DoE e introducción de análisis replicadosHola,
He realizado un DoE según lo diseñado, pero me gustaría saber cómo evaluar datos analíticos replicados que alimentan la respuesta para cada condición.
Normalmente utilizamos datos analíticos proporcionados por nuestro departamento de análisis, pero estamos investigando una herramienta de análisis rápido para aplicaciones futuras. Si bien esta herramienta es útil, parece más precisa cuando se realizan análisis replicados y luego se promedia para alcanzar la media. Por lo general, eliminamos manualmente (y según nuestro criterio) los datos de respuesta atípicos, pero esperaba que estos datos pudieran ingresarse en la plataforma JMP DoE y determinaran automáticamente los valores atípicos.
¿Cómo ingreso estos datos replicados, pero evito que JMP crea que se trata de réplicas verdaderas y no simplemente de un análisis replicado de la misma condición? Si no lo hago, asumo que JMP proporcionará un perfil "demasiado seguro", a menos que esté entendiendo mal algo.
Diseño de experimentosventanasRe: DoE e introducción de análisis replicadosEstoy un poco perdido en tu terminología. Creo que los datos analíticos se repiten en relación con los tratamientos del experimento.
Una forma de agregar repeticiones al diseño es agregar columnas adicionales para cada repetición. Una vez que haya completado estas columnas, apílelas. Luego puede representar gráficamente la variación dentro del tratamiento, evaluar la consistencia de la variación dentro del tratamiento y determinar las estadísticas apropiadas para resumir esas medidas repetidas (p. ej., media, desviación estándar logarítmica, etc.)
Re: DoE e introducción de análisis replicadosHola estatman,
Supongo que lo que intento preguntar es si hay alguna forma de definir filas en JMP como datos analíticos replicados, en lugar de datos de ejecución replicados.
Por ejemplo, si realizo 12 ejecuciones en un DoE y las analizo 10 veces cada una, tengo 120 respuestas. Si simplemente apilo estas 12 ejecuciones 10 veces y aplico cada respuesta replicada, puedo modelar los datos; sin embargo, JMP las verá como ejecuciones replicadas, en lugar de análisis replicados.
¿JMP vería estos datos incorrectamente y reduciría los intervalos de confianza de manera inapropiada suponiendo que la varianza del proceso fuera baja (dado que solo tendríamos varianza analítica en este punto)?
Re: DoE e introducción de análisis replicadosHola @MetaLizard62080
Quizás esta demostración pueda darle alguna indicación: https://www.youtube.com/watch?v=zagpxGbfuiA&t=358s
Si tiene columnas separadas para cada serie de réplicas analíticas, puede calcular la media y la desviación estándar y modelar ambas.
Re: DoE e introducción de análisis replicadosHola @MetaLizard62080 : Otra opción sería apilar los datos como lo describe; luego, junto con los otros factores fijos en su DoE, incluya "ejecutar" como un efecto aleatorio en su modelo. Los resultados serán los mismos que los del análisis de las medias (como sugirieron @gonzaef y @Steffen_Bugge ), pero obtendrá información adicional sobre la variabilidad entre ejecuciones y la variabilidad dentro de las ejecuciones.
Editar: ¿Cuántos factores de diseño hay en su DoE?
Re: DoE e introducción de análisis replicadosHola MetalLizard...
Aprecio su instinto inicial de hacer la pregunta: las medidas repetidas de la misma ejecución experimental son diferentes a una repetición "nueva" de la iteración que abarca todas las fuentes de variabilidad: materiales de partida, cumplimiento de la configuración de factores, etc. Estoy de acuerdo con la comunidad anterior. entrada sobre esto.
Su pregunta inicial constaba de dos partes: promedio de medidas repetidas/detección y exclusión de valores atípicos como parte de la medición de las respuestas en un DOE.
JMP puede ayudar con ambas partes, pero abordadas individualmente.
También estoy de acuerdo con las sugerencias de los otros miembros de la comunidad; mi instinto también sería agregarlos en una tabla de datos separada y luego resumir.
Si bien el ahorro de tiempo y costo con el "sistema de medición rápida (propenso a valores atípicos, que pueden identificarse y excluirse manualmente)" frente al uso de "medidas del departamento de análisis" puede ser una excelente opción para su situación, existen algunas advertencias.
Estos dos sistemas de medición pueden dar resultados netos que tienen una diferencia de desplazamiento, pendiente o linealidad.
JMP también cuenta con excelentes herramientas para la evaluación de sistemas de medición.
- Si el objetivo del experimento es determinar la configuración de los factores que maximizarán o minimizarán una respuesta, cualquier diferencia en los sistemas de medición probablemente no importará.
*Pero*
- Si el objetivo es determinar la configuración de los factores para alcanzar un determinado objetivo (según lo medido por el departamento analítico)... o
- si hay un límite de especificación para la respuesta (nuevamente "según lo medido por el departamento analítico") que debe evitarse como parte del establecimiento del rango operativo del factor... o
- si el objetivo es construir (y publicar) un modelo para predecir resultados, dado el conjunto futuro de configuraciones de factores (para las entradas X, esperamos qué valor de Y)
.....entonces se vuelve más relevante un medio para traducir entre sistemas de medición.
Respecto a la detección/exclusión de valores atípicos
JMP tiene una variedad de herramientas que respaldan este esfuerzo. ¿Toman exactamente las mismas decisiones que usted "manualmente/por criterio"... "depende"? Las arquitecturas sugeridas para resumir varias filas funcionarán, con un paso en el que las filas atípicas se revisan y excluyen selectivamente. También podría haber alguna selección de valores atípicos en las fórmulas de las columnas que excluirían selectivamente las filas (condicionales "faltantes") consideradas inusuales.
