Problemas con el diseño personalizado del Departamento de EnergíaTengo una duda sobre el problema LPP.
Opto por el diseño personalizado del Departamento de Energía (DOE).
Aquí defino nuestro objetivo.
Z = Máximo o Mínimo
Luego defino y dependo de factores y su tipo y rango de variable (por ejemplo, X1 y X2).
Luego defino las restricciones.
Luego selecciono el número de ejecuciones (predeterminado o definido por el usuario).
Luego, haga el diseño -> haga la tabla.
Las opciones de datos para los valores X1 y X2 ya están fijas en esta fase.
La fórmula de nuestro lema, es decir Z=X1 +X2 o X1-X2 o X1*X2 o muchas otras posibilidades de fórmula, todavía no están definidas en JMP hasta el momento.
Entonces, ¿cómo podrá el JMP obtener el valor óptimo según la fórmula?
Me encuentro con el mismo problema. Solo obtengo valores extremos del conjunto de datos, pero el valor óptimo se encuentra en un punto intermedio.
Diseño de experimentosRe: Problemas con el diseño personalizado del DOEHola @AnkushSethi ,
¡Bienvenidos a la comunidad!
Definir el modelo supuesto correcto (o un modelo base adecuado al problema en cuestión) no siempre es trivial. Dependiendo de su objetivo (cribado, exploración, optimización, predicción, etc.), el número de factores y la restricción presupuestaria experimental (número de ensayos posibles), puede tener diferentes opciones. El modelo supuesto ayuda a definir la ecuación que supuestamente resuelve su problema y a generar puntos de diseño útiles para determinar dicho modelo/ecuación. Tenga en cuenta que no es necesario especificar el modelo a la perfección en esta etapa; analizará los resultados y ajustará un modelo una vez obtenidos, y el modelo final puede ser más simple (con menos términos) que el modelo supuesto que especificó durante la creación del diseño. Además, si su modelo supuesto es demasiado simple (le faltan términos), puede ampliar su diseño para explorar modelos más complejos con más términos utilizando sus experimentos preliminares con nuevos modelos generados, sin necesidad de empezar desde cero. Finalmente, si no tiene idea del modelo asumido o no le interesa la forma del modelo, también puede probar diseños de llenado de espacio , diseños que generarán puntos de manera uniforme y distribuidos en el espacio experimental, para permitir la optimización y la predicción gracias a varios enfoques de modelado (modelos lineales multivariados estándar y modelos de aprendizaje automático).
Proporcionas un contexto muy limitado para comprender el objetivo de tu problema y la estrategia que deseas utilizar. También me confunde un poco el objetivo de tu respuesta (Maximizar o Minimizar) y la necesidad de incluir valores intermedios. Puedes definir un objetivo como " Coincidir con el Objetivo " con cualquier valor esperado para el óptimo (un valor intermedio o cualquier otro).
Sin embargo, si dispone de pocos factores y le interesa optimizar la respuesta para obtener valores medios, puede especificar un Modelo de Superficie de Respuesta (haga clic en RSM en el panel Modelo ) para garantizar que los factores se evalúen en tres niveles: mínimo, medio y máximo del rango. Esto puede ayudar a obtener mayor variabilidad en los valores de respuesta y evitar situaciones en las que solo se obtienen valores extremos al estudiar únicamente los niveles mínimo y máximo de los factores.
Si su presupuesto experimental es limitado y no puede permitirse el lujo de realizar pruebas con un modelo RSM completo, aún puede agregar puntos centrales en su diseño (especifique el número de puntos centrales en el panel Generación de diseño ) para probar cuál es el valor de respuesta en el centro de su diseño experimental.
Espero haber entendido su problema y que estas dos opciones puedan ayudarle.
Re: Problemas con el diseño personalizado del DOEHola @AnkushSethi : Cuando dices " problema LPP", ¿te refieres a un problema de programación lineal? Si es así, el DoE no está diseñado para programación lineal.
