Tengo dificultades para implementar las restricciones para el diseño de mi mezcla. El diseño consta de agua como relleno y cuatro aditivos, a saber, A1, A2, A3 y A4, que tienen rangos de valores especificados. Necesito imponer una restricción de combinación que permita utilizar simultáneamente un máximo de dos de los tres factores, A2, A3 y A4. A1 y el agua no son importantes para restringir, pero solo es posible agregar A2 con A3, A2 con A4 o A3 con A4.
¿Puede proporcionar orientación sobre cómo implementar eficazmente estas restricciones en el diseño?
Mi primera pregunta aquí es si este experimento realmente necesita diseñarse como una mezcla DOE. ¿Se espera que el agua sólo actúe como relleno inerte? ¿Se espera que las diferencias muy pequeñas en el nivel de agua a medida que cambian los niveles de A1-A5 afecten las propiedades de la formulación resultante? Si la respuesta a la primera pregunta es sí y la respuesta a la segunda pregunta es no, me inclinaría a tratar A1 a A5 como variables continuas independientes en lugar de variables mixtas y realizar un diseño factorial estándar o personalizado. La consecuencia de esto será que el nivel de agua no aparecerá en la formulación predictiva para cualquier propiedad que sea de interés, pero si las suposiciones anteriores son correctas, eso no debería importar.
Si está dispuesto a proceder de esta manera, el filtro de combinaciones no permitidas podría usarse para generar un diseño en el que al menos uno de A2, A3 o A4 siempre esté establecido en cero.
Lo único que queda por hacer sería restablecer manualmente a cero los niveles muy bajos en la tabla de datos resultante (por ejemplo, 6.028e-6 para A4 en la ejecución 4 debe restablecerse a cero).
También podría ser una buena idea agregar un filtro de combinación no permitido adicional para especificar que A2, A3 y A4 no pueden ser todos muy bajos al mismo tiempo. Esto evitará ejecuciones que contengan niveles totales de aditivos nulos o muy bajos.
Probablemente haya soluciones más elegantes, pero esto debería funcionar. Como siempre, valdría la pena probar el diseño con algunos datos simulados antes de ejecutar el experimento para asegurarse de que sea capaz de proporcionar un análisis útil.
