DOE: diseño de aumento para centrarse en un rango más estrechoHola,
Pregunta: ¿Hay alguna manera de agregar ejecuciones a un DOE (diseño de aumento), que agrega un rango enfocado de un factor? De esta manera, puede evaluar un rango más amplio y también centrarse en el rango óptimo esperado según el conocimiento previo.
Ex. 25 carreras con un factor (A) de 0-100 + 5 carreras con factor(A) de 0-30
Fondo:
He creado un diseño de detección definitivo que abarca mis factores de manera muy amplia. Tengo conocimiento previo (tanto interno como a través de la literatura) que muestra que el rango en el que este factor suele ser efectivo dentro de un rango específico (arbitrariamente ~20). Dicho esto, las DOE pueden sorprender cuando el conocimiento previo se basa en enfoques OFAT, razón por la cual he optado por una gama más amplia.
Actualmente, mi DOE varía este parámetro entre 0 y 100. Mirando el DOE, hay tres niveles que ha generado (0,50,100). Mi preocupación es que debido a que los dos niveles superiores (50 y 100) están potencialmente muy por encima del punto óptimo, no obtendré datos significativos. Estoy debatiendo agregar más ejecuciones y obligar al DOE a evaluar también un espacio más estrecho y enfocado alrededor de la marca objetivo 20.
Diseño de experimentosventanasRe: DOE: diseño de aumento para centrarse en un rango más estrechoHola @MetaLizard62080 ,
Sí, puedes cambiar los rangos de factores al aumentar un diseño: Ventana de diseño de aumento (jmp.com)
De forma predeterminada, JMP agregará los valores de rango para sus factores según su tabla de datos y la propiedad de columna "Codificación" de cada factor, pero aún tiene la posibilidad de ampliar o restringir los rangos de los factores.
También hay otros cambios que puedes hacer, como restricciones entre factores , términos en el modelo (agregar más complejidad, por ejemplo), cambiar el criterio de optimización , y puedes elegir cuál tipo de aumento te gustaría hacer.
Espero que esta (breve) respuesta te ayude.
Re: DOE: diseño de aumento para centrarse en un rango más estrechoTengo los siguientes pensamientos:
1. No existe una metodología o experimento singular que sea útil en todos los casos.
2. Creo en la iteración.Es decir, el primer experimento ayudará a planificar el siguiente experimento.Para ello, comience a desarrollar su comprensión con modelos de primer orden y auméntelos en experimentos posteriores.En otras palabras, no intentes conseguirlo todo en el primer experimento.KISS (Manténgalo simple y secuencial).
3. Su enfoque de ser audaz y aumentar el espacio de inferencia mientras investiga los efectos de segundo orden parece razonable.Ejecute esto primero y luego diseñe un experimento de seguimiento.Recuerde, no está tratando de "elegir un ganador", sino de comprender las relaciones causales.La determinación de los niveles óptimos se producirá en iteraciones posteriores.
4. También sugeriría incluir ruido en tus experimentos.
Re: DOE: diseño de aumento para centrarse en un rango más estrechoPara dar seguimiento. Intenté usar la función de diseño de aumento, pero en lugar de cambiar y restringir el rango (ingresé 0-30), simplemente agregó más ejecuciones en 0, supongo que porque la restricción de 0-30 estaba dentro del rango original de 0-100. .
¿Hay alguna manera de forzar al modelo a agregar 0, 15, 30 a las ejecuciones que fueron 0, 50, 100?
Re: DOE: diseño de aumento para centrarse en un rango más estrechoSi desea tener nuevas ejecuciones entre 0 y 30 para un factor, tendrá que cambiar el rango de factor; de lo contrario, JMP aumentará el diseño basándose en el rango de factor original (0 - 100).
Las nuevas corridas y los valores también dependen del modelo que haya asumido: si desea tener puntos en 0, 15 y 30, necesita tener un rango de factor de 0 a 30 y aumentar el diseño con puntos centrales o aumentar el diseño con agregando un efecto cuadrático para este factor en el modelo, dependiendo de las necesidades y objetivos de su modelo.
Tenga en cuenta también que dependiendo del modelo y del criterio de optimización elegido para el aumento, la repartición de puntos en los bordes y en el centro del espacio experimental puede diferir: Criterios de Optimidad
Es posible que tengas que cambiar a un diseño I-óptimo (además de agregar efecto cuadrático en el modelo) en el aumento para facilitar la generación de puntos en el nivel medio 15 (si el rango es 0-30).
