¿Qué tipo de factor se debe elegir para el diseño personalizado?Estoy optimizando un proceso de producción y primero quiero evaluar la contribución de cada factor a la respuesta utilizando 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 esta variable, ¿qué tipo de factor debo elegir?
Las condiciones de la instalación pueden tener una contribución significativa y me gustaría encontrar el valor óptimo, pero el rango de valores posibles que puedo variar es limitado y no puedo crear un diseño experimental equilibrado.
Por otro lado, si la trato como una variable categórica o de bloque, me temo que no podré inferir el valor óptimo si esta variable tiene una contribución significativa.
Diseño de experimentosVentanasRe: ¿Qué tipo de factor se debe elegir para un diseño personalizado?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 su amable consejo.
Re: ¿Qué tipo de factor se debe elegir para el diseño personalizado?Hola @yukko ,
El tipo de variable no creará diferencias en el diseño si tienes 2 niveles.
Si desea 3 niveles, elegir factores numéricos discretos ayuda a establecer el nivel intermedio en cualquier valor elegido en el rango del factor, mientras que los factores numéricos continuos requieren establecer términos cuadráticos en el modelo (y/o puntos centrales) para incluir un tercer nivel en el diseño (que será automáticamente un punto medio en el rango del factor).
La gran diferencia entre tratar el factor numérico como discreto o continuo tiene que ver con la interpolación, es decir, la posibilidad de predecir la(s) respuesta(s) de forma continua en cualquier valor dado entre los niveles utilizados para el factor continuo, dependiendo del modelo de regresión y los términos utilizados en este modelo.
Perfilador con X1 como numérico discreto y 2 niveles (modelado realizado con los 2 niveles pero las predicciones solo se pueden hacer especificando uno de los dos niveles estudiados):
Perfilador con X1 como numérico continuo con 2 niveles (modelado realizado con los 2 niveles pero se pueden hacer predicciones en todo el rango de X1, de -1 a 1):
Espero que esto te ayude a comprender la diferencia.
Re: ¿Qué tipo de factor se debe elegir para un diseño personalizado?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 selección inicial, ¿cuál es la diferencia entre tratar una variable como una variable continua y una variable discreta?
Re: ¿Qué tipo de factor se debe elegir para un diseño personalizado?Hola @yukko ,
¡Bienvenido a la Comunidad!
Si los factores son variables que se pueden medir, recomiendo utilizar factores numéricos. Según la Ayuda de JMP sobre la descripción y la diferencia entre factores numéricos continuos y discretos ( Factores) :
" Un factor continuo es un factor que se puede establecer conceptualmente en cualquier valor entre los límites inferior y superior que usted 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 los 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 tener mucho impacto: como está en una fase de selección, puede elegir entre 2 (mínimo y máximo) y 3 (mínimo, medio, máximo) niveles para cada factor, por lo que el diseño y el 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, puedes agregar al modelo efectos cuadráticos (y/o puntos centrales) para agregar un tercer nivel en el diseño para esos factores.
Espero que esta respuesta te ayude.
