Diseño de cribado y diseño de superficie de respuesta con respuestas múltiplesHola,
Utilizo JMP Pro 17 para el diseño de superficies de respuesta. Tengo 13 variables de diseño. Primero realizo un Diseño de Detección para decidir cuáles 8 parámetros son los más efectivos en la respuesta, luego varío esos 8 parámetros para realizar un Diseño de Superficie de Respuesta. (8 es el número máximo de variables que JMP acepta para el Diseño de superficie de respuesta). Realizo 33 experimentos (con 1 punto central) para el Diseño de detección y 81 experimentos (con 1 punto central) para el Diseño de superficie de respuesta.
La optimización tiene tres objetivos con igual importancia.
1. Minimizar A
2. Minimizar B
3. Haga coincidir un valor objetivo de 0 para (CD) (quiero C=D, por lo tanto (CD)^2 debe ser cero).
Tendré (tendré) los valores de A, B, C y D para los 33 y 81 experimentos.
Tanto para Screening Design como para Response Surface Design, he pensado en dos opciones diferentes para trabajar la respuesta del problema.
- Opción 1: Definir una respuesta única ( Option1_singleresponse.JPG ) como:
Y = A/A_punto central + B/B_punto central + (CD)^2/(C_punto central-D_punto central)^2
En esta opción, adimensionalicé tres términos con respecto a sus valores de punto central. Sin embargo, todavía no estoy seguro de reflejar correctamente las matemáticas del problema. Quiero que tres objetivos tengan la misma importancia en Y, pero los términos A/A_centerpoint, B/B_centerpoint y CD)^2/(C_centerpoint-D_centerpoint)^2 tienen diferentes órdenes de magnitud. (Por ejemplo; 0,1 <1.3 and 2000<50000.) also minimizing (c-d)^2 c_centerpoint-d_centerpoint)^2 would not be enough since i want c to equal d.<>
- Opción 2: Definir múltiples respuestas ( Option2_multiresponse_3minimize.JPG o Option2_multiresponse_2minimize_1target.JPG ) para tres objetivos de optimización y seguir lo que se describe en este video: Optimización de múltiples respuestas .
¿Qué opción me funcionaría mejor?
Si continúo con la Opción 2, ¿crees que Option2_multiresponse_3minimize.JPG y Option2_multiresponse_2minimize_1target.JPGw¿Haría alguna diferencia?
(Agradecería su tiempo e ideas, @MRB3855 y @statman . Lo etiqueté para notificarle).
¡Muchas gracias de antemano a cualquiera que quiera contribuir!
Diseño de experimentosRe: Diseño de cribado y diseño de superficie de respuesta con respuestas múltiplesMe encantaría ayudar, pero simplemente no hay suficiente contexto. Tienes respuestas multivariadas. ¿Cómo se correlacionan? ¿Deberían correlacionarse? De lo contrario, puede resultar difícil optimizarlo todo. Asegúrese de codificar la configuración del nivel para evitar sesgos. No estoy seguro de cómo sabes que necesitarás un diseño de superficie de respuesta de 8 factores. Se trata de un enorme espacio de diseño con 8 dimensiones. Es poco probable que eso sea útil. Le sugiero que modifique el plan actual y adopte un enfoque más secuencial. Es poco probable que sepa cuál será el próximo diseño, ya que dependerá del análisis del primer diseño.
Re: Diseño de cribado y diseño de superficie de respuesta con respuestas múltiplesHola @statman , gracias por tu respuesta.
Estoy realizando un estudio de optimización de la geometría del ala de un avión.
R: peso del ala
B: fuerza de arrastre
C: Peso de la aeronave (C=Algún valor constante + A)
fuerza de elevación
Por lo tanto, estoy tratando de lograr una geometría de ala de avión con fuerza de arrastre y peso minimizados, donde la fuerza de sustentación debe ser igual al peso del avión.
Todas A, B, C, D son funciones de la geometría del ala, pero es difícil relacionarlas con expresiones matemáticas. Entonces supongo que no, no deberían correlacionarse.
"Asegúrese de codificar la configuración de nivel para evitar sesgos": Estoy realizando una optimización de 2 niveles. Solo tomo los límites mínimo y máximo de las variables de diseño para poder formar el espacio de diseño.
Puede que tengas razón, no necesito usar las 8 variables que JMP me permite usar para Response Surface Design. Después de realizar el diseño de detección, verifiqué el resumen de efectos para detectar los efectos con un valor p individual inferior a 0,10. ( https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/contrasts.shtml ) Hay más de 8 variables con p -Value<0.1. Sin embargo, el número máximo de variables para realizar un diseño de superficie de respuesta en JMP es 8. ¿Tiene alguna sugerencia sobre cómo puedo justificar la selección del número de variables que elegí para el diseño de superficie de respuesta? (Si sigo con 8 variables, puedo decir que se elige este número ya que es el límite superior para el número de variables. Pero no sé cómo justificar si selecciono un número de 5 variables, por ejemplo.)
Gracias de nuevo, de antemano.
Re: Diseño de cribado y diseño de superficie de respuesta con respuestas múltiplesLo siento, pero todavía no entiendo toda la situación. ¿Esto se está haciendo con simulación? ¿De verdad estás construyendo varias alas? Supongo que está utilizando algún software de simulación para modelar los parámetros que ingresa. Ya existen relaciones teóricas conocidas entre el peso y la resistencia (ver Boldmethod: https://www.boldmethod.com/learn-to-fly/performance/why-aircraft-a-weight-increase-affects-climb-performances/#: ~:text=Weight%20Makes%20a%20Big%20Difference&text=Increasing%20an%20aircraft%27s%20weight%20affects,%20speed%20to%20achieve%20Vy.)
Y levante (ver Nasa: https://www1.grc.nasa.gov/beginners-guide-to-aeronautics/lift-to-drag-ratio/
y por supuesto, el Principio de Bernoulli
"Todos A, B, C, D son funciones de la geometría del ala, pero es difícil relacionarlas con expresiones matemáticas."
El software de simulación ya tiene el algoritmo cargado en el software. Es posible que pueda "descubrir" el algoritmo. Dado que aparentemente es una simulación, no es necesario fraccionar ni minimizar el número de niveles a menos que tenga problemas de potencia de cálculo.
No estoy seguro de cómo se utilizan los valores p cuando no existe una estimación "real" del MSE. ¿Cómo se estima el "error experimental" con el software de simulación? (por ejemplo, ¿algún tipo de Monte Carlo con una distribución de probabilidad de errores seleccionada?)
Re: Diseño de cribado y diseño de superficie de respuesta con respuestas múltiplesHola @ceydakavak : Para continuar con lo que dijo @statman ; si es cierto que existe alguna función/modelo determinista (por ejemplo, método de elementos finitos) que toma sus entradas y escupe A, B y D (C=Algún valor constante + A, entonces C se conoce si conoce A) donde no hay error (es decir, las réplicas devolverán exactamente los mismos valores de A, B y D cada vez), entonces el único "error" en su modelo es el error de falta de ajuste. Eso no significa necesariamente que el modelo no sea adecuado para su propósito... bien puede serlo. Pero los valores p, etc., son engañosos.
