Aleatorización de matrices Taguchi y matrices de cobertura en JMPHola querida comunidad,
Al investigar el uso potencial de matrices ortogonales, matrices de cobertura y matrices Taguchi, descubrí que las plataformas Matriz de Cobertura y Diseños Taguchi no permiten aleatorizar el orden de las ejecuciones al crear un diseño (antes de crear la tabla de datos). Sin embargo, si se crea un diseño robusto con la plataforma Diseño Personalizado (y se añaden factores categóricos para los factores de ruido: Experimentos para el Diseño Robusto de Procesos y Productos ), el diseño sí se puede aleatorizar.
¿Existe alguna justificación para ejecutar los experimentos en el mismo orden de construcción del diseño (sin aleatorización) para estas dos plataformas (diseños de matriz de cobertura y Taguchi)?
Por ejemplo, en el caso de las matrices Taguchi, la falta de aleatorización me resultó bastante inquietante, ya que el primer factor se dividirá en dos bloques de ejecuciones: la primera mitad en el nivel bajo y la segunda mitad en el nivel alto. Incluso considerando factores de ruido en este escenario de diseño (y midiendo las respuestas para tener en cuenta estos efectos), ejecutar los experimentos con este esquema podría generar o aumentar el sesgo proveniente de factores de ruido no especificados: por ejemplo, un sesgo proveniente de la temperatura diurna, donde la primera mitad de los experimentos se realiza por la mañana con temperaturas relativamente bajas y la otra mitad por la tarde con temperaturas relativamente altas, lo que sesga y potencialmente infla o neutraliza el efecto del primer factor.
Espero cualquier aportación y, si no es la deseada, crearé un JMP Wish 
Gracias !
Diseño de experimentosRe: Aleatorización de matrices Taguchi y cobertura de matrices en JMPVíctor, según tengo entendido, Taguchi no enfatizó el uso de la aleatorización de la que hablas al calcular una razón SN en la matriz externa (esto es una función de las estimaciones de la media y la desviación estándar en el ruido cambiante, básicamente como si esas respuestas fueran repeticiones). Estaba más interesado en exponer los tratamientos a ruido manipulado para crear diseños robustos y crear una respuesta que indicara dicha robustez. Por supuesto, existen argumentos sobre la efectividad (o estadísticamente, la "corrección") de esta técnica. Soy parcial a considerar esos cruces (matriz interna y externa) como parcelas divididas.
Por supuesto, usted puede hacer su propia aleatorización, pero si puede identificar el ruido y gestionarlo durante el transcurso del experimento, estará mejor.
"Bloquea lo que puedas, aleatoriza lo que no puedas" GEP Box
Re: Aleatorización de matrices Taguchi y cobertura de matrices en JMPMuchas gracias por tu respuesta, ¡tiene mucho sentido!
He leído en varios artículos que muestran las limitaciones de los diseños de Taguchi que Taguchi creó el diseño de forma práctica y centrada en la ingeniería, en detrimento de la precisión estadística. JMP proporciona el mismo formato que usted menciona al crear diseños de Taguchi, considerando los factores de ruido como repeticiones y utilizando el promedio de respuesta y la desviación estándar para calcular la relación señal/ruido (ejemplo con L4):
Sin considerar el cruce de matrices internas y externas como un experimento de parcela dividida, me temo que ejecutar el análisis en el mismo orden que se proporciona en la tabla podría causar un sesgo en la experimentación debido a la posible influencia de factores de ruido externos (no considerados). La plataforma de matriz de cobertura también presenta el mismo problema con el orden de las ejecuciones, pero podría considerarse como un experimento de parcela dividida. Gracias por este buen consejo.
Me tranquiliza bastante ver que mi comprensión de estos diseños no está del todo errada.
Mejor,
Re: Aleatorización de matrices Taguchi y cobertura de matrices en JMPExiste mucha incomprensión sobre la filosofía de Taguchi. Gran parte de su obra se tradujo al inglés, lo cual no suele ser fácil. Recuerdo haber dado clases con él en Tokio hace muchos años; su énfasis en la selección/creación de variables de respuesta era muy ingenieril. Prefería variables de respuesta robustas a ruidos e interacciones externas (por ejemplo, en forma de energía o masa, debido a las leyes de conservación).
