Organizado por @HadleyMyers , los entusiastas del DOE compartieron debates sobre varios temas.
¡Siéntete libre de continuar las discusiones a continuación!
Vídeo 1: Introducción
Vídeo 2: Cómo lidiar con valores atípicos
Comentarios:
@Victor_G : Y también separe las repeticiones de las replicaciones para comprender mejor si el problema proviene del proceso de medición (repeticiones) o del sistema (con posible incertidumbre en la fijación de los niveles de los factores, vista a través de las replicaciones).
Vídeo 3: Usos de factores covariables
Comentarios:
@Victor_G : Jed Campbell de JMP hizo una excelente publicación de blog sobre restricciones de factores no lineales: https://community.jmp.com/t5/JMP-Blog/Demystifying-Factor-Constraints/ba-p/619898
Desmitificando las limitaciones de los factores
¿No es Definir restricciones de factores algo que debería dejar en paz o fingir que no existe? Un hombre sabio no hace nada por obligación. -Marcus Tullius Cicero Si te has sentido intimidado por la Defini...
@Paul_J : Hice eso todo el tiempo cuando trabajaba en las industrias alimentaria y química.
@Bill_Worley : Soy un gran defensor del uso de conjuntos de candidatos de covariables.
@Victor_G : Los conjuntos de covariables son muy útiles en química, cuando se trata de propiedades químicas como entradas, por ejemplo.
Vídeo 4: mejores prácticas para configurar rangos
Comentarios:
@Victor_G : utilice el rango amplio en la detección (posiblemente con puntos centrales) y refine el rango en la exploración/optimización.
@KimRas2 : ¡Sé audaz!
@shs : Lo que funciona para mí es que si empiezas desde cero y no estás seguro de si tus límites funcionan, comienza con el experimento que creas que podría ser el más crítico. Aquí solo desperdicias un experimento.
@Victor_G : Los diseños de alcance también son muy útiles para definir rangos apropiados y verificar la variabilidad en el espacio de diseño: https://prismtc.co.uk/resources/blogs-and-articles/scoping-designs
Solo prueba pruebas con niveles -1 para todos los factores, puntos centrales y niveles +1 para todos los factores.
Y puede ampliar muy fácilmente su diseño de alcance a un diseño factorial.
@Nicola_Nuti : De acuerdo, aumentar el tamaño del efecto también proporciona más poder.
@Jonas_Rinne : La idea de determinar el alcance de los diseños es muy útil para comprobar si sus rangos tienen sentido. Especialmente cuando tienes muchos factores.
@SDF1 : Incluso los ensayos que no funcionan proporcionan información muy útil para el DOE y todo el proceso exploratorio.
@shs : Con configuraciones demasiado estrechas, nunca puedes estar seguro de la curvatura, lo que suele ocurrir con la temperatura.
@Paul_J : establecer los rangos es un buen ejemplo de por qué mantener la ciencia en las estadísticas.
@Bill_Worley : si tiene algunos datos históricos, puede crear un modelo y utilizar Design Space Profiler para ayudar a determinar los rangos óptimos.
@Victor_G : Sí, DoE es un cambio de método, pero con más previsibilidad sobre los resultados, los aprendizajes y la planificación mucho más fácil (en comparación con probar un factor a la vez y confiar en la mejor suposición).
@SDF1 : Dependiendo de qué tan "nueva" sea la investigación, a veces es necesario un "pre-DOE" para determinar cuáles son los rangos viables para los factores que estás probando, de modo que cuando realmente te sientes a crear una investigación más detallada. /complex DOE, es más probable que todas las ejecuciones sean exitosas.
Vídeo 5: EOD modernas
@Victor_G : Me gusta mucho la metáfora del techo, ¡gracias por compartirla!
@shs : Ya casi no uso el diseño clásico, ya que son grandes en ejecuciones experimentales. El uso de conceptos como SVEM con diseños pequeños o diseños de detección definidos, etc. puede brindarle diseños que pueden cubrir una gran cantidad de factores con pocas ejecuciones, y eso convence a las personas cuando ven por primera vez cuánto pueden disminuir los esfuerzos experimentales usando diseños modernos.
@Victor_G :
A menudo evalúo y comparo diseños modernos con una posible contraparte "clásica", para mostrar mejor los beneficios del diseño moderno.
@KimRas2 : ¿DoE funcional?
@ryan_cooper : A menudo me gusta referirme a algunos de los puntos de Phil Kay en esta discusión comunitaria. (Sin embargo, el título de la pregunta es engañoso). Alguna discusión sobre por qué la mayoría de las cosas se pueden hacer con DSD y diseño personalizado.
https://community.jmp.com/t5/Discussions/Reason-against-using-Custom-Design-DOE-for-everything/td-p/407995
Vídeo 6: Explorador de datos funcional
@Victor_G : DoE funcional con salida de curva: https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Use-of-Functional-Data-Explorer-in-a-Mixture-Design-for/ta -p/349208
Puede utilizar datos de curva (datos funcionales) como entradas y/o salidas.
Lyndal preguntó: ¿La licencia JMP estándar cubre el análisis DoE funcional? Pensé que necesitaba JMP Pro.
Sí, solo está en Pro
@Victor_G : como entrada, puede utilizar coeficientes del análisis funcional y vincular estos coeficientes a sus salidas.
@Phil_Kay : @Ben_Ingham tiene cierta experiencia en ese campo. Ben estará en Discovery Summit en Manchester si puedes asistir.
