libertad y, en consecuencia, una mejor estimación de errores/ruido y de efectos ).
Si está en una fase de "prueba de concepto" y no está completamente seguro de qué factores ingresar en su modelo y diseño, me parece bastante peligroso eliminar un factor si no está completamente seguro de que este factor no tiene ningún efecto en la respuesta. (s).
Para estar seguro, preferiría comenzar con un diseño que tenga una mayor variación de predicción (pero más factores evaluados), para estar seguro de no perder un efecto. Una vez que se realiza esta selección (sobre los efectos principales y las interacciones), siempre puede aumentar su diseño para disminuir la varianza de predicción (modelo predictivo) y/o ingresar nuevos términos en el modelo (como efectos cuadráticos para la optimización del modelo).
Su elección dependerá de la etapa en la que se encuentre para el diseño (¿detección, optimización, predicción?) y el conocimiento que ya tenga sobre su proceso/producto/formulación/...
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @Victor_G !
Muchas gracias por tu respuesta, super útil!!
Para dar seguimiento a eso, ¿qué tan baja debe ser la varianza de la predicción? cual seria el valor de corte?
En la página de ayuda de JMP, dice " Se desea una varianza de predicción baja".
Estoy entre dos diseños DOE, 'tv5' (24 tratamientos, 48 ejecuciones por duplicado) y 'tv7' (12 tratamientos, 24 ejecuciones por duplicado) , ambos adjuntos. En términos de varianza predicha, el diseño 'tv5' tiene una mejor (menor) varianza predicha.
Pero 'tv5' tiene el doble de tratamientos que 'tv7' (24 frente a 12), lo que significa que puedo hacer los experimentos mucho más rápido con 'design tv7'. El diseño 'tv7' solo tiene 3 factores; Dejé caer 'X4' para intentar reducir la cantidad de experimentos necesarios. Me gustaría que este primer experimento sea solo una prueba de concepto, para mostrar lo que podemos lograr con JMP, por lo que prefiero no tener demasiados tratamientos/ejecuciones en mi primer diseño, pero me preocupa que la varianza pronosticada sea demasiado alto para tv7, ¿verdad?
Muchas gracias, @Victor_G !!
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @adouyon ,
Con respecto a su primera pregunta sobre su eficiencia G inferior a su eficiencia D, es bastante difícil comparar diferentes métricas de eficiencia solo en un diseño. Recuerde que las métricas de eficiencia son medidas/estadísticas agregadas de criterios de optimización, por lo que pueden proporcionar una buena visión general al comparar diseños, pero no son suficientes para tomar una decisión.
- Si le preocupa la precisión de sus respuestas predichas, creo que el "Perfil de varianza de predicción" es mucho más informativo, ya que puede explorar y determinar en qué área de su espacio experimental su predicción de varianza relativa es la más alta. En su último diseño, tendrá una predicción de varianza relativa bastante alta cuando X2 esté en el nivel más bajo (1) y X4 en el más alto (10), lo cual es normal porque debido a las combinaciones no permitidas, no habrá puntos en esta área. (ver captura de pantalla "Experimental-space-X4-X2"). Esto también puede explicar por qué la medida agregada de G-optimalidad, G-eficiencia, es baja (debido al área experimental restringida, lo que aumenta la varianza de predicción relativa).
Para que pueda obtener una buena comprensión visualizando sus puntos/espacio experimentales y observando el "perfil de varianza de predicción". Ver Perfil de varianza de predicción (jmp.com) para obtener más detalles y para calcular la varianza real de la predicción.
Con respecto a su segunda pregunta, estos valores de respuesta anticipados no son una predicción de la respuesta, porque si lo fueran, suponga que ya sabe cuál es el valor exacto de los coeficientes en su modelo de regresión, por lo que probablemente no haga un diseño experimental si ya lo supieras.
Es más una guía/ayuda que puede usar de dos maneras diferentes:
- Para saber, según el modelo que cree y los coeficientes del modelo que puede elegir/cambiar libremente, qué valores podría esperar de las respuestas experimentales (no olvide cambiar el coeficiente de su intersección para tener valores de respuesta en el rango de lo que cabría esperar, y no centrado alrededor de 0/1, dependiendo de los otros coeficientes).
- Para evaluar, con la ayuda de la columna Potencia, cuál sería la diferencia más baja detectable (o la probabilidad de detectar y efectuar) con su diseño, para un nivel de significancia específico y RMSE.
Espero que esta respuesta sea de ayuda,
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Como tal, los valores predeterminados de 1 para el RMSE y todos los coeficientes son útiles. Esta configuración refleja el caso en el que espera que el valor absoluto de todos los efectos sea al menos el doble del RMSE. Es una comparación relativa.
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Gracias @Mark_Bailey por aclarar!
¡Eso tiene sentido!
Entonces, en este momento, los coeficientes anticipados por defecto son todos 1. Debido a que todos los coeficientes tienen el mismo valor (=1), las respuestas anticipadas son muy similares entre los diversos tratamientos/ejecuciones (que van de -0,9 a 9). ¿Bien? Sin embargo, en la vida real estos valores probablemente no todos serán iguales y también probablemente estos valores no serán iguales a 1 . ¿Entendí esto correctamente?
¡¡Muchas gracias!!
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Sí, eso es exactamente lo que significa. Esta información es una verificación de consistencia si usa el Análisis de energía de esta manera. Puede ingresar coeficientes anticipados y revisar la respuesta esperada para cada ejecución, o puede ingresar la respuesta anticipada y revisar los coeficientes correspondientes que obtendrá del análisis de regresión. Son solo dos formas diferentes de decirle a JMP sobre el tamaño de los efectos que espera realizar en el análisis de potencia. Son diferentes, pero deben ser consistentes.
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @Victor_G , ¡muchas gracias por tomarse el tiempo de explicar todo y por indicarme recursos adicionales! ¡Es muy útil!
Me preguntaba, es el hecho de que la eficiencia G (32) es más baja que la eficiencia D (41) una preocupación si mi objetivo es optimizar y predecir con precisión la respuesta óptima (no buscar factores)?
Además, leí el Página de ayuda de JMP sobre "Diseño y esquema de respuestas anticipadas" . Dice específicamente " El esquema de diseño y respuestas anticipadas muestra el diseño precedido por una columna de respuesta anticipada. Cada entrada en la primera columna es la Respuesta Anticipada correspondiente a la configuración del diseño. La Respuesta Anticipada se calcula usando los Coeficientes Anticipados... La respuesta anticipada es el valor de respuesta obtenido usando los valores del Coeficiente Anticipado como coeficientes en el modelo. Cuando aparece el esquema por primera vez, el cálculo de los valores de Respuesta anticipada se basa en los valores predeterminados en la columna Coeficiente anticipado. Cuando establezca nuevos valores en la columna Respuesta anticipada, haga clic en Aplicar cambios a las respuestas anticipadas para actualizar las columnas Coeficiente Anticipado y Potencia" .
Sin embargo, todavía estoy un poco confundido ya que la explicación es bastante breve. Estos valores de respuesta anticipada no son una predicción de la respuesta, ¿verdad? Estos valores no significan que estos valores de respuesta sean lo que debo esperar después de hacer los experimentos en el laboratorio, ¿o sí?
Estos valores actualmente varían de -0.9 a 9 en mi diseño duplicado i_tv5 (adjunto), pero esto no significa que deba esperar obtener una respuesta dentro de este rango de -0.9-9 después de hacer el experimento en el laboratorio, ¿verdad? ?
Gracias @Victor_G !!
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @adouyon ,
Primero, acabo de revisar la sección de ayuda de JMP, y al usar la plataforma "Comparar diseños", la explicación que di sobre el índice de eficiencia es correcta. Ver Diseños de diferentes tamaños de tirada (jmp.com)
Con respecto a sus nuevas preguntas:
- Dado que las restricciones son parte de la creación del diseño (se tienen en cuenta para saber qué parte del espacio experimental está restringida/prohibida, y el algoritmo de intercambio de coordenadas intenta colocar los puntos en este nuevo espacio de la manera más óptima), puede No cambie las restricciones después de haber generado su diseño. De lo contrario, puede encontrar puntos que se encuentran en la parte recientemente prohibida/restringida de su espacio experimental, por lo que estas ejecuciones no serán factibles. Me temo que tendrás que empezar de nuevo. Si está hablando de las restricciones y el problema que identifiqué con los nombres de las variables, puede editar el script, pero verifique que los nombres de las variables sean correctos en mi edición para asegurarse de que la tabla de diseño que ya tiene respetar las restricciones.
Si hace clic en el script "Diálogo DoE", verá que se abre una nueva ventana con toda la información que tenía justo antes de hacer clic en "Hacer diseño", por lo que podrá verificar cuál era la estimabilidad de los términos. en su diseño (ver captura de pantalla).
- Como este X4*X4 no es un término estimable "necesario", no lo verá en la plataforma "Evaluar diseño", porque el número de ejecuciones es menor que el número total de parámetros que le gustaría estimar (necesario + si es posible). En la ayuda de JMP sobre diagnósticos de diseño: " Estos diagnósticos no se muestran para diseños que incluyen factores con Cambios configurados como Difícil o Muy Difícil o efectos con Estimabilidad designados como Si es posible. (fuente: Diagnóstico de diseño (jmp.com) ). Es por eso que tiene un diagnóstico de diseño "peor" cuando compara este diseño con un diseño que tiene este término estimabilidad establecido en "Necesario" (ya que esta vez se tiene en cuenta en la evaluación del diseño).
Pero en el análisis se sigue manteniendo este término, porque si un efecto principal por ejemplo no es significativo, esto deja libres algunos grados de libertad para estimar otro efecto/término. Puede leer más detalles sobre este diseño específico (con términos estimables "Si es posible") aquí: Criterios de Optimalidad (jmp.com) Hay varias formas de analizar este tipo de diseños, he mencionado algunas en otro de tus post: Resuelto: Re: Error al comparar múltiples diseños DOE - JMP User Community
Sugeriría mantener su diseño con estimabilidad del término X4*X4 establecido en "Si es posible", y tratar de aumentar su diseño si las respuestas que ha medido muestran una fuerte indicación de que este término puede ser significativo y/o si carece de precisión. para su(s) respuesta(s) predicha(s). DoE no es necesariamente un enfoque de "hacerlo todo en una sola vez", a menudo es mejor comenzar con un diseño más pequeño y aumentarlo de la manera más eficiente y óptima (enfoque secuencial/iterativo).
3. Encontrará sus respuestas aquí: Análisis de potencia (jmp.com) Puede cambiar libremente los valores de respuesta anticipada (o coeficiente anticipado) para ver cómo se comportan los coeficientes anticipados (o inversamente cómo cambian los valores de respuesta anticipada). No olvide cambiar el coeficiente de intercepción para tener respuestas superiores a 10 en su caso concreto si desea estar más cerca de las respuestas anticipadas para su caso de uso.
4. El criterio de optimización puede cambiar dependiendo de la forma en que esté aumentando el diseño. Por ejemplo, si pasa de un diseño de cribado a un diseño RSM (agregando interacciones y términos cuadráticos en el modelo), entonces el criterio de optimización puede cambiar de D a I óptimo. La mejor opción es verificar cuál está configurado por JMP (puede mirar en la tabla, justo debajo del nombre de la tabla y los scripts anteriores, qué criterio se eligió y cómo se generó el diseño), o configurarlo si sabe en avance (triángulo rojo en la plataforma de Diseño personalizado, criterio de optimización, y luego elija el más relevante).
Espero que esta respuesta te ayude,
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @Victor_G y @Mark_Bailey ! ¡Gracias por su ayuda! ¡Muy apreciado!
@Mark_Bailey , ¡Gracias por la visión de usted! Similar a @Victor_G , También me pregunto si esta proporción de 0.5 y ~0.333 (eficiencia) que vemos cuando se compara con un diseño duplicado o triplicado, respectivamente, ¿tiene algún significado entonces?
1- gracias @Victor_G por detectar ese error en las restricciones! Me pregunto, ¿puedo editar las restricciones después de haber generado la tabla DOE o tengo que empezar de nuevo?
En la misma nota, después de generar una tabla DOE, ¿cómo puedo verificar/ver la 'estimabilidad' de los diversos términos (efectos principales, términos cuadráticos, etc.)?
2- También noté que sucedía otra cosa extraña con mi diseño (ahora actualizado) (i_tv5 adjunto). especifiqué el X4*X4 término como “si es posible” en la selección de 'estimabilidad'.
Después de generar la tabla DOE, cuando voy y verifico el '>Modelo' (en el panel izquierdo), veo todos los términos que incluí antes de generar el diseño. Sin embargo, si voy a '> Evaluar diseño' (también en el panel izquierdo), noto que el término X4*X4 desapareció. Ahí no aparece.¿JMP eliminó ese término del diseño porque no hay suficientes ejecuciones para analizar ese término x4*x4 (el total de #ejecuciones es 24)?
Si cambio la estimabilidad de este término a 'necesario', entonces el diseño se vuelve peor (adjunto): a) la varianza de predicción es mayor, b) el análisis de potencia es todo 0 y c) las eficiencias de diseño son 10 veces más bajas.
Este problema con el término x4*x4 me está dando dificultades al comparar diseños. Estaba tratando de comparar este diseño con un diseño duplicado (adjunto). El mensaje de error aparece de nuevo ☹ “El modelo para el diseño primario no se puede ajustar a todos los diseños. Eliminando términos inestimables del modelo”.
¿Como puedo resolver esto? ¿Simplemente ignoro este mensaje de error si JMP lo ignorará de todos modos? Creo que este término X4*X4 puede no ser significativo (pero no estoy 100 % seguro).Debido a la limitación de recursos, no puedo hacer más de 24 carreras.
¿Qué recomendaría si solo puedo hacer 24 carreras y, al mismo tiempo, creo que este término puede no ser muy significativo (pero nunca lo probé antes)?
3- Por otro lado; ¿Qué significan los valores bajo el "Diseño y Respuestas Anticipadas"? (ver captura de pantalla) ¿significar? Esos valores no tienen sentido para mí en absoluto. El objetivo de este diseño es maximizar la respuesta. Establecí el límite inferior en 10. Los valores que veo en esta sección "Diseño y respuestas anticipadas" son <10, o 0 o algunos son valores negativos. ¿Es esto una preocupación?
4- Una última pregunta rápida: Cuando aumento un diseño, ¿el criterio de optimización se mantiene en el diseño aumentado? Noté que cuando duplico un diseño al aumentarlo, el diseño duplicado parece regresar al criterio de optimización 'recomendado'…. Pero, ¿cuál es el recomendado por JMP, es D- o I-optimalidad, qué es?
¡¡Gracias por toda tu ayuda!!
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @Mark_Bailey ,
Las capturas de pantalla proporcionadas se tomaron de la plataforma "Comparar diseños", por lo que las eficiencias "ya" son relativas, ya que se calculan en comparación con el "peor" diseño aquí (v5 con 18 ejecuciones).
Entonces, las eficiencias de v5 frente a v6 (36 ejecuciones) son 0,5 (eficiencias v5/v6 = 0,5), lo que debería significar que las eficiencias de v6 son 2 veces más altas que las de v5.
Y si la lógica es correcta, entonces las eficiencias de v5 frente a v7 (54 ejecuciones) son 0,333, lo que significa que las eficiencias de v7 son 3 veces más altas que las de v5, por lo que v7 es el mejor diseño (en comparación con otros), no v6 que tiene eficiencias relativas de diseño igual a 0,5 en comparación con v5.
¿O entendí algo mal?
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?La escala para la varianza de predicción utilizada por el gráfico FDS parece incorrecta. Sospecho que todos los valores son mayores que el máximo en la escala. ¿Intentaste cambiar la escala?
La potencia siempre es menor para los términos de orden superior. Además, la potencia no es tan importante cuando no se utiliza el análisis para determinar qué efectos son importantes. La varianza de la predicción es más importante cuando se usa el modelo para optimizar la configuración de los factores.
Las eficiencias se normalizan por el número de ejecuciones, por lo que replicar un diseño no cambiará la eficiencia. La eficiencia no es útil como métrica absoluta. Le informa sobre el diseño actual en relación con un diseño teórico, que a menudo es imposible. Úselo como una medida comparativa para comparar dos o más diseños. Entonces el diseño con eficiencia = 1/2 es mejor que el diseño con eficiencia = 1/3.
Re: Comparación de DoEs: ¿Por qué las eficiencias de D/G/A/I son todas IGUALES y terriblemente BAJAS?Hola @adouyon ,
Para su primera pregunta, la trama de la fracción del espacio de diseño está en blanco para cada diseño individual, lo cual es extraño. Mirando su secuencia de comandos de combinaciones no permitidas, puede haber un problema, ya que el nombre de sus factores en la tabla de datos no es el mismo en su secuencia de comandos de "Combinaciones no permitidas" (por lo que JMP puede perderse al interpretar qué es "Pulsos" y en qué columna es por ejemplo).
Cuando cambio el script "Combinaciones no permitidas" con nombres anónimos para las columnas (X1, X2, X3, X4), puedo ver la fracción del gráfico del espacio de diseño para cada diseño individual y aparece en la comparación de diseños (ver captura de pantalla ). El script de combinaciones no permitidas corregido está aquí (asegúrese de que no cometí ningún error al invertir X1/X2/X4 en el script):
X2 == 1 & (X4 >= 0.0595238095238095 & X4 <= 10) | (
X2 == 2 | X2 == 3) & X4 == 0
Para su segunda pregunta con la comparación de eficiencia de los diseños, tenga en cuenta que su referencia en esta plataforma según sus capturas de pantalla es la v5 (el diseño más pequeño con 18 ejecuciones). Entonces JMP calculará el relativo eficiencias de v5 comparadas con v6 y v7 (como fracciones: eficiencia de v5 dividida por la eficiencia de v6 o v7 para todos los criterios de eficiencia). Según su captura de pantalla, puede ver que v6 será 2 veces más eficiente que v5 para los criterios de eficiencia D/G/A/I cuando agrega 18 ejecuciones, y v7 será 3 veces más eficiente que v5 para D/G/A /I criterios de eficiencia cuando agrega 36 ejecuciones (porque las eficiencias relativas de v5 son 0,333 en comparación con v7).
Si desea ver la comparación basada en su diseño "medio" con 36 ejecuciones, inicie la plataforma de comparación de diseños desde la tabla de datos de su diseño de 36 ejecuciones. Debería tener la comparación relativa como se muestra en mi captura de pantalla adjunta (y de hecho verá que v6 tiene valores de eficiencia relativa 2 veces más altos que para v5).
