¿CUÁLES SON LOS BENEFICIOS PARTICULARES DE LOS DISEÑOS DE OMARS?Hay muchas herramientas JMP DOE potentes con éxito demostrado durante mucho tiempo, por otro lado , recientemente se ha escrito y publicado mucho sobre diseños OMARS.
Me gustaría preguntar a los usuarios experimentados de DOE cuáles son los beneficios particulares de este nuevo tipo de diseños además de lo que está disponible en el menú DOE de JMP. ¿En qué tipo de casos particulares recomendaría utilizar OMARS? ¿Hay casos que no se puedan tratar con OMARS? Por lo que sé, supongo que las mezclas, la parcela dividida y los efectos aleatorios no están dentro del alcance de OMARS, ¿correcto?
Diseño de experimentosRe: ¿CUÁLES SON LOS BENEFICIOS PARTICULARES DE LOS DISEÑOS DE OMAR?Vale, Víctor, eso me ha quedado claro. Personalmente, no soy un gran partidario de resolver todo con un gran experimento; mi forma favorita de hacerlo es generar conocimiento mediante un enfoque secuencial y, hasta ahora, se han obtenido buenos resultados al examinar los efectos fuertes/activos con DSD y, en un segundo paso, aumentar el DOE a RSM con efectos activos; en muchos casos, con solo < 4 efectos significativos, ni siquiera fue necesario aumentar, por lo que con solo unas pocas ejecuciones hay una solución. Todavía no estoy convencido de OMARS; en mi opinión, sin conocimientos o con muy pocos, es demasiado difícil hacer todo con un solo experimento; me gusta más el enfoque secuencial de calidad PDCA. Estoy de acuerdo en que, cuando hay suficiente conocimiento, OMARS puede ser beneficioso (?)
Re: ¿CUÁLES SON LOS BENEFICIOS PARTICULARES DE LOS DISEÑOS DE OMARS?Hola @frankderuyck ,
Los diseños OMARS fueron introducidos recientemente (alrededor de 2020) como diseños de detección y optimización por Peter Goos y José Núñez.
El objetivo detrás del uso de estos diseños era cerrar la brecha entre los diseños de detección definitiva y los diseños de superficie de respuesta . Puede encontrar su presentación con bastante facilidad, donde demuestran algunas de las excelentes propiedades de los diseños OMARS:
En su ejemplo y demostración, para una cantidad equivalente de ejecuciones que los DSD (22), OMARS puede tener mejores propiedades de proyección y mayor potencia para efectos cuadráticos, y puede ajustar todas las interacciones de 2 factores. Puede reproducir su comparación utilizando el complemento de diseños de OMARS y comparar un diseño de OMARS con un diseño DSD utilizando la plataforma Comparar diseños .
Adjunto la tabla de diseños para que la comparación sea más fácil si queréis echar un vistazo.
- Puede comprobar que OMARS puede ser capaz de ajustar más términos (todas las interacciones y más efectos cuadráticos que DSD), y la potencia para las interacciones y los efectos cuadráticos son equivalentes o mayores (por el coste de una pequeña disminución de potencia para los efectos principales):
- También tienen una varianza de predicción máxima más baja y una curva de fracción del espacio de diseño más baja (por lo tanto, una varianza de predicción más baja en todo el espacio experimental):
- El mapa de correlación también es interesante de comparar, con correlaciones más bajas entre términos:
Maria Lanzerath también tiene un caso de uso en el que ha demostrado el uso y el beneficio de OMARS en su caso de uso.
Intelectualmente, este diseño es muy interesante, ya que proporciona una familia que unifica y cierra la brecha entre DSD y RSD. En algunos casos de uso, podría ser interesante probarlos y compararlos con otros tipos de diseños. Tendrá restricciones similares a las de los DSD para su uso: sin factor de mezcla, sin restricciones, sin factores difíciles de cambiar/situación de parcela dividida, sin efectos aleatorios (incluso si puede usar bloques en DSD y OMARS), ...
Pero no creo que los desarrolladores impulsen la implementación del diseño OMARS en JMP, ya que Peter y Jose han creado su propia empresa EFFEX que distribuye diseños OMARS en una interfaz basada en la web. Aún puedes experimentar con diseños OMARS con el complemento y ver cómo se compara con otros diseños.
Creo que ya existe una diversidad suficiente de diseños para elegir (DSDs, OMLs, RSM, Optimal, ...), por lo que no tuve la oportunidad de probar a utilizar diseños OMARS en casos de uso reales.
Espero que este inicio de discusión pueda ayudarte.
Re: ¿CUÁLES SON LOS BENEFICIOS PARTICULARES DE LOS DISEÑOS DE OMAR?Frank, estoy de acuerdo, un enfoque secuencial siempre es mejor.
En mi humilde opinión, siempre habrá quienes busquen optimizar la estructura de diseño para una situación dada (por ejemplo, criterios de optimalidad, etc.), PERO el aspecto más importante de la experimentación es cómo se maneja el ruido (por ejemplo, ruido a corto plazo como error de medición, dentro del lote, dentro de la pieza y ruido a largo plazo como condiciones ambientales, materias primas de lote a lote, técnica humana). Si el ruido es constante durante el experimento, entonces tienes un espacio de inferencia estrecho donde los resultados probablemente no se extrapolarán. Si el ruido varía "aleatoriamente" durante el experimento, entonces comprometes la precisión. Las estrategias para manejar el ruido no están bien descritas por el software (cualquier software). Siempre hay demasiado enfoque en la estructura de diseño (y cómo puedes economizar ejecuciones para aprender más).
“Desafortunadamente, los experimentos futuros (futuros ensayos, la producción de mañana) se verán afectados por condiciones ambientales (temperatura, materiales, personas) diferentes de las que afectan a este experimento... Solo mediante el conocimiento del tema, posiblemente ayudado por experimentos adicionales, se podrá lograr un cambio en la forma en que se desarrolla el experimento. (cursiva añadida) para cubrir una gama más amplia de condiciones, de modo que uno pueda decidir, con el riesgo de equivocarse, si las condiciones ambientales del futuro serán lo suficientemente parecidas a las de hoy como para permitir el uso de los resultados disponibles”.
Doctor Deming
"Antes de hacer una regla general de este caso, pruébelo dos o tres veces y observe si las pruebas producen los mismos efectos"
leonardo da vinci
"BLOQUEA LO QUE PUEDAS, ALEATORIZA LO QUE NO PUEDAS"
Caja GEP
Re: ¿CUÁLES SON LOS BENEFICIOS PARTICULARES DE LOS DISEÑOS DE OMAR?¡Argumentos sólidos a favor de la experimentación secuencial! Construya modelos con factores que sean lo suficientemente fuertes como para superar el ruido. Este último puede detectarse con experimentos de detección de series limitadas y, eventualmente, con replicación. ¡DSD sigue siendo una gran herramienta!
Re: ¿CUÁLES SON LOS BENEFICIOS PARTICULARES DE LOS DISEÑOS DE OMARS?¿Es posible utilizar OMARS con efectos categóricos de más de 2 niveles? ¿También con muchos efectos categóricos o solo con ellos?
Re: ¿CUÁLES SON LOS BENEFICIOS PARTICULARES DE LOS DISEÑOS DE OMAR?@frankderuyck Estoy de acuerdo contigo en tu discusión sobre experimentación secuencial con @statman y cómo manejar el ruido.
Sin embargo, recordemos que los DoE se aplican a menudo en un contexto de experimentos físicos/químicos reales, por lo que también hay que tener en cuenta el coste y el tiempo en relación con la elección de un diseño (y el número de ejecuciones asociadas). Si una respuesta necesita una gran duración/largo plazo para ser medida/registrada (por ejemplo, estudios de estabilidad durante varios meses/años), puede ser más razonable hacer un DoE "one-shot" más grande y tener todos los resultados necesarios al mismo tiempo, en lugar de varios secuenciales en los que se invertirá mucho tiempo en cada iteración. Maria Lanzerath también hace hincapié en su caso de uso en los beneficios de los diseños OMARS en relación con la selección de modelos, en el contexto de la complejidad del modelo relacionada con el número disponible de términos posibles.
Respecto a sus preguntas:
- OMARS se puede realizar con cualquier número de factores categóricos de 2 niveles o factores continuos,
- No sé qué tan relevante puede ser OMARS para estudios que involucran sólo factores categóricos (podría haber mejores opciones).
Pero pueden incluir cualquier número de factores categóricos de 2 niveles sin perder las propiedades de ortogonalidad. Este era un inconveniente de los DSD cuando se introducían varios factores categóricos de 2 niveles. Esta situación se resolvió con la introducción de los diseños de niveles mixtos ortogonales presentados por Bradley Jones el año pasado y disponibles en JMP 18.
Información sobre los diseños OML:
Tutorial para desarrolladores: Cómo usar JMP para crear diseños de tramado mixto ortogonal
Una familia de diseños de cribado de efectos principales ortogonales para factores de nivel mixto (2023-EU-30MP-1272)
Comparación del mapa de correlación entre OML y DSD creado para 2 factores categóricos de dos niveles y 4 factores continuos:
Se puede observar que en el caso de DSD, existen pequeñas correlaciones entre los efectos principales de los factores categóricos y los demás efectos principales. Con OML, se tiene una estructura que permite que no exista correlación entre los efectos principales y entre los efectos principales y los términos de segundo orden. OML también permite tener un tamaño de diseño diferente al de DSD.
Espero que esta respuesta sea útil y fructífera para la discusión.
Re: ¿CUÁLES SON LOS BENEFICIOS PARTICULARES DE LOS DISEÑOS DE OMAR?Gracias Víctor, OML es interesante. ¿También son posibles los efectos categóricos de 3 niveles con OMARS?
Por cierto, eché un vistazo al estudio de caso de Maria Lanzerath, donde hay bastante conocimiento disponible y se hacen suposiciones sobre los efectos de la interacción; en este caso, se puede construir un DOE igualmente bueno con un diseño personalizado omitiendo las interacciones innecesarias y, en caso de duda, cambiando a "si es posible".
Re: ¿CUÁLES SON LOS BENEFICIOS PARTICULARES DE LOS DISEÑOS DE OMAR?No, los factores categóricos de 3 niveles no son posibles con diseños DSD, OMARS u OML, solo factores categóricos de 2 niveles.Re: ¿CUÁLES SON LOS BENEFICIOS PARTICULARES DE LOS DISEÑOS DE OMAR?Hola Víctor, comparando OML y DSD, ¿qué pasa con las correlaciones de los 4 efectos cuadráticos? De las tablas de correlación anteriores, preferiría el DSD: la correlación entre algunos efectos principales es muy baja y despreciable, y cada efecto de interacción está correlacionado con solo otro efecto de interacción. La estructura de correlación de las interacciones OML es bastante compleja; creo que en el algoritmo OML hay un esfuerzo demasiado fuerte para obtener una correlación cero entre los efectos principales, lo que da como resultado una correlación más compleja entre las interacciones (?) (no hay almuerzo gratis, se debe pagar un precio...). Lograr una correlación cero entre los efectos principales también, en mi opinión, no es necesario, en muchos diseños personalizados no balanceados y cuando se incluyen factores covariables, siempre hay una pequeña correlación entre los factores principales; R < 0,2 es aceptable.
