DOE: cómo manejar los factores no controlados que se ven afectados directamente por otros factores mediante el DOE personalizadoSoy bastante novato en estas cosas, así que definiré la situación. Por favor comparta sus pensamientos sobre la situación.
Tengo dos factores (Entradas A, 
que afectan individual y directamente a los factores C y D (Medidas). El aumento de A o B conduce a un aumento en C y D. El problema es que actualmente estoy tratando de desacoplar los beneficios de A y B de C y D. Intenté un RSM DOE donde dejé C y D como factores no controlados. JMP agregó algunas ejecuciones más y mi esperanza era obtener suficiente variación en estas para que el modelo se generara adecuadamente. Lamentablemente, después de completar los factores con las medidas C y D, evalué el diseño y obtuve este perfil de varianza. Así que creo que no tuve éxito en este intento.
¿Cómo se modelan los factores que están directamente influenciados por otros factores?
Diseño de experimentosventanasRe: DOE - Cómo manejar factores no controlados directamente afectados por otros factores usando DOE personalizadoMe parece que sus 'factores C y D' son lo que se denominan covariables en JMP. Es posible que desee echar un vistazo aquí para obtener información adicional. Manejo Covariables al diseñar experimentos
Re: DOE - Cómo manejar factores no controlados directamente afectados por otros factores usando DOE personalizadoLo siento, estoy un poco confundido por la terminología que estás usando.Tal vez puedas aclarar.Observa que A y B son variables de entrada (X).Estoy confundido por lo que llamas C & D?¿Son estas variables de respuesta (Y) o variables de entrada?¿Las estás llamando medidas?
Si son variables de entrada que no está dispuesto a controlar (por varias razones), entonces son variables de ruido.Si son variables de ruido medibles, entonces podrían considerarse covariables como sugiere Pete.Si son variables de entrada y están correlacionadas con A&B, entonces tiene problemas de multicolinealidad.No existe una forma matemática de eliminar los problemas de colinealidad.Debe usar SME para elegir cómo manejar estos factores colineales.Las opciones pueden incluir eliminar algunos de los términos colineales del modelo o combinar factores que son colineales en uno conjunto factor.
Re: DOE - Cómo manejar factores no controlados directamente afectados por otros factores usando DOE personalizadoBien, esa es una ruta que estaba investigando. Me alegra que me reafirmen que esta puede ser la dirección a seguir. ¡Gracias!
Re: DOE - Cómo manejar factores no controlados directamente afectados por otros factores usando DOE personalizadoOh, excelente punto. A y B son entradas (factores) sobre las que tengo control físico ajustando las concentraciones. Esto, a su vez, tiene un impacto en C y D, que son medidas que puedo tomar de la solución después de mezclar. C y D son propiedades conocidas por afectar este proceso y, por lo tanto, ellas mismas son factores. Puedo controlar C y D ajustando las concentraciones de A y B, o controlar A y B pero permitir que C y D permanezcan sin control. Están intrínsecamente unidos.
Sin embargo, veo absolutamente tu punto. De hecho, podría modelar C y D como una respuesta de A y B.
¿Crees que esto cae más bajo un problema de colinealidad?
Ambos componentes (A y son diferentes, pero tienen los mismos efectos en C y D. Mi esperanza era poder usar combinaciones de los dos para determinar si los componentes en sí mismos mejoran el proceso de forma inherente o si son sus propiedades comunes. (C y D) sobre la solución que está impulsando la mejora.
Desde el punto de vista de OFAT, probablemente mantendría constantes C y D ajustando A y B. Si los resultados fueran comparables, descartaría A y B como insignificantes y C y D y los factores principales.
A1 + B1 = C + D
A2 + B2 = C + D
A3 + B3 = C + D
Sin embargo, estoy tratando de avanzar hacia enfoques más estadísticos para estos experimentos.
¡Gracias por su ayuda hasta ahora!
Re: DOE - Cómo manejar factores no controlados directamente afectados por otros factores usando DOE personalizadoDebo admitir que hablar en general sobre una situación específica es muy desafiante, si no imposible.No se proporciona suficiente contexto.
" De hecho, podría modelar C y D como una respuesta de A y B".Ese es tu experimento. C y D son variables de respuesta a los factores A y B (al menos esa es su explicación).Dado que C & D no se pueden controlar/gestionar explícitamente, no son factores.Llamaría a esos en proceso y (Y = f (y)).Piense en la jerarquía de los efectos. (Y=f(C,D)=g(A,B))
Su declaración OFAT no tiene sentido.No puede mantener constante C&D, manipula A&B para administrar C&D.
Los problemas adicionales son variables no controladas que no está teniendo en cuenta (errores de medición, variación en las materias primas, condiciones ambientales, variables de procesamiento, etc.)
