Non c'è modo di sapere il meglio a priori. Il mio suggerimento è di creare più opzioni DOE (progettare più esperimenti). Per ogni esperimento, elenca le potenziali conoscenze che otterrai (ad esempio, quali effetti possono essere stimati, quale ordine di effetti del modello può essere stimato, cosa è confuso e cosa è limitato) e valuta tutto ciò rispetto alle risorse che hai a disposizione. Prevedi TUTTI i possibili risultati di ciascun esperimento, quindi scegline uno ed eseguilo sapendo che potrebbe essere il primo di una serie di esperimenti.
Ciao @DRC92 ,
Benvenuto nella Comunità!
La scelta e l'analisi del DoE dipendono davvero dalla tua conoscenza preliminare del sistema e dal numero di fattori, vincoli, restrizioni di randomizzazione, rapporto rumore/segnale, ...
Hai detto che potresti avere un minimo di 2-3 fattori e un massimo di 8-9 fattori. Conosci già le influenze e l'importanza di tutti i possibili fattori nel tuo sistema?
In caso contrario, consiglierei di iniziare con un progetto di screening, per rilevare effetti e fattori importanti nel tuo sistema.
Una volta identificati questi importanti effetti, puoi quindi ampliare la tua progettazione per aggiungere alcuni punti per perfezionare il tuo modello (e aumentare la predittività) e ottimizzare le tue risposte.
Il progetto di screening iniziale dovrebbe includere il maggior numero possibile di fattori con un ampio intervallo di fattori, per identificare quali fattori sono importanti e attivi nel proprio sistema.
- Il disegno di screening definitivo può essere una scelta interessante in assenza di vincoli di fattori (e per 5+ fattori continui e un numero limitato di fattori categorici a 2 livelli), poiché è un potente disegno di screening a 3 livelli in grado di rilevare gli effetti principali, le interazioni ed effetti quadratici, per un budget sperimentale molto limitato. Avere 3 livelli per i fattori continui aiuta a evitare risposte "binarie" con valori molto alti o molto bassi o utilizzando solo impostazioni "assenza/presenza" per i livelli alti e bassi dei fattori.
- Anche la progettazione personalizzata (disegni di screening D/A-Optimal) può essere un'alternativa interessante, poiché consente di includere vari tipi di fattori, vincoli e restrizioni di randomizzazione (ad esempio se è necessario impostare gli esperimenti su piastra con un numero definito di esperimenti per riga e colonne), con piena flessibilità sul modello assunto e su cosa si desidera rilevare.
Spero che questa prima risposta ti possa aiutare,
