Estoy optimizando un proceso de producción y primero quiero evaluar la contribución de cada factor a la respuesta mediante un diseño personalizado.
Los factores incluyen las condiciones de las instalaciones, que son variables continuas, pero en realidad es muy difícil variar su valor (longitud de la plantilla, etc.).
Para tal variable, ¿qué tipo de factor debo elegir?
Las condiciones de las instalaciones pueden tener una contribución significativa y me gustaría encontrar el valor óptimo, pero el rango de valores posibles que puedo variar es limitado, no puedo crear un diseño experimental equilibrado.
Por otro lado, si la trato como una variable categórica o de bloque, me doy cuenta de que no podré inferir el valor óptimo si esta variable tiene una contribución significativa.
Hola @yukko ,
¡Bienvenidos a la Comunidad!
Si sus factores son variables que se pueden medir, recomendaría utilizar factores numéricos. Según la Ayuda de JMP sobre la descripción y la diferencia entre factores numéricos continuos y discretos ( Factors) :
" Un factor continuo es un factor que conceptualmente puede establecer en cualquier valor entre los límites inferior y superior que proporcione, dadas las limitaciones de su proceso y sistema de medición. "
" Un factor numérico discreto sólo puede asumir un número discreto de valores. Estos valores tienen un orden implícito. "
Entonces, dependiendo de la posibilidad de tener valores intermedios en el rango de sus factores numéricos, puede optar por elegir factores numéricos continuos (sin restricciones en la elección de niveles de factores) o numéricos discretos (posibilidad de elegir solo ciertos niveles para cada factor).
Si primero desea evaluar la contribución de cada factor a la respuesta con un diseño personalizado, la elección del tipo de factores puede no ser muy impactante: como se encuentra en una fase de selección, puede elegir 2 (mínimo y máximo) para 3 niveles (mínimo, medio, máximo) para cada factor, por lo que el diseño y análisis serán bastante similares con estos dos tipos de factores.
Con factores numéricos discretos y 3 niveles, puede elegir un nivel intermedio que no sea el nivel medio, a diferencia de los factores continuos, y el modelo contendrá automáticamente efectos cuadráticos. El análisis será un poco diferente en comparación con los factores continuos, ya que los factores discretos son como factores ordinales (categóricos pero ordenados).
Con factores continuos, puede agregar en el modelo efectos cuadráticos (y/o puntos centrales) para agregar un tercer nivel en el diseño para esos factores.
Espero que esta respuesta te ayude,
Muchas gracias @Victor_G .
Entendí que debería tratarse como un número discreto.
Por otro lado, si el tipo de variable no es muy importante en la fase de cribado inicial, ¿cuál es la diferencia entre tratar una variable como continua y discreta?
Hola @Victor_G .
Pido disculpas por la demora.
Entiendo la diferencia entre estos dos tipos de variables.
Entiendo que esta diferencia tiene gran importancia en la siguiente etapa de selección, la etapa de optimización.
Muchas gracias por tu amable consejo.
