Club de Experimentadores de Grabación T1 2026Vídeo 1: La plataforma DOE de JMP: una nueva incorporación al conjunto de herramientas del artista
Lea el blog de @BillFish828 aquí: https://community.jmp.com/t5/JMP-Blog/JMP-s-DOE-platform-A-new-addition-to-the-artist-s-toolkit/ba-p/919860
Pregunta: ¿Cuál es la diferencia entre el diseño de Taguchi y la matriz ortogonal?
MOLS es una matriz de diseño factorial fraccional balanceada que garantiza la independencia entre factores, mientras que un diseño Taguchi utiliza estas matrices para optimizar la respuesta media de la relación SN mejorando la robustez.
Vídeo 2: ¿Por qué aleatorizar cuando n=1?
Comentario: Mi punto no era tanto la tendencia como un efecto no identificable, algo que realmente desconocías antes del experimento. Mi recomendación es empezar con todas las influencias que se te ocurran, incluso algunas inverosímiles, para seleccionar los factores y luego observar cualquier factor no incluido, si es posible.
Vídeo 3: Análisis en profundidad de DOE como las superficies de respuesta (RS)
Re: Club de Experimentadores de Grabación, primer trimestre de 2026¡Gracias por las grabaciones @maria_astals !
Respecto a la aleatorización, no estoy del todo de acuerdo con su propósito de evitar la tendencia temporal en la respuesta. La aleatorización se utiliza para evitar cualquier sesgo en el experimento derivado de la influencia de factores externos desconocidos e incontrolables que puedan afectarlo. Se emplea para evitar la confusión entre los efectos del tratamiento y otros efectos desconocidos (correlaciones espurias).
Dependiendo de cómo se aleatoricen los experimentos, la robustez del diseño frente al tiempo puede ser más o menos efectiva. Algunas mejores opciones (dependiendo de cuán conocidos y controlables sean los factores de confusión) son:
- Registrar el orden real de ejecución y usarlo como covariable en el modelo para evaluar su significancia estadística e importancia práctica (nuevamente un análisis "post mortem" para evaluar si el orden de ejecución puede tener un impacto) para un factor de molestia conocido e incontrolable ,
- Como mencionó @statman , el uso de bloqueos permite equilibrar los niveles de los factores de la manera más homogénea posible entre los bloques, con el fin de reducir o incluso eliminar los efectos no deseados conocidos y controlables . El bloqueo asigna ejecuciones similares a diferentes bloques o grupos de ejecuciones: diferentes operadores, equipos o máquinas, posibles diferencias entre días, semanas, etc.
- Diseña el DoE de antemano teniendo en cuenta esta posible dependencia temporal, utilizando el tiempo como covariable, para equilibrar los niveles de los factores a lo largo del tiempo. @bradleyjones escribió un artículo muy bueno sobre cómo crear un diseño robusto a la tendencia temporal: Cómo crear un diseño experimental que sea robusto a una tendencia temporal lineal.
Aquí puede ver una aplicación: Covariables en orden definido en un diseño personalizado
La situación de utilizar el tiempo como covariable para crear un diseño robusto de tendencia temporal se explica en el libro "Diseños óptimos de experimentos: un enfoque de estudio de caso" de Peter GOOS y Bradley JONES (Capítulo 9: Diseño experimental en presencia de covariables).
No me preocuparía demasiado por un solo dato que muestre valores atípicos o anómalos; los métodos DoE, por diseño, son menos sensibles a unos pocos valores atípicos que OFAT u otros métodos similares.
¡Espero veros la próxima vez!
