Sto ottimizzando un processo di produzione e desidero innanzitutto valutare il contributo di ciascun fattore alla risposta utilizzando un design personalizzato.
I fattori includono le condizioni della struttura, che sono variabili continue, ma in realtà è molto difficile variare il valore (lunghezza della maschera, ecc.)
Per tale variabile, quale tipo di fattore dovrei scegliere?
Le condizioni della struttura possono avere un contributo significativo e vorrei trovare il valore ottimale, ma la gamma di valori possibili che posso variare è limitata, non sono in grado di creare un disegno sperimentale equilibrato.
D'altra parte, se la tratto come una variabile categoriale o di blocco, sto avvertendo che non sarò in grado di dedurre il valore ottimale se questa variabile ha un contributo significativo.
Ciao @yukko ,
Benvenuto nella Comunità!
Se i tuoi fattori sono variabili che possono essere misurati, consiglierei di utilizzare fattori numerici. Secondo la Guida di JMP sulla descrizione e la differenza tra fattori numerici continui e discreti ( Fattori) :
" Un fattore continuo è un fattore che è possibile impostare concettualmente su qualsiasi valore compreso tra i limiti inferiore e superiore forniti, date le limitazioni del processo e del sistema di misurazione. "
" Un fattore numerico discreto può assumere solo un numero discreto di valori. Questi valori hanno un ordine implicito. "
Quindi, a seconda della possibilità di avere valori intermedi nell'intervallo dei tuoi fattori numerici, puoi scegliere di scegliere fattori numerici continui (nessun vincolo sulla scelta dei livelli dei fattori) o numerici discreti (possibilità di scegliere solo determinati livelli per ciascun fattore).
Se vuoi prima valutare il contributo di ciascun fattore alla risposta con un disegno personalizzato, la scelta del tipo di fattori potrebbe non avere molto impatto: poiché sei in una fase di screening, puoi scegliere da 2 (minimo e massimo) a 3 livelli (minimo, medio, massimo) per ciascun fattore, quindi la progettazione e l'analisi saranno abbastanza simili con questi due tipi di fattori.
Con fattori numerici discreti e 3 livelli, puoi scegliere un livello intermedio che non sia il livello medio, a differenza dei fattori continui, e il modello conterrà automaticamente effetti quadratici. L'analisi sarà leggermente diversa rispetto ai fattori continui, poiché i fattori discreti sono come i fattori ordinali (categorici ma ordinati).
Con i fattori continui, è possibile aggiungere nel modello effetti quadratici (e/o punti centrali) per aggiungere un terzo livello nella progettazione per tali fattori.
Spero che questa risposta ti possa aiutare,
Grazie mille @Victor_G .
Ho capito che dovrebbe essere trattato come un numero discreto.
D'altra parte, se il tipo di variabile non è molto importante nella fase di screening iniziale, qual è la differenza tra trattare una variabile come variabile continua e come variabile discreta?
ciao @Victor_G .
Scusate il ritardo.
Capisco la differenza tra questi due tipi di variabili.
Capisco che questa differenza ha un grande significato nella fase successiva dello screening, la fase di ottimizzazione.
Grazie mille per il tuo gentile consiglio
