821989_es-ES

liliconcom

Guía para el análisis de datos para un diseño de mezcla de 4 factores con 4 respuestas

Estoy trabajando en un diseño mixto en JMP con cuatro factores continuos y cuatro respuestas. Si bien he avanzado en el modelado y la evaluación de respuestas individuales, me resulta difícil analizar todas las respuestas en conjunto. En concreto:

• Los gráficos ternarios se limitan a visualizar sólo tres componentes de la mezcla a la vez, lo que dificulta comprender el comportamiento de los cuatro factores simultáneamente.
• Algunas de mis respuestas sugieren tendencias conflictivas que requieren un enfoque "intermedio" para la optimización.
• El generador de perfiles de predicción, aunque útil, no aborda por completo la complejidad de combinar todas las respuestas para lograr un análisis exhaustivo.
• En lugar de identificar un único valor óptimo para cada factor, mi objetivo es definir rangos más pequeños y prácticos para cada compuesto. Estos rangos se utilizarán en análisis posteriores en los que la evaluación considerará respuestas adicionales.

Esto es lo que ya he hecho:

1. Para cada respuesta, conservé únicamente los efectos significativos que redujeron el RMSE.
2. Examiné los residuos y la falta de ajuste, y no encontré tendencias ni problemas evidentes.

Estoy buscando el mejor enfoque o las mejores herramientas dentro de JMP para analizar este diseño de mezcla de manera eficaz, en particular para sintetizar los conocimientos de todas las respuestas e identificar rangos significativos para cada factor. Si pudiera indicarme estrategias o documentación relevantes, se lo agradecería enormemente.

¡Gracias de antemano!

Exploración y visualización de datosDiseño de experimentosRe: Orientación sobre el análisis de datos para un diseño de combinación de 4 factores con 4 respuestas

Hola @K_JMP ,

Parece que ya has trabajado mucho para analizar tus resultados. Aquí tienes algunas sugerencias adicionales relacionadas con algunos de tus puntos:

• En lugar de un gráfico ternario, también puede utilizar la matriz de gráfico de contorno ( "Múltiples marcos de contorno " en las opciones de triángulo rojo del Perfilador de contorno) para mostrar todos los factores por pares.
• ¿Cuál es la dificultad que enfrenta con Prediction Profiler? Si tiene respuestas categóricas, existe una manera de incluirlas mediante el uso de la fórmula de probabilidades.
• Si desea definir rangos de factores aceptables, el Design Space Profiler puede resultar útil.
• En cuanto al enfoque de análisis, dado que los diseños de mezcla son diseños de optimización, es una buena idea refinar su modelo en función de una métrica predictiva. Asegúrese de respetar la herencia de los efectos. Si tiene JMP Pro, puede intentar usar otros métodos de estimación en los modelos de regresión generalizada , como SVEM , selección hacia adelante o hacia atrás , ... con diferentes opciones de métodos de validación . Dependiendo de su diseño de mezcla y la repartición de puntos, también puede probar un aprendizaje automático simple que sea eficaz para interpolar sin grandes riesgos de sobreajuste (SVM y Random Forest son buenos candidatos).

Espero que estas pocas sugerencias puedan ayudarte.

Re: Orientación sobre el análisis de datos para un diseño de combinación de 4 factores con 4 respuestas

Estas son mis ideas. Primero, haga una correlación de las variables de respuesta. Realice cualquier correlación. Busque valores atípicos (Mahalonobis). Utilice diferentes técnicas de gráficos para observar las superficies de respuesta de la mezcla. Desafortunadamente, no podemos ver en 4 dimensiones, así que intente obtener múltiples gráficos para cada posible conjunto de 3. Sea práctico en su análisis, no existe un análisis "mágico" que haga la interpretación por usted.