Seguimiento del Departamento de EnergíaEstimado,
Realicé un primer DoE (i-óptimo) con 6 factores (efectos principales, efectos cuadráticos, interacciones).
Entre estos factores, la temperatura tiene un efecto importante y me gustaría añadir nuevos experimentos para probar los otros factores en un rango más estrecho de temperatura.
Las condiciones iniciales de temperatura probadas oscilaban entre 35 y 80 °C. Me gustaría añadir pruebas solo en el rango de 70-80 °C.
El objetivo de este experimento de seguimiento es aumentar el poder estadístico para detectar el efecto de los otros factores en este rango de temperatura.
¿Cómo debo hacer esto en JMP?
¡Gracias por su ayuda!
Diseño de experimentosRe: Seguimiento del Departamento de EnergíaHola @PYS ,
Puedes hacer esto muy fácilmente utilizando la plataforma Aumentar diseños.
Una vez que se hayan especificado sus factores y respuestas, puede cambiar los rangos de sus factores para reducir (o aumentar) los rangos de sus factores:
No sé qué tan relevante y posible pueda ser esta opción, pero ¿has considerado ampliar los rangos de los otros factores?
Espero que esta respuesta te ayude.
Re: Seguimiento del Departamento de EnergíaQuerido Víctor,
Gracias por tu respuesta.
El problema es que sospechamos que (por razones técnicas) sólo son válidos los datos a alta temperatura.
Por lo tanto, nos gustaría mejorar nuestro conocimiento a estas altas temperaturas sin perder la información que hemos recopilado.
¿Quizás la ampliación no sea la opción correcta? Si decidimos realizar otro DoE con una temperatura en un rango más estrecho (70-80), ¿podemos agregar las ejecuciones anteriores que realizamos a solo 80 °C?
El próximo DoE contendrá diferentes bloques aleatorios (solo podemos realizar 3 experimentos/día), ¿cómo debo manejar los experimentos anteriores (que también se obtuvieron en diferentes bloques aleatorios)? ¿Debo crear dos variables aleatorias (una para los bloques de día y otra para los bloques "DoE")?
Estoy un poco perdido
PY
Re: Seguimiento del Departamento de EnergíaOk, ahora lo entiendo mejor.
Creo que ampliar el diseño sigue siendo una mejor idea que empezar de nuevo desde cero, ya que se puede aprovechar cierta información previa sobre la influencia de los factores y ayudar a reducir la cantidad de experimentos necesarios.
Al ampliar, puede marcar " Agrupar nuevas ejecuciones en bloques separados ". Realmente recomiendo marcar esta opción como medida de protección , ya que lo ayuda a tener en cuenta y mitigar los riesgos de tener cambios o diferencias de varianza en sus respuestas entre el conjunto inicial de experimentos y el ampliado.
Luego, si deseas agregar bloques a tu diseño aumentado, puede ser posible, pero no sencillo:
- Aumente el diseño con el número total de ejecuciones esperadas (un múltiplo de 3, en el ejemplo recreado aquí, comencé con un diseño RSM I-óptimo de 34 ejecuciones y agregué 12 ejecuciones gracias a la plataforma de diseño de aumento):
- En su tabla de datos, cree una tabla solo con sus ejecuciones aumentadas con la opción Crear una tabla de datos de subconjunto :
- Utilizando la plataforma de diseño personalizado en su tabla de subconjuntos, utilice la opción "Seleccionar factores de covariable" para ingresar sus factores de la tabla de subconjuntos (pero no el factor de bloque si ha marcado la opción "Agrupar nuevas ejecuciones en bloques separados", ya que el único valor será 2 y estará reorganizando estas ejecuciones aumentadas en bloques aleatorios de 3 ejecuciones). Las ejecuciones aumentadas se utilizarán como un conjunto de candidatos. Luego, puede agregar un factor de bloqueo (3 ejecuciones por bloque) en su lista de factores:
También puede marcar la opción "Incluir todas las filas de covariables seleccionadas en el diseño" para asegurarse de que se consideren y utilicen todas las ejecuciones aumentadas creadas anteriormente. Este paso solo se utiliza para reorganizar el orden de sus ejecuciones aumentadas en bloques aleatorios respetando sus restricciones experimentales.
- Luego, puede cambiar la propiedad Rol de diseño del factor de bloqueo a "Bloque aleatorio" si es necesario (también puede cambiarlo al configurar el modelo para el análisis en la plataforma Fit Least Squares usando las opciones de Atributos ) y copiar y pegar el diseño con las ejecuciones aumentadas del diseño personalizado (con el orden del efecto de bloque aleatorio) en su tabla de datos de diseño aumentado completo original para reemplazar el orden de las ejecuciones aumentadas:
Recomendaría no combinar los "factores de bloque" en una columna, ya que tienes diferentes objetivos y usos para ellos:
- El bloque del aumento es útil para evaluar si hay diferencias de cambio o varianza en sus respuestas del primer al segundo conjunto de experimentos (puede descartarse en el análisis si no es estadística y prácticamente significativo/significativo).
- El bloque aleatorio de la restricción experimental podría no usarse en el análisis directamente, pero ayuda a mitigar el riesgo de que un efecto pueda confundirse o confundirse con el día de los experimentos ("aleatorización desafortunada"). Si ya tenía un bloque aleatorio de su primer conjunto de experimentos, puede ampliar el uso al nuevo conjunto y usarlo en el análisis.
Quizás exista una opción más elegante para tener en cuenta sus limitaciones experimentales, pero esta solución práctica debería funcionar para su caso de uso.
Espero que esto tenga sentido para ti y pueda ayudarte.
