El DOE sin ejecuciones replicadas no funcionaHola,
Encontré un problema al intentar crear un diseño personalizado sin ejecuciones replicadas.
Tengo 3 variables, las tres son numéricas discretas con valores (7,15 y 7).
Cuando ingreso al diseño personalizado ingreso mi combinación no permitida, modelo, numero deseado de corridas (30), verifico que el numero de corridas replicadas = 0 y solicito realizar el diseño.
El diseño resultante tiene ejecuciones replicadas (en mi caso 8 de 30).
¿Sugerencias de Amy sobre cómo evitar esto?
Se adjunta el archivo JMP. Uso JMP 18.1 Regular, no PRO.
¡Muchas gracias por tu ayuda y sugerencias!
Vladimir
Análisis y modelado de datos básicosExploración y visualización de datosDiseño de experimentosRe: DOE sin ejecuciones replicadas no funcionaResulta que JMP funciona perfectamente. Retrocedamos un poco.
¿Por qué configuraste todos tus factores como numéricos discretos? Al hacerlo, JMP intentará usar TODOS los niveles de un factor. Para ello, agregará los términos "necesarios" y "si es posible" del modelo. Esto obligará a usar todos los niveles (o lo más parecido posible). Sin embargo, eliminaste todos los términos "si es posible". Si hubieras dejado el modelo como lo especificó JMP originalmente, no habrías tenido réplicas.
Debido a que eliminó los términos "si es posible", JMP detectó que no todos esos niveles son necesarios para ajustarse al modelo especificado. Por lo tanto, ignora los demás niveles. Selecciona los que ofrecen el mejor diseño I-óptimo, lo que significa que obtendrá réplicas con el número de ejecuciones deseado. Esto se puede observar porque no se obtienen todos los niveles de esos factores numéricos discretos.
Supongo que querías que todos los factores fueran numéricos discretos para garantizar que cada uno se utilizara en todos esos niveles. Pero esa es una mentalidad de prueba, no de experimento diseñado. Por ejemplo, si quieres ajustar un modelo cuadrático, no se necesitan más de tres niveles para estimar esa curva. Luego, usas el modelo para determinar la mejor configuración del factor, que puede ser un nivel probado o no. Los modelos pueden hacerlo. No es necesario probar más de tres niveles. (Sí, los modelos deberán verificarse, pero esto es lo que hace que los experimentos diseñados sean más eficientes).
Mi recomendación es que los factores sean continuos y crear el diseño con el modelo deseado. Esto te ahorrará experimentación y debería generar buenos resultados, además de permitir la optimización. Espero que este punto de vista te sea útil.
Re: DOE sin ejecuciones replicadas no funcionaUn detalle más. El cuadro de réplicas en el diálogo del experimento diseñado permite forzar la incorporación de réplicas al diseño. No garantiza que no se utilicen, como ya se ha visto. JMP replicará siempre que sea posible, siempre que las ejecuciones de réplicas mejoren el criterio de optimalidad.
Re: DOE sin ejecuciones replicadas no funciona¡Gracias por tu respuesta, Dan!
Estoy de acuerdo con la mayoría de tus consideraciones. Y yo también las utilizo.:)
Intentaré seguir tu sugerencia sobre factores continuos y ver si puedo lograr que funcione usando redondeo fuera de JMP (es decir, trabajo extra).
Mi objetivo era hacer un diseño que llenara algún espacio.
Mi expectativa sería que JMP al menos me advirtiera de que no pudo (o no quiso) cumplir la condición que solicité explícitamente: no duplicar ejecuciones. Y, idealmente, me explicara por qué y cómo podría evitarlo.
Estoy de acuerdo con la idea de que se requieren pocas ejecuciones para experimentos diseñados que utilizan un número menor de niveles. Sin embargo, existen situaciones en las que se necesitan diseños que llenen el espacio. Por diversas razones. Por ejemplo, cuando ajustar un modelo es un objetivo secundario. Desafortunadamente, en JMP, estos diseños solo están disponibles si hay al menos una variable continua presente. Si no hay variables continuas, volvemos al diseño personalizado, donde se selecciona el modelo que se ajustará.
Creo que es una desventaja en JMP, ya que estoy seguro de que se utilizan algoritmos de optimización tanto en casos de relleno de espacio como de diseño personalizado, y podrían extenderse de uno a otro. Pero esa es otra discusión.
Además, no entiendo bien la lógica detrás de tu explicación de "necesario" vs. "si es posible". Específicamente, si digo que el término cuadrático es "si es posible" para una variable, en mi opinión, significa que le estoy dando a JMP la opción de usar 2 niveles en lugar de 3 y evitar así el ajuste del término cuadrático. Por lo tanto, se reduce aún más el número de niveles que usa JMP. Y eso no es lo que quiero.
Idealmente, me habría gustado aprovechar las capacidades de JMP para distribuir los distintos niveles discretos entre diferentes ejecuciones en diversas combinaciones. No necesariamente todos los niveles discretos, y definitivamente no todas las combinaciones posibles.
Estoy de acuerdo en que esto se parece a la mentalidad de "probar todo", pero con la mentalidad DOE de reducir todas las combinaciones posibles, por así decirlo.
Re: DOE sin ejecuciones replicadas no funciona¡Gracias por la aclaración, Dan!
No sabía nada acerca de los poderes de "recomendación" y no de "ejecución" de la caja replicada.
Me pregunto si hay alguna manera de hacerlo cumplir.
Gracias nuevamente por sus respuestas y por tomarse el tiempo para revisar mis preguntas.
Re: DOE sin ejecuciones replicadas no funcionaNo hay una descripción de la situación real, por lo que es imposible ofrecer consejos específicos. Sin embargo, tengo algunas preguntas: ¿Tiene 3 factores: 2 en 7 niveles y 1 en 15? ¿Qué modelo pretende probar? ¿Realmente necesita ajustar un polinomio de grado 14? ¿Cómo lo usaría? ¿Cómo pretende estimar el MSE? ¿Está seguro de que su espacio de diseño se encuentra cerca del óptimo "verdadero"? ¿Qué estrategias ha utilizado para comprender el "ruido"? Disculpe mis comentarios, pero parece una estrategia para "elegir un ganador" en lugar de comprender las relaciones causales.
Re: DOE sin ejecuciones replicadas no funcionaGracias por los comentarios, Statman.
El objetivo es generar un diseño que llene el espacio.
No necesito adaptarme a ningún modelo. Tampoco necesito optimizar nada.
Tuve que usar un modelo, ya que los diseños óptimos requieren uno. Especificar 14 niveles no implica necesariamente la necesidad de un polinomio de orden 14. Esa es una interpretación demasiado simplista.
Y no estoy familiarizado con una estrategia para "elegir un ganador".
Re: DOE sin ejecuciones replicadas no funcionaParece que intentas hacer algo diferente al típico experimento diseñado. Por lo tanto, mi nota tendrá dos partes: una sobre los términos del modelo y otra sobre la creación de un posible diseño.
Parte 1) Términos modelo
Intentaré explicar los términos del modelo "necesario" y "si es posible" para su situación. Tenga en cuenta que todos los diseños óptimos (que es lo que crea el diseño personalizado) se basan en la estimación de un modelo específico y utilizarán la menor cantidad de factores posible.
Comencemos con un solo factor numérico discreto, un modelo cuadrático y 6 ejecuciones. Para simplificar, supongamos que tiene cinco niveles: 0, 0.5, 1, 1.5 y 2. JMP añade el término cúbico y el término cuártico al modelo, haciéndolos "si es posible" para especificar el número máximo de niveles (5). Se necesita un polinomio de cuarto orden para llegar a 5 niveles, que es lo que tengo. Como solo quería un modelo cuadrático, los niveles "adicionales" siguen siendo innecesarios. El diseño solo usa los niveles 0, 1 y 2. Pero si aumento el número de ejecuciones a, por ejemplo, 10, obtendré diseños que comiencen a usar los otros "niveles discretos". Por lo tanto, si se asignan suficientes ejecuciones, se obtendrán ejecuciones que permitan la estimación de los términos "si es posible". JMP SIEMPRE se esforzará por obtener un diseño que estime primero los términos "necesarios". El "si es posible" es como la guinda del pastel. Si puedes estimarlo, por favor hazlo.
Parte 2) Creación del diseño
Según tu descripción, no buscas un diseño basado en modelos. Ahí es donde surgen los problemas. Tienes otros criterios para elegir las carreras. Un par de opciones que podrían funcionarte:
¿Qué sucedería si eligiera un diseño que rellenara el espacio, pero añadiera un factor continuo ficticio para que el algoritmo de diseño funcionara? Lo probé en su caso y obtuve una distribución bastante razonable de los factores numéricos discretos. Simplemente ignoro esa columna continua adicional. No hay garantía de que no haya réplicas, pero es improbable dada la gran cantidad de combinaciones y la pequeña cantidad que está eligiendo. Este enfoque me parece el más prometedor.
El segundo enfoque consiste en crear un diseño factorial completo (Clásico > Diseño factorial completo). En esta plataforma, puede especificar factores continuos con el número deseado de niveles y cuáles son. El diseño está creado. Ahora cree una columna para su restricción y elimine las filas que no coincidan con ella. Vaya a Diseño personalizado, pero no especifique ningún factor. En su lugar, haga clic en el botón "Especificar factores de covarianza" y seleccione la tabla de Diseño factorial completo modificada. Ahora puede especificar el modelo y el número de ejecuciones. Si bien no se garantiza que no haya réplicas, este enfoque también debería funcionar.
Re: DOE sin ejecuciones replicadas no funciona¡Muchas gracias por tu gran explicación y sugerencias, Dan!
¡Lo agradezco mucho!
Mi error de comprensión fue restringir los términos "si es necesario" a ecuaciones cuadráticas. Y lo explicaste todo muy bien. ¡Gracias!
Ambas soluciones que sugieres son muy adecuadas. Las probaré y las tendré en cuenta para futuros problemas similares.
¡Gracias de nuevo!
Re: DOE sin ejecuciones replicadas no funciona¡Gracias de nuevo, Dan!
Además de agradecerte que haya publicado tu solución a continuación.:)
Y su solución de utilizar una tabla factorial completa en realidad me señaló otra posible solución: después de crear el diseño factorial completo con todos los niveles, es posible utilizar el diseño factorial completo en el diseño personalizado y utilizar todos los factores como covariables y hacer que JMP seleccione la cantidad deseada de puntos utilizando algún criterio de optimalidad.
¡Gracias!
