Diseño de superficie de respuesta con factores continuos y un factor categórico.Hola compañeros JMPers
Estoy tratando de encontrar los parámetros de fabricación óptimos utilizando el enfoque RSM. Mi diseño tiene 5 respuestas y 5 factores (4 continuos y 1 categórico).Intenté utilizar el diseño de superficie de respuesta clásica DOE; pero cuando llego a ingresar los factores, ¿parece que los factores solo pueden ser continuos? Estaba usando el diseño CCD. No estoy seguro de cómo puedo navegar por esto. Cuando sigo colocando mi factor categórico como un factor continuo, obtengo algunas variaciones sin sentido en la tabla de diseño, ya que se supone que esta categoría tiene solo dos niveles.
Lo que he intentado hacer ahora es crear un diseño personalizado y elegir el RSM en Modelo (y aparece el mensaje de que el factor categórico no puede aparecer en los términos del modelo polinómico), y paso a seleccionar el número mínimo de ejecuciones, y en en este caso 22 (con 2 puntos centrales), ¿o debería seleccionar el número predeterminado de ejecuciones que es 26?
Mi problema es que no estoy seguro de si este es el enfoque correcto. y si es así, ¿cómo evalúo la precisión del diseño? También leí en alguna parte del foro que no se puede usar CCD cuando el diseño es personalizado. Entonces no estoy seguro de cómo puedo usar el RSM. Mi objetivo es optimizar mi proceso.
Hubo una pregunta similar hace algún tiempo, pero no está claro qué terminó haciendo el usuario, de ahí mi pregunta aquí. Además, parece que ya no puedo encontrar la publicación.
Gracias de antemano por sus aportes.
Diseño de experimentosRe: Diseño de superficie de respuesta con factores continuos y un factor categóricoHola Phil,
Tengo el mismo escenario con Incr_ch22. Pero quiero agregar bloquearlo en dos. Cuando lo hago, el poder de intercepción es muy bajo. ¿Está bien?
Re: Diseño de superficie de respuesta con factores continuos y un factor categóricoCorrer @Phil_Kay
Gracias por la explicación, tiene mucho sentido para mí. Sabía sobre el factor numérico discreto, pero nunca se me había pasado por la cabeza que realmente podría ser aplicable aquí. Tu(s) aporte(s) han sido de mucha ayuda.
Re: Diseño de superficie de respuesta con factores continuos y un factor categóricoHola @Incr_ch22 ,
Se ve bien.
Las 4 carreras repetidas son los puntos centrales. Especificó 2 puntos centrales, que es el número mínimo que contendrá el diseño. Custom Design ha determinado que es mejor tener 4 puntos centrales.
Adjunto una alternativa. Para ser claros, no estoy diciendo que este sea el diseño "correcto".
La diferencia es que puse los puntos centrales en cero.
Y convertí la mezcla en polvo en un factor numérico discreto. Es decir, un factor que es numérico y continuo pero que sólo puede tomar ciertos valores (50 y 100 en este caso) en el diseño. Puede que ese no sea el tipo de factor correcto, pero solo quería informarle sobre la posibilidad.
El diseño alternativo tiene algunas propiedades ligeramente diferentes. La correlación entre los efectos cuadráticos es un poco menor (consulte el script de la tabla para Evaluar diseño > Mapa de colores en correlaciones). Por lo tanto, debería poder estimar las relaciones curvilineales con una precisión ligeramente mayor.
Pero en realidad no hay grandes diferencias.
Espero que esto ayude.
filo
Re: Diseño de superficie de respuesta con factores continuos y un factor categóricoGracias @Victor_G para obtener el consejo sobre la precisión del diseño. ¡Definitivamente estoy interesado en aprender más y leeré sobre eso!
Re: Diseño de superficie de respuesta con factores continuos y un factor categóricoGracias @louv para su respuesta.
Sí, ya había realizado algunas pruebas de detección y estos factores influyeron en los parámetros objetivo.
Re: Diseño de superficie de respuesta con factores continuos y un factor categóricoMuchas gracias @Phil_Kay para su respuesta.
Sí, el factor categórico tiene 2 niveles. Terminé haciendo el diseño personalizado con el número predeterminado de ejecuciones; en este caso 26. Al analizar el diseño, me di cuenta que tengo 4 corridas que son exactamente iguales. ¿Es esto un error o es una forma de que el diseño pruebe la reproducibilidad? Adjunto el archivo por si sirve de ayuda.
Re: Diseño de superficie de respuesta con factores continuos y un factor categóricoAdemás de lo que Phil ha compartido, me gustaría preguntar si se completó un diseño de detección preliminar antes de ejecutar un diseño de superficie de respuesta. No estoy seguro de cuál es el costo de cada combinación de tratamientos, pero es beneficioso examinar muchos factores que pueden variar en un proceso y comprender la sensibilidad de un número más amplio de factores antes de una RSD.
Re: Diseño de superficie de respuesta con factores continuos y un factor categóricoHola @Incr_ch22 ,
Solo para agregar algo de información a los excelentes consejos y explicaciones de @Phil_Kay .
La evaluación de un diseño y su "precisión" se puede realizar en la creación del diseño, justo después de hacer clic en "Crear diseño", mirando la información proporcionada en la parte "Evaluación del diseño". Para comprender las diferentes partes de la evaluación del diseño, puede consultar la ayuda de JMP proporcionada en la sección "Evaluación del diseño": Diseño (jmp.com)
Esto puede ayudarle a evaluar su diseño actual y también puede comparar diferentes diseños con esta plataforma: cree sus tablas para cada diseño, luego haga clic en DoE -> Design Diagnostics -> Compare Designs y luego seleccione los diferentes modelos que le gustaría comparar.
Mi sensación personal es que, dado el bajo número de factores, existe un alto "riesgo" (o probabilidad) de que la mayoría de ellos sean significativos en el análisis, por lo que un enfoque secuencial (efectos principales, interacciones y luego efectos cuadráticos o definitivos Detección y aumento) o el uso directo de un diseño personalizado para un modelo RSM personalizado se adaptarán mejor a su configuración.
Espero que esto te ayude un poco más 
Re: Diseño de superficie de respuesta con factores continuos y un factor categóricoHola,
En primer lugar, dado lo que usted describe, el enfoque de diseño personalizado es el enfoque correcto. Para esto se creó Custom Design.
22 ejecuciones es el número mínimo de ejecuciones porque ha especificado 20 parámetros para estimar (1 intersección, 5 efectos principales, 10 interacciones de 2 factores, 4 efectos cuadráticos) más 2 puntos centrales adicionales. Supongo que el efecto categórico tiene 2 niveles: más niveles requerirían más ejecuciones.
Por cierto, los puntos centrales no son obligatorios.
JMP sugiere algunas ejecuciones adicionales como predeterminadas para brindar una mejor estimación del ruido experimental y más potencia.
Evaluar la precisión del diseño es un tema importante. Demasiado para cubrir aquí. Le sugiero que lea Diseño óptimo de experimento: un enfoque de estudio de caso de Goos y Jones si desea obtener más información.
Tenga la seguridad de que el diseño personalizado de JMP será el diseño óptimo de 26 corridas (con 2 puntos centrales) para el modelo de optimización RSM para sus factores.
Alternativamente, podría utilizar un enfoque secuencial de detección y luego aumento para optimización. Este es un enfoque estándar en situaciones en las que sospecha que no todos los factores tendrán un efecto importante en las respuestas. Un diseño de detección definitivo podría ser una buena opción para su experimento de detección.
Espero que esto ayude,
filo
Re: Diseño de superficie de respuesta con factores continuos y un factor categóricoHola Phil,
Tengo un problema similar aquí. Probé tanto el diseño de cliente como el de aumento como un DOE de detección seguido de un DOE de optimización.
pero el diseño de Augument solo puede reconocer el factor numérico ordinal como factor categórico, por lo que realmente no puede agregar RSM en el diseño de Augument. Parece que usar el diseño del cliente es la única forma de agregar un factor numérico discreto.
¿Tienes otra idea para optimizar el DOE añadiendo un factor numérico discreto?
El RSM clásico solo permite el continuo.
gracias de antemano.
Persona
