Diseño de detección del efecto principal versus OFAT: ¿cuál es mejor?Hola,
En JMP, en DOE > Clásico > Detección de dos niveles > Diseño de detección > "Construir un diseño de detección de efectos principales", existe la posibilidad de crear un diseño de detección que investigue únicamente los efectos principales. El resultado con 8 parámetros se muestra en el archivo adjunto.
¿Cuál sería la ventaja de este diseño en comparación con un OFAT, donde cada uno de los 8 parámetros se investigaría en un nivel alto y bajo (2 ejecuciones por parámetro)?
En ambos casos el número de carreras es 16.
¡Gracias de antemano por su apoyo!
Atentamente,
claire
Diseño de experimentosRe: Diseño de detección del efecto principal frente a OFAT: ¿cuál es mejor?Hola @cbaril ,
La pregunta de esta publicación es un poco inquietante, ya que la respuesta definitivamente sería DoE, por lo que le recomendaría que vea algunos seminarios web sobre los conceptos básicos de DoE para evaluar mejor la relevancia y la importancia de DoE.
DoE tiene muchos beneficios en comparación con OFAT, aquí hay algunos:
- Número limitado (y planificado/controlado con antelación) de experimentos,
- Se pueden estudiar interacciones y efectos no lineales,
- Modelo matemático para explicar o predecir variaciones de respuesta.
- Alta eficiencia (información versus número de experimentos) y flexibilidad del modelo asumido.
- Los errores se comparten de manera equitativa/homogénea en el espacio de diseño,
- Posibilidad de crear restricciones/diseños personalizados,
- Proceso iterativo a través del "Aumento" y muchas estrategias posibles: puede comenzar examinando los efectos principales, luego verificando las interacciones y finalmente construyendo un modelo de superficie de respuesta sólido para predecir con precisión sus respuestas,...
- La aleatorización de las ejecuciones evita la influencia del ruido y/o variables no controladas (que no tendría con un enfoque OFAT).
También puede responder a su pregunta creando un diseño OFAT y compararlo con un diseño factorial fraccionado (con 16 ejecuciones, en el caso del DOE tendría la posibilidad de ajustar algunas interacciones de 2 factores, en comparación con la "detección" OFAT ) :
- Análisis de potencia: posibilidad mucho mayor de detectar efectos principales significativos en comparación con OFAT
- Varianza de predicción en el espacio experimental: mejor repartición de las ejecuciones en el espacio experimental, por lo que menor varianza de predicción
- Correlaciones/alias entre términos: con el diseño OFAT, no hay posibilidad de detectar interacciones (alias)
Puede reproducir la evaluación del diseño y la comparación con las tablas de datos en copia.
Puede encontrar algunos recursos y más información en estas publicaciones:
Resuelto: enfoque DOE - Comunidad de usuarios de JMP
Resuelto: uso de DOE para experimentos OFAT - Comunidad de usuarios de JMP
También puedes unirte al Club de Diseño de Experimentos para intercambiar y aprender más sobre el DOE.
Espero que esta respuesta te ayude,
Re: Diseño de detección del efecto principal frente a OFAT: ¿cuál es mejor?Hola Víctor,
¡Gracias por su respuesta detallada y perdón por la molestia!
No quería comparar DoE con OFAT en general, pero me preguntaba, para el caso específico en el que alguien quisiera examinar solo los efectos principales, si un DoE tendría una ventaja sobre un OFAT. En este caso sería necesario impugnar la solicitud y explicar que existe una alta probabilidad de que tenga efectos de interacción. De ahí la necesidad, en cualquier caso, de utilizar un DoE. ¿Correcto?
Lo que todavía me confunde es que hay un diseño DoE en JMP llamado "Construir un diseño de detección de efectos principales", así que pensé que estudiaba exclusivamente los efectos principales, lo que una OFAT también puede hacer. Los términos del modelo que aparecen por defecto en el diálogo de especificación del modelo del diseño "Construir un diseño de detección de efectos principales" incluyen de hecho sólo efectos principales. ¿Este diseño específico entonces no sirve para nada?
Atentamente,
claire
Re: Diseño de detección del efecto principal frente a OFAT: ¿cuál es mejor?Hola @cbaril ,
Incluso si solo desea examinar los efectos principales (y ni siquiera observar las interacciones), DoE es una metodología mejor y más eficiente en comparación con OFAT, ya que tendrá mayor poder (probabilidad de detectar un efecto significativo si está activo) y menor varianza de predicción. y una mejor estructura de correlación entre sus entradas (puede ver y comparar los diseños de las tablas de datos enviadas anteriormente).
Para 8 factores, necesitaría un mínimo de 9 ejecuciones para estimar los términos de los coeficientes de efectos principales con un DoE, en comparación con 16 con OFAT (ya que crearía un par de experimentos para cada factor, con -1 y 1, y los otros factores en 0 u otros niveles fijos).
En su ejemplo de 16 ejecuciones-DoE, hay más ejecuciones que el mínimo requerido, por lo que hay algunas ejecuciones adicionales que ayudan a aumentar la potencia y la precisión de los coeficientes de efecto principal en el modelo de regresión, y también ofrecen la posibilidad de incluir algunas 2 -interacciones de factores (lo cual es imposible de hacer con un enfoque OFAT).
Por lo tanto, incluso si desea examinar únicamente los efectos principales, DoE es un enfoque más confiable, preciso e informativo que OFAT.
Re: Diseño de detección del efecto principal frente a OFAT: ¿cuál es mejor?Víctor ya ha proporcionado muchos detalles, así que seré breve. Una característica importante de la experimentación frente a OFAT que quiero reiterar.Los OFAT tienen un espacio de inferencia extremadamente estrecho.Las conclusiones de la OFAT dependen de que todos los demás factores que se mantuvieron constantes se mantengan en esas configuraciones constantes en el futuro.Lo más probable es que esto sea completamente irreal.Los 8 factores en el DOE tienen un espacio de inferencia mucho más amplio (el espacio de diseño es de 8 dimensiones).Los OFAT son unidimensionales. Aunque usted pueda priorizar los efectos principales en un experimento, los efectos de orden superior todavía están presentes, simplemente se confunden.
