DOE para respuesta binariaHola,
Tengo una respuesta binaria F/P. La tasa de falla actual es del 15%. Hay 3 factores con los que nos gusta experimentar: X1, X2 y X3. También hay un factor de bloqueo L con 3 niveles, es decir, línea 1, línea 2 y línea 3. X1 y X2 son continuos con dos niveles. X3 también es un fracaso continuo ya que sus configuraciones no se pueden configurar con precisión, lo consideramos como categórico de dos niveles con un nivel bajo con valores en el rango (a, b) y valores altos en el rango (c, d).
Me gusta diseñar un experimento para minimizar la tasa de fallas. No estoy seguro de cómo usar JMP para hacer esto.
Diseño de experimentosRe: DOE para respuesta binariaNo hay suficiente contexto para brindar un consejo específico, así que aquí están mis pensamientos/preguntas iniciales:
1. Supongo que F y P son reprobados y aprobados. ¿Reprobados y aprobados qué? ¿Es una especificación? ¿Puedes convertirlo en una medición continua? ¿O puedes desarrollar una medición que cuantifique mejor los "fenómenos"? La razón por la que digo esto es porque las variables de respuesta categóricas discretas/atributivas son ineficientes. Requieren más unidades experimentales para detectar cambios y asignar la causa. También tienen el defecto de ser un agregado de muchos modos/mecanismos de falla potenciales. ¿Has estudiado el sistema de medición que categoriza F/P? ¿Es consistente el 15%?
2. También quiero señalar una distinción... ¿Estás tratando de explicar por qué ocurren los fallos o estás tratando de predecirlos? El muestreo puede ser una forma más eficaz de explicar los fallos.
3. ¿Estás intentando comprender la estructura causal o "elegir un ganador"? ¿Planeas iterar?
4. La pregunta sobre la fijación de niveles sugiere que se tengan en cuenta las suposiciones. En el DOE, se "supone" que si se fija un factor en el nivel 1 y se cambia a otro nivel y luego se vuelve a fijar en el nivel 1, se fija en el mismo nivel que la primera vez. Ahora bien, la realidad dice que eso es imposible, ya que la variación existe en todo, por lo que una forma de reducir el impacto de esta desventaja es asegurarse de que los niveles se fijen de forma muy diferente (de forma audaz pero razonable). Y, por supuesto, la audacia en múltiples factores es aproximadamente la misma (imparcial).
5. No estoy seguro de que necesite bloquear las 3 líneas. ¿Por qué son diferentes? (hipótesis) ¿Puede elegir las 2 líneas que sean más diferentes como punto de partida? ¿Le interesa saber si los efectos de los factores de una línea son diferentes de los de otra (RCBD)? ¿O simplemente desea cuantificar el efecto de la línea y aumentar la precisión del diseño (BIB)?
6. ¿Existen otras variables de "ruido" que se deben tener en cuenta? Por ejemplo, los lotes de materia prima o la técnica del operador.
Re: DOE para respuesta binaria¡Gracias statman!
F/P son falla/aprueba, como habrás adivinado. Fabricamos aparatos. Al salir de cada línea, son defectuosos (F) o no (P). Lamentablemente, no hay forma de que sea continuo. Por ahora, supongamos solo un modo de falla, ya que este es el observado. El 15 % es constante +/- 2 %. A veces, obtenemos valores más altos de lo esperado, pero se conocen las razones.
El propósito del DOE es encontrar la mejor configuración de los parámetros para minimizar la tasa de fallas... con suerte, significativamente menor al 15 % (digamos al 10 %). Si por iteración, te refieres a la replicación, sí, podemos intentar hacer réplicas de las ejecuciones, pero si te refieres a repetir el experimento después del DOE inicial, bueno, tal vez dependiendo de la disponibilidad de recursos. Podemos limitarnos a dos líneas. Nos preocupan las diferencias en las líneas, pero creemos que los efectos de los factores deberían ser similares entre las líneas.
Existen otros factores de ruido, como los operadores. A la gerencia le gusta mantener este DOE muy económico, dentro de lo razonable, por supuesto.
Espero haber podido responder a sus preguntas/comentarios.
gracias de nuevo
Re: DOE para respuesta binariaHola @MarkovVaribles1 ,
@statman hizo una gran respuesta para iniciar la discusión y comenzar a pensar en su problema y objetivo(s).
Todavía estoy luchando por comprender exactamente el nivel de complejidad del diseño/modelo que estás tratando de lograr, que podría depender de tu objetivo, la cantidad de factores que estás investigando, cualquier restricción y un límite específico (¿y razonable?) en la cantidad de experimentos posibles/permitidos.
¿Ya tiene datos históricos que pueda usar para analizar la causa de los defectos (análisis de causa raíz para identificar factores de interés) y posiblemente aprovechar estos datos para ampliar sus datos en un diseño (usando la plataforma Augment Design), posiblemente con rangos de factores más grandes para expandir el espacio de inferencia?
Si no es así, creo que la plataforma Custom Designs podría funcionar para su caso, ya que puede manejar una gran variedad de tipos de factores y restricciones (bloqueos, restricciones numéricas, etc.).
También puede resultarle muy instructiva esta presentación de @DonMcCormack sobre " Cómo diseñar y analizar experimentos con respuestas de aprobado/reprobado ", ya que brinda una idea sobre cómo analizar este tipo de respuestas de aprobado/reprobado.
Espero que esta respuesta pueda ayudarte.
Re: DOE para respuesta binariaHola Víctor_G,
No buscamos aquí un análisis de causa raíz. Tenemos estos parámetros de proceso, X1, X2, X3, que se pueden controlar. Si la respuesta fuera continua, esto sería simplemente un DOE factorial o una variación de este. Dado que la respuesta es binaria, JMP no tiene la opción de que la respuesta sea binaria. Me preguntaba cómo puedo diseñar esto en JMP.
Espero que esto ayude a explicar el problema.
Re: DOE para respuesta binariaEl diseño es independiente del tipo de respuesta. Es la técnica de modelado la que se ve influenciada por el tipo de respuesta. Hay varias técnicas que se adaptan a las respuestas binarias... empezando por la regresión logística.
Re: DOE para respuesta binariaComo sugiere @P_Bartell , la respuesta no influirá en el diseño.
De esta forma, puede crear varios diseños, compararlos, seleccionar uno y luego agregar una nueva columna o cambiar los datos y el tipo de modelado de su columna de respuesta original para poder usar una respuesta binaria.
Puedes mirar mi publicación anterior para ver cómo analizar dicha respuesta con la presentación de @DonMcCormack .Re: DOE para respuesta binariaGracias por el seguimiento, pero todavía falta mucha información/contexto para brindar asesoramiento. ¿Qué hace que un widget sea defectuoso? No me refiero a réplicas, aunque esto es esencialmente lo que estás haciendo al incluir líneas en tu estudio (es decir, réplicas = bloques) y esta es una buena idea. Insinué la iteración desde el primer espacio de diseño al siguiente. " A la gerencia le gusta mantener este DOE muy económico dentro de lo razonable, por supuesto". Si economizan al restringir el espacio de inferencia, es una MALA idea. Significa que tus conclusiones están limitadas a esas condiciones de ruido. Si el ruido cambia, entonces todos los resultados del experimento pueden ser en vano (¡eso no es económico)! Quieres maximizar el espacio de inferencia y aumentar la precisión de los factores de diseño simultáneamente. Esto requiere usar estrategias para manejar el ruido de manera adecuada. Restringir el ruido generalmente NO es una buena idea.
Si debe ceñirse a la variable de respuesta categórica discreta (y solo tiene una variable de respuesta), le sugiero que lea:
Bisgaard, Søren, Howard Fuller, "Análisis de experimentos factoriales con defectos o defectuosos como respuesta", junio de 1994, Informe #119, Centro para la Mejora de la Calidad y la Productividad, Universidad de Wisconsin.
Re: DOE para respuesta binaria¡Gracias a todos!
