733347_es-ES

liliconcom

Plackett-Burman plegado

Hola,

¿Cuándo es útil el DOE plegado de Plackett-Burman en comparación con el DOE clásico de Plackett-Burman de resolución IV?

Atentamente,

sara

Diseño de experimentosRe: Plackett-Burman plegado

Los diseños PB tienen algunas ventajas sobre los diseños FF regulares, incluido el tamaño del diseño que aumenta cuatro ejecuciones a la vez en lugar de duplicarse. Por otro lado, tienen efectos correlacionados, lo que desanima a algunos experimentadores. Veo esto como una ventaja. Puedo estimar parámetros correlacionados, aunque con una varianza inflada. No puedo estimar efectos de confusión a través de un diseño FF. Elimino el sesgo del modelo si estimo términos correlacionados. Sufro sesgo del modelo si excluyo términos de confusión. Las ejecuciones de plegado reducirán las correlaciones al usar el diseño PB, ya que reducen la confusión con los diseños FF.

Re: Plackett-Burman plegado

Hola @SaraA ,

No estoy seguro de haber entendido completamente su pregunta, pero proporcionaré un primer punto de partida para la discusión.

• Plackett-Burman suelen ser diseños de detección de Resolución III , lo que significa que los efectos principales se correlacionan con interacciones de 2 factores. Sólo los efectos principales son estimables con cierta precisión (sin correlaciones entre sí y con el supuesto de que las interacciones y los términos de orden superior son insignificantes).
• La resolución es una medida del grado de confusión en un diseño experimental ( Resolución en diseños de cribado) :
  • La resolución III significa que algunos efectos principales se confunden con una o más interacciones de dos factores. Para que los efectos principales sean significativos, se debe suponer que estas interacciones son insignificantes.
  • La resolución IV significa que los efectos principales no se confunden con otros efectos principales o interacciones de dos factores. Sin embargo, algunas interacciones de dos factores se confunden con otras interacciones de dos factores.
  • La resolución V significa que no hay confusión entre los efectos principales, entre los efectos principales y las interacciones de dos factores, y entre pares de interacciones de dos factores. Algunas interacciones de dos factores se confunden con interacciones de tres factores.
  • Resolución V+ significa que el diseño tiene una resolución mayor que 5 pero no es un diseño factorial completo.
  • La Resolución VI significa que no hay confusión entre efectos de cualquier orden. El diseño es un diseño factorial completo.
• Los diseños de Plackett-Burman son diseños de detección eficientes para los efectos principales, pero pueden necesitar mejoras para aumentar la precisión de las estimaciones de los efectos principales y para investigar las interacciones de dos factores (y otros términos de orden superior). Para hacer esto, puedes:
  • Aumente su diseño y especifique un modelo, de modo que la plataforma aumente de manera óptima su diseño de detección de PB inicial con nuevas ejecuciones para poder estimar los nuevos términos agregados en el modelo: Ejemplo de uso de la plataforma de diseño Augment
  • Aumente su diseño haciendo un plegado. Esto crea el mismo número adicional de ejecuciones del diseño original con los mismos valores para los factores, excepto por el factor sobre el cual se realiza el plegado, las nuevas ejecuciones tendrán valores que reflejan el conjunto inicial (-1 en lugar de 1, 1 en lugar de -1, el resto de los valores de los factores permanecen iguales). Esto es útil para eliminar la confusión de las interacciones de dos factores y los efectos principales: Crear un diseño plegable

Como diferentes diseños pueden ser útiles dependiendo de la situación, sólo puedo sugerir que intentes crear varios diseños y compararlos antes de elegir uno y hacer los experimentos.
Como observación general, cuanto mayor sea la resolución, mayor será el número de ejecuciones necesarias, por lo que debe evaluar el equilibrio entre lo que desea descubrir/evaluar y su restricción presupuestaria experimental. Además, dependiendo de la construcción y el tipo de diseño clásico (factorial fraccional, Plackett-Burman u otros), es posible que no tenga mucha flexibilidad en el paso/incremento del tamaño de ejecución (como ejemplo, aquí está la lista de diseños posibles para 5 factores de la plataforma de diseño de detección de 2 niveles):

Puede encontrar una mayor flexibilidad en el tamaño del tiraje, la especificación del modelo y un mejor manejo de las restricciones utilizando la plataforma de diseño personalizado .

Espero que este primer iniciador de discusión pueda ayudarte.

Re: Plackett-Burman plegado

Hola Victor_G y Mark_Bailey,

Gracias por estas explicaciones. La razón por la que preguntaba sobre Plackett-Burman Folded es porque lo considero una de las opciones cuando intento diseñar un DOE de detección:

Por lo tanto, tenía curiosidad sobre el valor agregado del PB plegado en comparación con el diseño PB y FF.

Además, al diseñar el experimento, tengo la opción de agregar puntos centrales. Entiendo que agregar puntos centrales ayuda a estimar la falta de ajuste y la curvatura en la respuesta, pero no estoy seguro de cuántos puntos centrales se deben agregar. ¿Tiene algún valor agregar más puntos centrales con respecto a la estimación de la curvatura?

Re: Plackett-Burman plegado

Hola @SaraA ,

Ok, entiendo mejor tu pregunta y el diseño mencionado.

La opción de 24 ejecuciones "Plackett-Burman Plegado" que ve corresponde a un pliegue del primer diseño PB (resolución III) que se muestra en su captura de pantalla (con 12 ejecuciones).

Puede reproducir el diseño plegado de Plackett-Burman de 24 corridas resaltado utilizando el diseño de Plackett-Burman de 12 corridas y luego aumentar el diseño usando un plegado (sin especificar un factor para el plegado). Luego verá que las nuevas 12 ejecuciones agregadas al diseño original de PB son solo experimentos espejo (los niveles se invierten entre los experimentos originales y los nuevos, -1 en lugar de 1 y 1 en lugar de -1), para descubrir el alias. y permitir la identificación y estimación de algunas interacciones de 2 factores.

En cuanto a los puntos centrales, de 3 a 5 suele ser un buen rango, ya que permite detectar la curvatura con bastante precisión, sin sesgar la prueba de falta de ajuste con demasiados experimentos de puntos centrales. Recuerde que agregar puntos centrales puede ayudar a detectar la curvatura, pero no podrá vincular esta curvatura a efectos cuadráticos específicos de sus factores. Sólo podrás con puntos centrales encajar un efecto cuadrático entre todos los posibles.

Algunas discusiones que pueden interesarle sobre los puntos centrales:

efecto de los puntos centrales

¿Cuántos puntos centrales agregar en un diseño?

Y ayuda de JMP sobre puntos centrales: puntos centrales, ejecuciones replicadas y pruebas

Espero que esta respuesta te ayude,