Diseño DoE multicomponente, multiproveedor y multiconcentraciónEstoy intentando crear un diseño DoE en el que tengo 3 tipos de suplementos y cada suplemento tiene 3 proveedores diferentes. Me gustaría probar más de 3 concentraciones para cada suplemento. Por lo tanto, necesitaría utilizar un diseño numérico discreto, sin embargo, esto significaría que la sugerencia de JMP sobre la concentración ideal no estaría fuera de estos números predeterminados. Otro problema con el que parece que me enfrento es que los mismos tipos de suplementos de diferentes proveedores no se pueden mezclar y JMP no parece lidiar con este problema. He intentado utilizar factores de covarianza, pero no parece resolver los problemas. Por lo tanto, no puedo crear un diseño. Cualquier sugerencia y orientación será muy apreciada.
Modelado estadístico avanzadoDiseño de experimentosModelado predictivo y aprendizaje automáticoRe: Diseño de DoE multicomponente, multiproveedor y multiconcentraciónNo es muy difícil recodificar los niveles de concentración (ver tablas adjuntas)
Existe el riesgo de que se afecte la ortogonalidad del diseño, pero en este caso parece bastante bueno.
Las concentraciones recodificadas están a la derecha, las predeterminadas a la izquierda.
Tenga en cuenta que en las tablas adjuntas (ejecute el script DOE Dialog) las concentraciones son "difíciles" de cambiar.
Observa el gráfico de distribución utilizando gráficos completos y cada uno de los 6 factores. Parece que cada concentración está incluida en cada combinación de proveedores de suplementos (o al menos 8 de ellos)
Re: Diseño de DoE multicomponente, multiproveedor y multiconcentraciónGracias Byron, esto definitivamente se ve mejor que como estaba tratando de configurarlo antes. Sin embargo, una vez que los números se generan aleatoriamente, no parecen usarse para cada uno de los proveedores, y necesitaría probar las mismas concentraciones para cada suplemento de los diferentes proveedores, a menos que pueda cambiar manualmente las concentraciones en la tabla creada sin estropear el diseño y el análisis.
Re: Diseño de DoE multicomponente, multiproveedor y multiconcentraciónHi @Moses8,
¡Bienvenido a la Comunidad!
No estoy seguro de haber entendido completamente tu configuración experimental:
- ¿Los tipos de suplementos son factores independientes, es decir, un suplemento puede variar en un rango de concentraciones independientemente de los demás suplementos? Si es así, puede utilizar un diseño óptimo/factorial. Si los suplementos son componentes de una mezcla, es decir, sus concentraciones/cantidades deben sumar un valor/umbral fijo, puede utilizar un diseño de mezcla.
- ¿Son diferentes los 3 proveedores para cada tipo de suplemento? Si es así, puede configurar su factor con un factor categórico de 3 niveles (A, B, C para los niveles de proveedores, por ejemplo), pero utilice al proveedor como un efecto anidado en el análisis, ya que el proveedor depende del tipo de suplemento. Consulte sobre los efectos anidados aquí: Construir efectos de modelos (jmp.com)
- ¿Tiene restricciones sobre los posibles valores de concentración para cada suplemento? Si no es así, consideraría usar estos factores de concentración como numéricos continuos (en lugar de numéricos discretos) y elegiría un modelo relevante para poder tener la cantidad mínima de niveles que desea. Esta opción también evitaría tener una "optimización discreta" para la elección del valor de concentración como menciona (solo hay 3 valores numéricos discretos disponibles).
Si puede proporcionar más información sobre su proyecto, eso podría ayudar a los usuarios de JMP a brindarle ayuda y asistencia para su DoE.
Re: Diseño de DoE multicomponente, multiproveedor y multiconcentraciónParece que quieres un diseño como este.
En cuanto a las concentraciones de los suplementos, las dejé en un rango entre el 10 y el 50 %. Tenga en cuenta que suman el 100 %.
No utilice números discretos para variables continuas. Resérvelos para cuando tenga algo como la cantidad de dientes de un engranaje, algo que no se pueda cambiar fácilmente.
La función de mezcla le permite tener X correlacionadas y puede tener más de 3. El tipo de modelado es cúbico de Scheffe, lo que hace que se utilicen múltiples concentraciones, como cuando tiene un modelo cuadrático para una variable continua. Tenga en cuenta que, para los términos polinómicos, no agrega los niveles usted mismo, sino que se calculan a partir del rango que especifique.
La tabla de datos adjunta contiene un experimento representativo.
Hay un script llamado "Ejecutar este modelo", ejecútalo.
