717037_es-ES

liliconcom

Importancia de unos pocos factores entre varios

Hola a todos,

Me gustaría estudiar el impacto de los seis factores en la evaporación (al final me gustaría tener un modelo "riguroso" con posibles efectos de interacción y términos de potencia):

Ya sé que los primeros cuatro tienen un fuerte impacto en la evaporación y me gustaría saber si los dos últimos (carga de placa, volumen/pozo) también deberían incluirse en el estudio (modelo).

¿Cómo sugieres configurar un experimento? ¿Sería más eficiente averiguar primero si los dos factores (carga de placa, volumen/pozo) son significativos (¿cómo configurar un DOE para este propósito?) y luego proceder con el DOE (¿DOE aumentado?) para obtener información más precisa sobre los factores y sus (posibles) interacciones?

¡Gracias de antemano!

 

Atentamente

Diseño de experimentosRe: Importancia de algunos factores entre varios

La primera pregunta que tengo es ¿realmente desea que el papel de todos los factores menos uno sea numérico discreto?

Re: Importancia de algunos factores entre varios

No, no es obligatorio. Los factores también podrían tratarse como numéricos continuos.

Re: Importancia de algunos factores entre varios

Siguientes preguntas... ¿estás en modo de detección? ¿O el modo de optimización para su estudio? ¿Cuáles son sus metas y objetivos experimentales específicos?

Re: Importancia de algunos factores entre varios

No entiendo la situación lo suficiente como para dar consejos específicos y quizás mis pensamientos no sean útiles.  

 

Tengo algunas preguntas/comentarios:

¿No estoy seguro de entender cuál es la respuesta? Lo es tasa de evaporación? ¿Evaporación de qué (supongo que algún tipo de líquido)? ¿Cómo se determina (por ejemplo, volumen delta, peso delta...)? ¿Has estudiado el proceso de medición?

 

" Me gustaría estudiar el impacto de los seis factores en la evaporación (al final me gustaría tener un modelo "riguroso" con posibles efectos de interacción y términos de potencia): "

¿Quieres un modelo para explicación y/o predicción? (Lo que pregunta Pete). El modelo debe ser útil y apropiado. Tener un modelo complejo (riguroso) no lo hace mejor (yo diría que es exactamente lo contrario).

 

" Ya sé que los primeros cuatro tienen un fuerte impacto en la evaporación y me gustaría saber si los dos últimos (carga de placa, volumen/pozo) también deberían incluirse en el estudio (modelo ). " ¿Cómo estudió los primeros 4 factores (por ejemplo, observación, experimentación)? ¿En qué niveles estaban la carga y el volumen de la placa cuando se estudiaron esos 4? Si fueran constantes, los efectos de los 4 factores que estudiaste dependen de esos niveles (son parte del espacio de inferencia). Si variaran, contribuirían al error experimental. Realizar el diseño El espacio y el espacio de inferencia afectarán la utilidad del experimento para la predicción.

 

“Desafortunadamente, los experimentos futuros (ensayos futuros, la producción de mañana) se verán afectados por condiciones ambientales (temperatura, materiales, personas) diferentes de aquellas que afectan este experimento... Sólo mediante el conocimiento del tema, posiblemente ayudado por experimentos adicionales para cubrir una gama más amplia de condiciones, que uno puede decidir, con el riesgo de equivocarse, si las condiciones ambientales del futuro serán lo suficientemente parecidas a las de hoy como para permitir el uso de los resultados disponibles”.

doctor deming

 

Científicamente, parece probable que una T más alta (si es temperatura), un mayor tiempo de exposición, una mayor velocidad de agitación y sin tapa aumentarían la tasa de evaporación. ¿Cuál es el área de superficie del material que es ¿evaporándose? ¿Cuáles son las condiciones ambientales (por ejemplo, punto de rocío)? ¿Qué tan representativo es el material que se evapora durante los experimentos del material futuro?

 

No estoy seguro de entender su configuración de nivel. El análisis es más fácil si los niveles están equilibrados y equidistantes (por ejemplo, T en 20, 27, 34; ExpTime en 4, 7, 10)

Re: Importancia de algunos factores entre varios

Aún no hice ninguna medida. En primer lugar, me gustaría identificar si el carga de placa y el volumen/pozo son factores importantes. En segundo lugar, y este es el objetivo principal del estudio, me gustaría tener un modelo de predicción de la evaporación (tasa). La evaporación es un efecto secundario no deseado que me gustaría reducir.

Re: Importancia de algunos factores entre varios

"¿No estoy seguro de entender cuál es la respuesta? ¿Es la tasa de evaporación? ¿Evaporación de qué (supongo que algún tipo de líquido)? ¿Cómo se determina (por ejemplo, volumen delta, peso delta...)? ¿Has estudiado el proceso de medición?"

La respuesta es una tasa de evaporación de un líquido y es un efecto indeseable que me gustaría minimizar. La tasa de evaporación se medirá pesando el líquido restante.

 

"¿Quieres un modelo para explicación y/o predicción? (Lo que pregunta Pete). El modelo debe ser útil y apropiado. Tener un modelo complejo (riguroso) no lo hace mejor (yo diría que es exactamente lo contrario)".

Como ya se explicó en respuesta a la pregunta de Pete, en primer lugar, me gustaría comprender mejor cuáles son los factores que afectan la evaporación (son el carga de placa y el volumen/pozo factores significativos? ) y, en segundo lugar, obtener un modelo de predicción que utilizaré para reducir la evaporación.

 

"¿Cómo estudiaste los primeros 4 factores (por ejemplo, observación, experimentación)?"

Sé que los primeros 4 factores impactan la evaporación según la observación. Esto también está de acuerdo con mis conocimientos de química/física. Tengo la "sensación" de que los dos últimos factores también podrían tener un impacto en la evaporación. Me gustaría confirmar/rechazar esto realizando experimentos/mediciones. Supongo que estas mediciones también se podrán utilizar más adelante en el DOE (el objetivo de este DOE sería la construcción de un modelo de predicción).

 

Re: Importancia de algunos factores entre varios

Generalmente soy un fanático de la resolución secuencial de problemas usando DOE. Empieza pequeño. Aprende sobre la marcha. Tomar decisiones de futuro basadas en la incorporación de nuevos conocimientos e información. Entonces, comenzar con un factorial completo simple de 2^2 en la carga de la placa (tenga en cuenta que recomiendo solo 2 niveles para la carga de la placa, no necesita 3 para evaluar la importancia) y el volumen/pozo debería darle una idea de su impacto. Luego, dependiendo de cómo resulte, planifique un segundo experimento basado en lo que aprenda. Demasiados caminos divergentes para darte una única recomendación. Tenga en cuenta los ruidos a medida que avanza en el tiempo. El bloqueo es tu amigo.

Re: Importancia de algunos factores entre varios

Gracias por la explicación. Si bien estoy de acuerdo con la investigación secuencial, en mi humilde opinión, es mejor comenzar con un espacio de diseño grande y con un poco de suerte interpolar. Con esto me refiero a muchos factores en niveles audaces para empezar. La cuestión es el espacio de inferencia. Cuanto más pequeño sea el espacio de inferencia, es menos probable que los resultados sean ciertos en el futuro (cuando estas condiciones cambien invariablemente). Si sólo experimenta con 2 factores, ¿qué están "haciendo" los otros factores durante este experimento (por ejemplo, ¿están cambiando?, ¿son constantes?). Dado que no ha cuantificado ni ordenado por clasificación el efecto de los 4 factores, ¿por qué no ejecutar un diseño de 6 factores de menor resolución con los factores en 2 niveles (p. ej., 2^6-2 res IV, 16 tratamientos o 2^6-3 res III, 8 tratamientos). Las próximas iteraciones pueden ayudar a comprender términos de modelos más complejos (por ejemplo, no lineales). Al mismo tiempo, es posible que desee ejecutar repeticiones y estimar los efectos de los factores tanto en la media como en la variación de la tasa de evaporación (o al menos minimizar el error de medición).

Al final, siempre te sugiero diseñar múltiples opciones (nadie sabe cuál es el "mejor" diseño a priori. Para cada opción, prediga lo que puede aprender (por ejemplo, qué efectos se pueden estimar, cuáles pueden generar confusión y cuáles no están en el estudio). Sopese este conocimiento con los requisitos de recursos. Elija uno y prepárese para iterar. El propósito del primer experimento es diseñar un experimento mejor.

Re: Importancia de algunos factores entre varios

Me gusta la idea de "empezar poco a poco" Pero, por otro lado, comparto la preocupación del estadístico:

"Cuanto más pequeño sea el espacio de inferencia, es menos probable que los resultados sean ciertos en el futuro (cuando estas condiciones cambien invariablemente). Si sólo experimenta con 2 factores, ¿qué están "haciendo" los otros factores durante este experimento (por ejemplo, ¿están cambiando?, ¿son constantes?)".

Supongo que en caso de que no haya un impacto significativo de carga de placa y volumen/pozo Después de realizar el factorial 2^2, todavía existe una posibilidad bastante significativa de que los 2 factores sigan teniendo un impacto en alguna combinación diferente de los 4 factores (significativos) que se mantuvieron constantes en los experimentos factoriales 2^2.

Re: Importancia de algunos factores entre varios

No entiendo a qué te refieres con "ojalá interpolar".¿Podrías explicar?

Re: Importancia de algunos factores entre varios

En mi recomendación factorial completa 2^2, estaba reaccionando a tu comentario, '...en primer lugar...'. No tengo ningún problema con el diseño de un experimento más grande si cree que "...todavía hay una posibilidad bastante significativa de que los 2 factores todavía tengan un impacto en alguna combinación diferente de los 4...". Acaba de describir con palabras el deseo de estimar los efectos de la interacción entre todo el espacio del proceso. Por lo tanto, el camino a seguir es construir un diseño óptimo que proporcione específicamente una estimación de los efectos de interacción deseados.

Re: Importancia de algunos factores entre varios

Lo que se prefiere es que el espacio de diseño sea lo suficientemente grande como para "contener" las condiciones óptimas (dados los materiales y tecnologías actuales). Entonces puedes converger rápidamente hacia ese óptimo. Si su espacio de diseño es demasiado pequeño, tendrá que mover el espacio actual para lograr el óptimo (esencialmente extrapolar). Lo admito, uno de los "errores" más comunes en el diseño experimental es tener un nivel demasiado estrecho en los diseños iniciales. Parece que hay algún intento abierto o subyacente de encontrar el óptimo en el primer experimento (por supuesto, impulsado por el deseo de la gerencia de una solución única).

 

Las razones por las que siempre estamos buscando lo óptimo y parece que nunca llegamos allí son:

1. Nunca comenzamos nuestras investigaciones con TODOS (siempre elegimos algún subconjunto), y

2. Constantemente se inventan nuevos materiales y tecnologías que amplían el espacio dimensional de la investigación.