¿Cuál es la mejor manera de tener en cuenta dos factores molestos en mi DOE: uno que es cuantificable (variabilidad de tanque a tanque) y otro que simplemente tiene en cuenta la variación mensual/de serie temporal?Si quiero hacer un diseño de selección (¿definitivo?) con 6 factores controlables en 17 ejecuciones (que no incluye variación de tanque a tanque ni variación mensual), ¿cuál sería la mejor manera de capturar el posible error debido a esos 2 posibles factores molestos?
Mi proceso consiste en aumentar la producción en un proceso de reactor por lotes. Como tengo cuatro tanques de reactor diferentes, podemos completar cuatro experimentos a la vez (es decir, procesamos los cuatro tanques simultáneamente en un solo lote). Luego, tenemos que esperar de 10 a 14 días antes de poder ejecutar el siguiente lote de experimentos; de nuevo, cuatro experimentos en cuatro tanques diferentes, por lo que los 17 experimentos tardarían aproximadamente dos meses en completarse.
¿Cuál es la mejor manera de capturar la posible variación debida a los dos factores de interferencia que describo? ¿Diseño de parcelas divididas, covariables, etc.? Podríamos completar hasta 21 ejecuciones, pero más que eso podría no ser posible; por lo tanto, tendríamos que eliminar algunas variables controlables para ajustarnos a nuestro presupuesto (lo cual no me preocupa), pero realmente quiero tener en cuenta los posibles factores de interferencia en ambos casos.
Pregunta aparte: ¿qué pasa si fallamos en una partida? ¿Simplemente la reasignamos al siguiente tanque y seguimos como si nada?
Diseño de experimentosRe: ¿Cuál es la mejor manera de tener en cuenta dos factores molestos en mi DOE: uno que sea cuantificable (variabilidad de tanque a tanque) y otro que simplemente tenga en cuenta la variación mensual/de serie temporal?En primer lugar, no existe una única forma óptima de gestionar el ruido en un experimento. ¿Ha realizado algún muestreo de la variación dentro y entre tanques (CoV)? Esto sería muy útil para determinar qué componentes tienen mayor influencia, evaluar simultáneamente la estabilidad, los efectos ordenados en el tiempo y la variación de la medición. (Esto puede realizarse en paralelo con cualquier experimento).
¿Has ordenado por rango los efectos predichos del modelo? ¿Realmente necesitas evaluar los efectos cuadráticos? ¿Podrías ejecutar factoriales fraccionarios con puntos centrales? ¿Sospechas de un gran efecto del tanque o de interacciones entre tanques y factores (efectos de los factores de diseño que dependen del tanque)? Podrías tratar el tanque como un bloque y ejecutar bloques incompletos.
Mi consejo es siempre diseñar múltiples experimentos (fácil con JMP). Considere cada experimento para determinar qué efectos se pueden estimar, cuáles se confunden y cuáles no se incluyen en el estudio. Sopese este potencial de adquisición de conocimiento con los recursos necesarios. Elija uno y ejecútelo sabiendo que tendrá que iterar.
Re: ¿Cuál es la mejor manera de tener en cuenta dos factores molestos en mi DOE: uno que sea cuantificable (variabilidad de tanque a tanque) y otro que simplemente tenga en cuenta la variación mensual/de serie temporal?Gracias por la respuesta.
Principalmente busco efectos principales + interacciones, estaba pensando en hacer un DSD solo para ser eficiente en caso de que colapse directamente en un RSM si solo unos pocos factores son significativos, pero realmente no sé si ese es el caso, así que supongo que los efectos cuadráticos no son realmente lo que me interesa.
No me preocupan las interacciones de tanque por factor, principalmente los efectos de tanques grandes como dices, pero es una suposición un tanto fundamentada.
No estoy familiarizado con los bloques incompletos. ¿Tienes algún recurso que puedas recomendar? ¿Qué hay del potencial de efectos ordenados en el tiempo? ¿Se incluyen también en un bloque incompleto?
Re: ¿Cuál es la mejor manera de tener en cuenta dos factores molestos en mi DOE: uno que sea cuantificable (variabilidad de tanque a tanque) y otro que simplemente tenga en cuenta la variación mensual/de serie temporal?Los bloques incompletos (también conocidos como BIB: bloques incompletos equilibrados) son como factoriales fraccionarios y se crean confundiendo (aliasando) un efecto de orden superior con el bloque.
https://www.jmp.com/support/help/es/19.0/?os=mac&source=application#page/jmp/balanced-incomplete-block-designs.shtml
En mi humilde opinión, los efectos ordenados en el tiempo se estudian de manera más eficiente con estudios de muestreo dirigido/COV.
Sanders, D., Sanders, R. y Leitnaker, M. (1994) “ El examen analítico de los componentes de varianza dependientes del tiempo ”, Ingeniería de calidad
Ahora bien, si tiene hipótesis sobre qué factores cambian con el tiempo, es posible manipularlas en un período más corto. En esos casos, es mejor exagerar los efectos de los factores con un ajuste de nivel en negrita.
Re: ¿Cuál es la mejor manera de tener en cuenta dos factores molestos en mi DOE: uno que sea cuantificable (variabilidad de tanque a tanque) y otro que simplemente tenga en cuenta la variación mensual/de serie temporal?Gracias. Voy a echar un vistazo.
No tengo una gran idea de qué factores están cambiando con el tiempo: podrían ser ambientales, como la temperatura ambiente y la humedad que tienen un impacto, cambios en los lotes de materia prima, etc., así que estoy agrupando todo con este factor de molestia del "tiempo".
Re: ¿Cuál es la mejor manera de tener en cuenta dos factores molestos en mi DOE: uno que sea cuantificable (variabilidad de tanque a tanque) y otro que simplemente tenga en cuenta la variación mensual/de serie temporal?Hola @MJZ82 ,
¡Bienvenido a la Comunidad!
Teniendo en cuenta la información y el contexto limitado que proporcionaste, así como la información útil ya proporcionada por @statman , responderé con un enfoque más práctico.
Se utilizaría un factor de bloqueo (con 4 ejecuciones por bloque) en el diseño de cribado para tener en cuenta la variabilidad entre lotes, así como un factor categórico de 4 niveles para el tanque utilizado. El uso de estos factores de bloqueo y categóricos ayuda a distribuir los experimentos de forma homogénea entre bloques y tanques, lo que permite detectar cualquier diferencia en el tiempo, los lotes o entre tanques. El uso del efecto de bloque como efecto fijo en el análisis podría informar sobre la importancia de este "factor de lote" en la respuesta media (desviación de la respuesta media en función del tiempo: sesgo), mientras que el uso de este efecto de bloque como efecto aleatorio podría informar sobre cualquier cambio en la varianza de la respuesta.
- Con el factor de bloqueo, se puede comparar la variabilidad del lote comparando el promedio de los experimentos de cada bloque, ya que los experimentos dentro de cada bloque deben ser lo más similares posible entre bloques. Gráficos simples y diagramas X-barra y R pueden ayudar a visualizar esta variabilidad.
- Con el factor categórico de 4 niveles, la asignación de los niveles de los 6 factores controlables sería homogénea entre los tanques y ayudaría a comparar la variabilidad de los tanques (y cualquier sesgo) comparando el promedio y el rango de respuesta de los experimentos para cada tanque en los bloques.
Para el análisis, podría ser interesante considerar un enfoque de dos pasos:
- Identifique los efectos activos importantes de los 6 factores controlables gracias a la plataforma de evaluación Fit Two Level
- Ajuste un modelo utilizando los efectos identificados previamente, y agregando el factor categórico tank, así como el efecto aleatorio batch.
Encontrará adjunto un ejemplo del diseño (creado con la plataforma Custom Design ) y el enfoque de dos pasos en una respuesta simulada.
Si le interesa el tema de los diseños robustos a la tendencia temporal, le recomiendo leer "Diseños óptimos de experimentos: Un enfoque de estudio de caso" (capítulo 9) de Peter GOOS y Bradley JONES. También puede encontrar un ejemplo práctico de esta metodología en esta discusión sobre covariables en orden definido en diseños personalizados y en este blog de I+D de JMP : Cómo crear un diseño de experimento robusto a una tendencia temporal lineal en... - Comunidad de usuarios de JMP
Espero que esta respuesta complementaria pueda ayudarte.
