Mezcla DoE con 6 ingredientes, usar un máximo de 3.Estimada comunidad,
Me gustaría configurar un diseño de experimentos mixto compuesto por:
- Polímero: 80%
- Agua: 18,4% - 20%
- Aditivo 1: 0-0,8%
- Aditivo2: 0-0,8%
- Aditivo3: 0-0,8%
- Aditivo4: 0-0,8%
- Aditivo5: 0-0,2 %
Como Polymer es constante, lo eliminé. Por lo tanto, obtengo:
- Agua: 92% - 100%
- Aditivo 1: 0-4%
- Aditivo2: 0-4%
- Aditivo3: 0-4%
- Aditivo4: 0-4%
- Aditivo5: 0-1 %
Ahora quiero evaluar el rendimiento de los aditivos, pero solo tengo uno o dos aditivos presentes en la mezcla al mismo tiempo.
En este modelo, quiero considerar únicamente los efectos principales y la interacción entre dos aditivos. Dado que el agua actúa solo como un agente de relleno, pero no influye en la respuesta, desestimo los efectos entre Add *water y solo considero los efectos de Add(A)*Add(B).
¿Podría alguien explicarme, por favor, cómo puedo asegurarme de que JMP seleccione solo mezclas con 1 o 2 aditivos diferentes y agua?
Se aceptan ideas.
Gracias de antemano.
Diseño de experimentosRe: Mezcla DoE con 6 ingredientes, usar un máximo de 3.Hola @DocBo ,
¡Bienvenidos a la comunidad!
Considerando la proporción entre el agua (disolvente) y los aditivos, ¿por qué no utilizar primero un diseño de cribado (óptimo)? Dado que el efecto del agua no es relevante para el cribado de aditivos, podría comenzar con un diseño D-óptimo para sus 5 aditivos, especificando un modelo con efectos principales, interacciones de dos factores (y efectos cuadráticos si fuera necesario). Consulte «Cuándo no utilizar un diseño de mezcla».
Los diseños de mezcla son más bien diseños de optimización, por lo que resultan más adecuados si se desea encontrar una fórmula óptima que contenga (casi) todos los factores.
¿La restricción de cardinalidad es realmente una necesidad física (las formulaciones son inestables o no se pueden realizar con más de 2 aditivos)?
Si desea mantener un diseño de mezcla para su tema, simplemente especificar un modelo de mezcla de segundo orden le proporcionará un diseño con hasta 2 aditivos en sus formulaciones. Vea un ejemplo en este tema: Diseño de experimentos (DOE) de mezclas múltiples > 3 componentes que solo permite mezclas ternarias.
Espero que esta respuesta te ayude.
Re: Mezcla DoE con 6 ingredientes, usar un máximo de 3.Hola @Victor_G ,
Gracias por su rapidez y por la información/enlaces adicionales.
La restricción a un máximo de 2 aditivos a la vez es una petición que debo cumplir, pero no existe una necesidad física directa.
1) ¿Cómo puedo implementar las restricciones a posteriori usando el modelo y el Prediction Profiler? Pero, ¿no daría esto lugar a pruebas innecesarias con demasiados aditivos?
2) Configuré un diseño de experimentos (DoE) normal con factores continuos e interacción de dos factores, pero me da pruebas con más de tres aditivos. ¿Cómo puedo obtener un diseño con un máximo de dos aditivos a la vez?
Gracias de antemano.
Re: Mezcla DoE con 6 ingredientes, usar un máximo de 3.Hola @DocBo ,
1) Probar los aditivos sin restricciones le ayudará a determinar de forma más sencilla y precisa los efectos principales y las interacciones entre ellos en el diseño. Al usar el Perfilador de predicción vinculado a su modelo, puede establecer el valor del factor en cualquier valor (como 0) con CTRL+clic, asignar el valor al factor correspondiente y marcar la opción "Bloquear configuración del factor" para optimizar su fórmula sin los factores menos prometedores (identificados gracias a su modelo).
2) Puede utilizar el método de conjunto de candidatos , creando una tabla con solo dos factores a la vez, y usar esta tabla para seleccionar las ejecuciones en su diseño mediante la plataforma de Diseño Personalizado y la opción Seleccionar Factores Covariables . Los diseños de Bloque Incompleto Equilibrado también podrían ser una opción ( ejemplo aquí ). O bien, espere al complemento mencionado anteriormente, que ofrecería mejores opciones de diseño.
Mejor,
Re: Mezcla DoE con 6 ingredientes, usar un máximo de 3.Hola,
Si tiene acceso a JMP 19.1, puede acceder a una nueva funcionalidad en una función JSL que le permite generar muestras aleatorias (conjuntos candidatos) que pueden estar sujetas a restricciones lineales, restricciones de límites de variables y restricciones de cardinalidad en variables de grupos de componentes específicos. La función se llama Random Linearly Constrained Uniform. Es una extensión de la función Polytope Uniform Random, que existe en JMP desde hace tiempo. (Puede encontrar detalles sobre cómo usarla y algunos ejemplos en el índice de scripting de objetos de JMP). Para su ejemplo, puedo llamar a la función con el siguiente JSL:
Names Default To Here( 1 );
A = [1 1 1 1 1 1];
b = [1];
L = [.92 0 0 0 0 0 ];
U = [1 .04 .04 .04 .04 .01];
nwarm = 100;
nstride = 100;
tol = 1e-8;
// Index the constrained subgroups. Index = 0 is not in a constrained subgroup.
G = [0 1 1 1 1 1];
// Lower cardinality constraints for the constrained subgroups
LC = [1];
// Upper cardinality constraints for the constrained subgroups
UC = [2];
points = Random Linearly Constrained Uniform(
100,
A,
b,
L,
U,
1,
0,
0,
nwarm,
nstride,
tol,
G,
LC,
UC
);
dt = As Table( points );
Esto genera un conjunto de 100 ejecuciones candidatas que se guarda en una tabla con el siguiente aspecto:
La plataforma de optimización bayesiana de JMP Pro 19 es ideal para este tipo de problemas. Para obtener más información, consulta la presentación que impartí junto a Kasia y Chris en Discovery: Optimización bayesiana para formulaciones con restricciones complejas en JMP 19... - Comunidad de usuarios de JMP .
Espero que esto ayude.
Atentamente,
Laura
Re: Mezcla DoE con 6 ingredientes, usar un máximo de 3.Hola Laura, ¿solo es compatible con el modo automático de Bayes Opt? Esperaba poder aplicar todas mis restricciones usando un conjunto de datos candidato en el modo personalizado de Bayes Opt, pero parece que el generador de perfiles está deshabilitado. ¿Es este el comportamiento esperado?
