825213_es-ES

liliconcom

DOE a partir de datos de producción de pases

¿Cómo puedo obtener un documento o clip, cómo hacer para optimizar el factor para obtener los mejores resultados a partir de los datos del pase?

Diseño de experimentosVentanasRe: DOE a partir de datos de producción aprobados

Si estoy interpretando tu pregunta correctamente, estás preguntando cómo analizar un DOE usando datos históricos.

Todos deseamos extraer la mayor cantidad de conocimiento posible de los datos históricos. Sin embargo, he descubierto que en casi todos los casos los datos históricos no se recopilaron de una manera que facilitara la respuesta a las preguntas relacionadas con el proyecto. Creo que hay una cita de Tukey que se aplica a este anhelado deseo. Sin embargo, espero que tengas más suerte que yo.

Se podría intentar aplicar una regresión múltiple a esos datos de producción, pero me temo que no se cumplirán ciertos supuestos.

Es poco probable que su Y sea una función de una sola X. En lugar de eso, sugeriría establecer un objetivo experimental y luego recopilar algunos datos para ejecutar un enfoque de experimentación secuencial. Primero, amplíe sus opciones con una lluvia de ideas estructurada y una observación directa del proceso. Una vez que haya reunido más factores además del que desea optimizar, ejecute un factorial fraccional para ver si son significativos. ¿Está realmente seguro de que este único factor cuenta toda la historia? Cerca del óptimo, la superficie de respuesta puede ser compleja y estar compuesta por múltiples factores y posibles interacciones.

Después de que el método fraccional te ayude a identificar qué factores podrían ser importantes, comienza a optimizar aplicando un enfoque de ascenso más pronunciado. Utiliza experimentos secuenciales para afinar hacia el óptimo y cuando creas que tienes configuraciones de nivel que se acercan al óptimo, ejecuta uno más e incluye 5 puntos centrales para determinar si hay alguna curvatura y verifica la repetibilidad. Luego agrega puntos axiales para finalizar la optimización.

Por supuesto, todo esto es hipotético y realmente depende de tu situación específica; los datos te servirán de guía. Mientras mantengas el enfoque a pequeña escala y de forma secuencial, tendrás la opción de hacer cambios cuando los resultados no coincidan con las expectativas. Y como estás realizando experimentos pequeños, no desperdicias recursos en el camino, ya que seguramente te sorprenderás y tendrás que hacer cambios.

Hay muchas estrategias experimentales además de ésta, pero es mi favorita y tiende a ser relativamente sencilla.

Buena suerte

Re: DOE a partir de datos de producción aprobados

Muchas gracias. De hecho, solía participar en el seminario web de JMP para mostrar que hay una empresa que tiene un problema de bajo rendimiento. Parece un problema de condimento, pero no pudieron encontrar la causa raíz.
Utilizan los datos de su proceso y los analizan como el método DOE. Por último, pueden optimizar su proceso para maximizar el rendimiento.
En mi caso, el proceso es largo, alrededor de 6 meses, y luego es difícil hacer un plan de experimento DOE ya que lleva mucho tiempo y un control preciso.
Planeo utilizar datos de producción con factores de recopilación y respuesta y utilizar los datos de variación para encontrar nuestra fábrica de efectos y optimizar los parámetros.

Re: DOE a partir de datos de producción aprobados

Si yo fuera usted, empezaría por hacer gráficos de comportamiento del proceso a partir de los datos de producción. Para responder primero a la pregunta de si el proceso es estable, debe saber qué tipo de variación está intentando resolver, si por causa especial o por causa común. A veces no existe una "causa raíz" y el problema que se produjo se debió simplemente a la casualidad. La causa común es el tipo de variación aleatoria y esperada. La causa especial se puede asignar a alguna causa raíz que se pueda nombrar. La distinción es importante porque nuestras acciones serían diferentes. La causa especial consiste en encontrar y solucionar la causa raíz. La causa común implica estudiar el sistema y cambiar fundamentalmente el proceso, el diseño o ambos para reducir la variación inherente al sistema. Es un trabajo más duro, pero aquí es donde la DOE y el pensamiento crítico realmente pueden brillar.

Esto suena como un posible escenario EVOP (Operación Evolutiva). Lo usamos cuando es difícil entrar en producción para ejecutar un experimento. Seguramente puedes encontrar información en línea, la técnica fue desarrollada por George Box en los años 50. La idea general era que si de todos modos estamos ejecutando el proceso para producir cosas, ¿por qué no ejecutarlo de manera estratégica para que no solo produzca cosas, sino también conocimiento sobre el proceso en sí? EVOP no es un solo experimento, sino una forma de ejecutar la producción para aprender y optimizar mientras se ejecuta.

Si te refieres a que el proceso simplemente lleva mucho tiempo para ejecutarse y por eso el DOE es difícil, yo diría que estos métodos se desarrollaron inicialmente para la agricultura. Solo podían ejecutar un único experimento durante todo el año si la respuesta era el rendimiento de la cosecha. Por lo tanto, yo diría que si el proceso lleva mucho tiempo para ejecutarse, eso es simplemente una justificación más para ejecutar diseños intencionalmente equilibrados y ortogonales para que puedas aprender lo más posible sobre los factores. Y mi otra respuesta favorita cuando alguien dice que esto va a llevar mucho tiempo es "Bueno, entonces será mejor que empecemos hoy".

Si intentas la regresión múltiple, aún temo que tendrás problemas con la multicolinealidad, pero tal vez tengas suerte y los factores importantes no estén correlacionados.