Qual è il modo migliore per tenere conto di 2 fattori di disturbo nel mio DOE: 1 quantificabile (variabilità da serbatoio a serbatoio) e 1 che tenga semplicemente conto della variazione mensile/delle serie temporali?Se volessi realizzare un progetto di screening (definitivo?) con 6 fattori controllabili in 17 esecuzioni (che il DOE non include la variazione da serbatoio a serbatoio o mensile), qual è il modo migliore per catturare il possibile errore dovuto a quei 2 potenziali fattori di disturbo?
Il mio processo consiste nel cercare di aumentare la produzione in un processo a reattore discontinuo, e ho 4 serbatoi di reattore diversi, quindi possiamo completare 4 cicli contemporaneamente (ovvero facciamo funzionare tutti e 4 i serbatoi contemporaneamente in un unico lotto). Dobbiamo quindi attendere 10-14 giorni prima di poter eseguire il lotto successivo di esperimenti, ancora una volta 4 cicli eseguiti in 4 serbatoi diversi, quindi il completamento dei 17 cicli richiederebbe circa 2 mesi.
Qual è il modo migliore per catturare la potenziale variazione dovuta ai due fattori di disturbo che ho descritto? Progettazione split-plot, covariate, ecc.? Potenzialmente potremmo completarne fino a 21, ma di più potrebbe non essere possibile, quindi dovremmo eliminare alcune variabili controllabili per rientrare nel nostro budget (cosa che non mi dispiace), ma voglio davvero tenere conto dei possibili fattori di disturbo in entrambi i casi.
Domanda a parte: cosa succede se falliamo una prova? Dobbiamo semplicemente riassegnarla al carro successivo e continuare come se nulla fosse successo?
Progettazione degli esperimentiRe: Qual è il modo migliore per tenere conto di 2 fattori di disturbo nel mio DOE: 1 quantificabile (variabilità da serbatoio a serbatoio) e 1 che tenga semplicemente conto della variazione mensile/delle serie temporali?Innanzitutto, non esiste un modo migliore per gestire il rumore in un esperimento. Avete mai effettuato un campionamento/CoV della variazione all'interno e tra i serbatoi? Questo sarebbe molto utile per determinare quali componenti hanno la maggiore influenza, valutando contemporaneamente la stabilità/gli effetti ordinati nel tempo e la variazione di misura. (Questo può essere fatto parallelamente a qualsiasi esperimento).
Hai ordinato gli effetti del modello previsto? Hai davvero bisogno di valutare gli effetti quadratici? Potresti eseguire fattoriali frazionari con punti centrali? Hai sospetti di un effetto di un serbatoio di grandi dimensioni o di interazioni serbatoio-fattore (effetti dei fattori di progettazione dipendenti dal serbatoio)? Potresti trattare il serbatoio come un blocco ed eseguire blocchi incompleti.
Il mio consiglio è sempre quello di progettare più esperimenti (facile con JMP). Considerate per ogni esperimento quali effetti possono essere stimati, quali effetti sono confondenti e quali effetti non sono inclusi nello studio. Valutate questo potenziale di acquisizione di conoscenza rispetto alle risorse necessarie. Sceglietene uno ed eseguitelo sapendo che dovrete iterare.
Re: Qual è il modo migliore per tenere conto di 2 fattori di disturbo nel mio DOE: 1 quantificabile (variabilità da serbatoio a serbatoio) e 1 che tenga semplicemente conto della variazione mensile/delle serie temporali?Grazie per la risposta.
Cerco principalmente effetti principali + interazioni, stavo pensando di fare un DSD solo per essere efficiente nel caso in cui collassasse direttamente in un RSM se solo pochi fattori sono significativi, ma non so davvero se sia questo il caso, quindi suppongo che gli effetti quadratici non siano proprio ciò che mi interessa.
Non mi interessano le interazioni tra i vari fattori, principalmente gli effetti dei grandi carri armati, come dici tu, ma questa è un'ipotesi un po' fondata.
Non ho familiarità con i blocchi incompleti: hai qualche risorsa da consigliarmi? E per quanto riguarda i potenziali effetti temporali? Sono inclusi anche in un blocco incompleto?
Re: Qual è il modo migliore per tenere conto di 2 fattori di disturbo nel mio DOE: 1 quantificabile (variabilità da serbatoio a serbatoio) e 1 che tenga semplicemente conto della variazione mensile/delle serie temporali?I blocchi incompleti (noti anche come BIB: Balanced Incomplete Blocks) sono simili ai fattoriali frazionari e vengono creati confondendo (aliasing) un effetto di ordine superiore con il blocco.
https://www.jmp.com/support/help/en/19.0/?os=mac&source=application#page/jmp/balanced-incomplete-block-designs.shtml
A mio modesto parere, gli effetti ordinati nel tempo vengono studiati in modo più efficiente con studi di campionamento diretto/COV.
Sanders, D., Sanders, R. e Leitnaker, M. (1994) " L'esame analitico delle componenti della varianza dipendenti dal tempo ", Ingegneria della qualità
Ora, se si hanno ipotesi su quali fattori cambiano nel tempo, è possibile manipolarle in un arco di tempo più breve. In questi casi, è meglio esagerare gli effetti di quei fattori con un'impostazione del livello in grassetto.
Re: Qual è il modo migliore per tenere conto di 2 fattori di disturbo nel mio DOE: 1 quantificabile (variabilità da serbatoio a serbatoio) e 1 che tenga semplicemente conto della variazione mensile/delle serie temporali?Grazie. Darò un'occhiata.
Non ho una grande idea di quali fattori cambino nel tempo: potrebbero essere fattori ambientali, come la temperatura ambiente e l'umidità, che hanno un impatto, cambiamenti nei lotti di materie prime, ecc..., quindi sto in un certo senso raggruppando tutto con questo fattore di disturbo "tempo".
Re: Qual è il modo migliore per tenere conto di 2 fattori di disturbo nel mio DOE: 1 quantificabile (variabilità da serbatoio a serbatoio) e 1 che tenga semplicemente conto della variazione mensile/delle serie temporali?Ciao @MJZ82 ,
Benvenuti nella Community!
Considerando le informazioni e il contesto limitato che hai fornito, nonché le utili informazioni già fornite da @statman , risponderò con un approccio più pratico.
Utilizzerei un fattore di blocco (con 4 esecuzioni per blocco) nel disegno di screening, per tenere conto della variabilità da lotto a lotto, nonché un fattore categorico a 4 livelli per la vasca utilizzata. L'utilizzo di questi fattori di blocco e categorici aiuta ad allocare gli esperimenti in modo omogeneo tra blocchi e vasche, il che può aiutare a rilevare eventuali differenze di tempo/lotto o tra vasche. Utilizzare l'effetto blocco come effetto fisso nell'analisi potrebbe informare sull'importanza di questo "fattore lotto" sulla risposta media (deviazione della risposta media in base al tempo: bias), mentre utilizzare questo effetto blocco come effetto casuale potrebbe informare su qualsiasi variazione nella varianza della risposta.
- Con il fattore di blocco, è possibile confrontare la variabilità del batch, confrontando la media degli esperimenti per ciascun blocco, poiché gli esperimenti all'interno di ciascun blocco dovrebbero essere il più simili possibile tra i blocchi. Grafici semplici e grafici Xbar e R possono aiutare a visualizzare questa variabilità.
- Con il fattore categoriale a 4 livelli, l'allocazione dei livelli dei 6 fattori controllabili sarebbe omogenea tra i serbatoi e aiuterebbe a confrontare la variabilità dei serbatoi (e qualsiasi distorsione) confrontando la media e l'intervallo di risposta degli esperimenti per ciascun serbatoio nei blocchi.
Per l'analisi, potrebbe essere interessante considerare un approccio in due fasi:
- Identificare importanti effetti attivi dei 6 fattori controllabili grazie alla piattaforma di screening Fit Two Level
- Adattare un modello utilizzando gli effetti identificati in precedenza e aggiungendo il fattore categoriale tank, nonché il batch di effetti casuali.
In allegato troverete un esempio di progettazione (creato con la piattaforma Custom Design ) e l'approccio in due fasi su una risposta simulata.
Se l'argomento dei disegni robusti basati su trend temporali ti interessa, ti consiglio di leggere "Optimal Designs of Experiments: A Case Study Approach" (capitolo 9) di Peter GOOS e Bradley JONES. Puoi anche trovare un esempio pratico di questa metodologia in questa discussione "Covariate in ordine definito nei disegni personalizzati" e in questo blog di JMP R&D "Come creare un disegno sperimentale robusto a un trend temporale lineare nel..." - Community di utenti JMP
Spero che questa risposta complementare possa aiutarti,
