¿Cuál es el diseño más eficiente para detectar una gran cantidad de factores con la menor cantidad de ejecuciones posible a escala industrial y por qué?Por ejemplo. Si el propósito de un diseño de detección es probar (en gran medida) los efectos principales con el menor número posible de ejecuciones y quiero evaluar 7 factores con un número mínimo de ejecuciones, ¿por qué no es una buena idea simplemente cambiar? ¿Cada uno de esos factores 1 vez en 7 carreras?Si esa no es la forma más eficiente, ¿ejecutar un diseño saturado con 8 ejecuciones para 7 factores sería la forma más eficiente de probar los efectos principales, o hay alguna otra sugerencia y por qué? ¿Se prefieren los diseños saturados para DOE industriales donde no se tiene la capacidad de realizar muchas tiradas y se necesita ser lo más eficiente posible?
Diseño de experimentosRe: ¿Cuál es el diseño más eficiente para detectar una gran cantidad de factores con la menor cantidad de ejecuciones posible a escala industrial y por qué?Hola @mjz5448 ,
No existe un diseño perfecto para cada cribado, es cuestión de tipo de factores, número de factores, facilidad de cambio, ruido y variabilidad de la respuesta, conocimientos previos, etc...
Si considera la OFAT para una prueba de detección, este tema podría ayudarlo a comprender por qué esto podría ser una mala idea: Resuelto: Re: Diseño de detección del efecto principal versus OFAT: ¿cuál es mejor? - Comunidad de usuarios de JMP
Supongamos que tiene 7 factores, sin factores de mezclas ni restricciones:
La elección del diseño estará fuertemente influenciada por el presupuesto experimental. Si solo puede permitirse <10 ejecuciones, es muy probable que termine con un diseño de detección óptimo (D/A-). Si puede permitirse más corridas, podría ser interesante para usted aumentar el tamaño de corrida de su diseño óptimo, o incluso probar un Diseño de Cribado Definitivo (para 7 factores continuos, se requiere un mínimo de 17 corridas y 4 corridas adicionales (para se recomienda un total de 21 ejecuciones). Puede probar diferentes tamaños y diseños de tiradas y compararlos para elegir el que ofrezca el mejor compromiso para su tema.
En términos más generales, esta charla sobre diseños de cribados modernos de Bradley Jones puede resultarle muy interesante y puede proporcionarle algunas ideas y perspectivas para su caso de uso: Diseños de cribado del siglo XXI (2021-EU-45MP-772)
Espero que esta primera respuesta te ayude,
Re: ¿Cuál es el diseño más eficiente para detectar una gran cantidad de factores con la menor cantidad de ejecuciones posible a escala industrial y por qué?¡Vaya, gracias por la respuesta detallada Victor_G!
Nunca he oído hablar de " Diseño sobresaturado ortogonal grupal" antes, pero lo analizaremos.
Estoy en gran medida limitado por la cantidad de ejecuciones que puedo realizar, ya que no tengo la capacidad de realizar muchas pruebas y no tengo una planta piloto o recursos de I+D fácilmente disponibles. así que parece que también analizaré los diseños de detección óptimos (D/A-).
Supongo que muchos de los diseños de detección mínimos dependen también del control que tenga el proceso para detectar cualquier efecto, ¿verdad?
¡Gracias otra vez por los enlaces!
Re: ¿Cuál es el diseño más eficiente para detectar una gran cantidad de factores con la menor cantidad de ejecuciones posible a escala industrial y por qué?De nada, ¡me alegro que te haya ayudado!
GO-SSD puede ser quizás más relevante con un mayor número de factores a analizar, por ejemplo, en presencia de varias docenas de factores de proceso en una línea de proceso químico o de fabricación. Este tipo de diseño realmente sobresale para identificar los pocos vitales entre los muchos triviales.
No estoy seguro de la relevancia de este diseño por 7 factores, mi apuesta segura quizás sería más por los diseños óptimos (D/A-), ya que permiten cierta flexibilidad en el tamaño del tiraje.
Depende de lo que usted implica detrás de "asumir que el proceso está bajo control". Para la medición de respuestas, su proceso de medición debe ser lo más controlado y estable posible, de modo que los principales efectos detectados por el DoE sean realmente activos, y no las consecuencias de mediciones inestables (o alternativamente, que no tenga demasiado ruido/ variabilidad que "ocultaría" los efectos principales activos). Dependiendo de la variabilidad de las mediciones y del número de experimentos en el DoE, la facilidad para detectar los efectos principales activos (potencia) será diferente: una menor variabilidad de las mediciones y un mayor tamaño de ejecución mejoran la potencia para detectar los efectos principales.
En cuanto al rango de factores, no dudes en ser un poco más atrevido de lo habitual, para definir rangos donde serían una posible variación debido a tus factores. Si sus rangos de factores son estrechos y su proceso está totalmente bajo control, es posible que no se detecten factores significativos.
Espero que esta respuesta complementaria pueda ayudarte.
Re: ¿Cuál es el diseño más eficiente para detectar una gran cantidad de factores con la menor cantidad de ejecuciones posible a escala industrial y por qué?Algunos otros pensamientos:
1. Primero podría intentar el muestreo dirigido (componentes de los estudios de variación) para comprender qué componentes tienen mayor influencia y evaluar los sistemas de medición al mismo tiempo.Esto permite evaluar la coherencia/estabilidad del proceso mientras se determinan los componentes apalancados.No puedo decirles cuántos experimentos he visto en los que el experimentador estaba experimentando con los componentes incorrectos.
2. Una pregunta... ¿quiere "elegir un ganador" en su estudio o está tratando de comprender la estructura causal? Si es lo último, deberá iterar.El primer experimento tiene como objetivo ayudarle a diseñar un experimento mejor.Es probable que esto incluya la detección de una gran cantidad de factores utilizando configuraciones de nivel en negrita (generalmente baja resolución).Una vez que haya determinado los factores activos/significativos, podrá trabajar en el desarrollo de un modelo útil.
3. No descuide el ruido (p. ej., repeticiones para el ruido a corto plazo y réplicas para el ruido a largo plazo).Este es a menudo el modo de fracaso que condena la experimentación.El experimento se ejecuta una vez en un espacio de inferencia estrecho (el ruido se mantiene constante).Las conclusiones de tales experimentos rara vez son útiles cuando el ruido inevitablemente cambia en el futuro.Entonces, la eficiencia del diseño no es solo la estructura/espacio del diseño.
4. En cualquier caso, existen una serie de consideraciones para seleccionar los diseños más efectivos y eficientes dado su conocimiento actual; la cantidad de factores es solo uno.Mi sugerencia es diseñar múltiples experimentos, considerar qué información se puede obtener de cada uno.Compare esto con las limitaciones de recursos y luego elija una.
Re: ¿Cuál es el diseño más eficiente para detectar una gran cantidad de factores con la menor cantidad de ejecuciones posible a escala industrial y por qué?Hola estatista,
Gracias por su respuesta.
Para tu pregunta 2. Estoy tratando de seleccionar factores para reducirlos y lograr un posible diseño de superficie de respuesta más factorial y completo.
Gracias por tu consejo en el punto número 4. Echaré un vistazo e intentaré sopesar las diferentes opciones lo mejor que pueda.
