¿Cómo evaluar estructuras de Alias en DOE D-óptimo?Entiendo que los diseños D-óptimos pueden ser buenos para experimentos de detección, pero es mejor esperar que no haya grandes efectos de interacción, de lo contrario sesgarán los efectos principales, o que debería agregar algunas interacciones bidireccionales sospechosas a su diseño óptimo como una forma de evitar efectos de alias.
Me han dicho que evite los factoriales fraccionales de Res III y los diseños de Plackett-Burman para la detección porque pueden tener estructuras de alias incorrectas y confundir los efectos principales con las interacciones.
Mi pregunta es: ¿cómo puedo comparar un DOE D-óptimo con un diseño Res III o Plackett-Burman? ¿O hay alguna manera de encontrar la resolución para un diseño óptimo para evitar estructuras de alias confusas? ¿Cuáles son las reglas generales para el alias en diseños óptimos y cómo se informan en la salida de JMP? Por ejemplo, si la matriz de alias informa un alias >0,5 entre un efecto principal y una interacción bidireccional, ¿debería evitarse?
Diseño de experimentosRe: ¿Cómo evaluar estructuras de Alias en DOE D-óptimo?Básicamente, ¿existe un número de estructura de alias o un número de resolución informado en JMP para un diseño óptimo que se debería evitar si sospecha que existen interacciones de 2 factores o le preocupa que las interacciones de 2 factores sesguen sus efectos principales? Por ejemplo, para una cantidad determinada de factores y una cantidad determinada de ejecuciones, con un modelo de efectos principales y, digamos, 1 término de interacción, ¿existe alguna manera de evaluar el diseño y decir que los impactos de alias son demasiado altos? ¿Qué es exactamente lo que estoy buscando en términos de un número umbral y dónde se informa eso en JMP?
Re: ¿Cómo evaluar estructuras de Alias en DOE D-óptimo?Una de las principales razones para elegir un enfoque de diseño óptimo es el lujo de poder especificar un modelo ANTES de generar el diseño y luego dejar que el software haga el trabajo pesado teniendo en cuenta otras posibles restricciones, como la cantidad de ejecuciones, las combinaciones no permitidas, etc. Por lo tanto, si desea poder estimar efectos específicos, coloque esos efectos en el modelo. Luego, utilice la plataforma Compare Designs para comparar los diseños que cree, ya sean óptimos o clásicos. Hay numerosos diagnósticos de diseño dentro de la plataforma para brindar información sobre todas las preguntas que enumere.
Re: ¿Cómo evaluar estructuras de Alias en DOE D-óptimo?Hola @mjz5448 ,
La estructura de alias de un diseño depende de la elección del diseño, la cantidad de ejecuciones y las restricciones o dependencias lineales entre los factores (si las hay). Cuantas más restricciones o dependencias lineales haya en los factores, más difícil y complejo será estimar de manera independiente los términos del modelo de los factores.
Si su principal preocupación es estimar de manera precisa e imparcial los efectos principales, con la posibilidad de detectar y estimar los efectos de interacción, aquí le presentamos algunas sugerencias sobre diseños con buenas propiedades de aliasing:
Si desea determinar la resolución de su diseño, este enlace del NIST le ayudará a comprender las diferencias entre resoluciones: 5.3.3.4.4. Especificaciones de diseño factorial fraccional y resolución de diseño
Al evaluar diseños , puede observar las correlaciones entre los términos en el Mapa de colores de Correlaciones y guardar las correlaciones en el triángulo rojo de esta sección, "Tabla de correlaciones".
En cuanto a las correlaciones y los consejos para elegir uno u otro diseño, la elección del diseño se ve afectada principalmente por el número de ejecuciones posibles en su caso. Sin duda, es "más seguro" evitar correlaciones elevadas entre términos, pero el número de ejecuciones necesario para reducir algunas de estas correlaciones a veces no es factible. Por lo tanto, debe definir el mejor equilibrio entre su objetivo y su presupuesto experimental (número de ejecuciones, no hay un "umbral predefinido") y elegir el diseño más relevante. Como mencionó @P_Bartell , cree varios diseños y use la plataforma Compare Designs para evaluar mejor los pros y los contras de cada diseño.
Y en una nota positiva, no hay DoE fallido; si no logró su objetivo, siempre puede aumentar su diseño y reducir/eliminar las correlaciones entre los términos que le impedían detectar interacciones u otros términos de orden superior.
Espero que esta respuesta te ayude.
Re: ¿Cómo evaluar estructuras de Alias en DOE D-óptimo?Gracias Victor_G.
¿Existe una regla general sobre el alias que se debe intentar seguir en los diseños óptimos (D o Alias óptimo)?
Por ejemplo, me resulta claro por qué queremos evitar los diseños Res III en la selección, ya que algunos efectos principales están completamente relacionados con interacciones de 2 factores. Pero lo que no me resulta tan claro es qué valor umbral mínimo en la tabla de alias debería buscar para un diseño óptimo antes de pensar en agregar ejecuciones. ¿Se considera alto, por ejemplo, 0,33 o 0,4 en una tabla de alias para efectos principales e interacciones de 2 factores, o es 0,25 un buen comienzo? Básicamente, ¿en qué punto un número debería hacerme reflexionar y hacer que reevalúe el diseño y agregue más ejecuciones?
Re: ¿Cómo evaluar estructuras de Alias en DOE D-óptimo?La guía es la siguiente... Construya su comprensión de la estructura causal de manera jerárquica y secuencial. Está absolutamente bien usar diseños Res III cuando tiene muchos efectos de primer orden (factores) que desea probar/comparar. Creo que con demasiada frecuencia las personas descartan factores de la consideración basándose en "intuiciones" por el bien de la economía. ¿Qué hace con los factores que no se están estudiando? Mantenerlos constantes restringe el espacio de inferencia, lo que permite que varíen puede reducir la precisión del diseño. En ambos casos, parece una "mejor" idea incluirlos y obtener datos para ayudar a decidir la próxima iteración. También es importante predecir los efectos de los factores y las interacciones (y su orden de clasificación). Es decir, use el conocimiento científico y de ingeniería para la planificación. Si su lista RANKED tiene todos los efectos principales, entonces los efectos de segundo orden, Res III podría ser una buena opción. A medida que el orden de clasificación previsto de los efectos de segundo orden "ascienda" en la lista prevista, comenzará a usar diseños de mayor resolución. Mientras itere, no comprometerá demasiado la eficiencia mientras mejora la efectividad.
