Diseño de experimento para 2 factores continuos y 1 factor numérico discretoHola expertos de JMP.
Luché por decidir qué DOE usar para mi experimento. Tengo 2 factores continuos y 1 factor numérico discreto (3 niveles). El objetivo es optimizar la combinación de estos factores para lograr el máximo de respuestas Y (tengo 2 respuestas Y).
¿Cuál sería el mejor DOE para utilizar?
¡Apreciaría tu ayuda!
¡Gracias!
Diseño de experimentosRe: Diseño de experimento para 2 factores continuos y 1 factor numérico discretoHola @stat_mr_h ,
¡Bienvenidos a la Comunidad!
Antes de recomendar una plataforma o tipo de diseño específico, algunas preguntas le ayudarán a formular su DoE y su tema:
- Factores en el estudio : En el caso descrito, usted enumeró solo 3 factores. ¿Ya ha examinado y filtrado algunos factores que podrían influir en su sistema? ¿Existen sólo estos 3 factores importantes y activos?
- Rangos de factores : ¿Qué tan seguro estás acerca de los rangos de los factores? ¿Crees que el punto óptimo estará dentro de tu espacio experimental definido?
- Medición/variabilidad de la respuesta : ¿Tiene ya algún conocimiento sobre la variabilidad de las mediciones para evaluar el número de ejecuciones necesarias? ¿Cuál es la repetibilidad/reproducibilidad de su sistema de medición?
- Diferencia en los niveles de respuesta : En relación con los dos elementos anteriores, ¿los rangos de los factores son lo suficientemente amplios como para que sus experimentos tengan medidas de respuesta significativamente diferentes, teniendo en cuenta la variabilidad de las medidas?
Sobre el uso de plataformas y tipos de diseño específicos, este cuestionario de JMP podría ser un buen punto de partida para tener una primera recomendación sobre qué tipo de diseño probar primero:HACER cuestionario (jmp.com)
Si tienes dudas sobre los temas y preguntas planteadas anteriormente, aquí tienes una posible recomendación sobre cómo empezar:
- Para comprobar si los rangos de tus factores permiten ver diferencias en las respuestas, y posiblemente tener una primera evaluación de la variabilidad de las respuestas, yo comenzaría con un diseño de Screening (usando la plataforma Custom design, y usando un diseño simple (D-óptimo ) para comprobar los efectos principales, e incluir algunos puntos centrales y réplicas para evaluar la variabilidad de las mediciones) o un diseño de alcance más parcimonio/económico (no incluido en JMP de forma predeterminada, pero muy fácil de crear y analizar/visualizar).
- Una vez que haya creado su diseño inicial y haya verificado la conformidad de los rangos de sus factores con la variabilidad de las respuestas y la capacidad de detectar diferencias en las respuestas, podrá aumentar los diseños. Ingrese sus factores y respuestas, haga clic en "Agrupar nuevas carreras en un bloque separado" y haga clic en la opción Aumentar. También puede cambiar los rangos de factores en este paso si tenía rangos demasiado amplios o si desea pasar a un área experimental diferente. Desde allí, podrá especificar el modelo que desee, por lo que en su caso sería una buena opción hacer clic en "RSM" para especificar un modelo de superficie de respuesta, incluidos los efectos principales, las interacciones de 2 factores y los efectos cuadráticos. .
- Analiza los resultados de tu diseño, la adecuación de tu modelo y comprueba si eres capaz de encontrar un punto óptimo. Si el área óptima aún no está completamente analizada o puede haber algunos efectos no lineales que no puedes modelar bien, puedes aumentar una vez más tu diseño y elegir un tipo de aumento de relleno de espacio . Esto creará puntos de forma casi aleatoria y homogénea en su espacio experimental, y podrá utilizar otros tipos de modelos, como modelos de aprendizaje automático, si es necesario.
Si ya está seguro de los factores, rangos y respuestas, también puede crear directamente su diseño de Superficie de respuesta en JMP usando la plataforma de diseño personalizado, especificando todos los efectos principales, interacciones de 2 factores y efectos cuadráticos en el modelo (o simplemente haciendo clic en Botón "RSM" en el panel del modelo). Recomiendo crear varios diseños con distintos números de ejecuciones, para comprender mejor el equilibrio entre el presupuesto experimental necesario y el rendimiento del diseño, y ayudarlo a optimizar este compromiso. Puede crear varios diseños y utilizar la plataforma Comparar diseños para comparar sus rendimientos, o generar directamente varios diseños con varias configuraciones utilizando la plataforma Design Explorer .
Espero que esta respuesta te ayude,
Re: Diseño de experimento para 2 factores continuos y 1 factor numérico discretoVaya, no vi la respuesta de @P_Bartell antes de plantear esto.
Quizás quieras probar el diseño personalizado.
DOE=>Diseño personalizado
funciona al pedirle que ingrese los detalles de su experimento y luego construye el DOE para usted.
Re: Diseño de experimento para 2 factores continuos y 1 factor numérico discretoPuede crear este diseño con bastante facilidad en la plataforma de Diseño personalizado. Análisis en Graph Builder o Fit Y by X para muchas visualizaciones y modelado en la plataforma Fit Model, personalidad de ajuste de mínimos cuadrados estándar suponiendo que sus respuestas son de naturaleza continua/numérica... si se requiere algo más, se requiere una personalidad de ajuste diferente... pero eso depende de la naturaleza específica del tipo de datos de respuesta.
