Ho un piano di lavoro in cui ho suddiviso le sessioni di test in blocchi mensili: posso effettuare 4 sessioni al mese, per un totale di 12 sessioni in 3 mesi.
Esiste un modo per salvare il mio progetto se una delle prove in un blocco fallisce a causa di circostanze esterne non correlate ai fattori del DOE?
Ad esempio, la prova numero 4 del mio primo blocco di esperimenti ha dovuto essere interrotta a metà a causa di un problema con il fornitore di materie prime, quindi quel blocco ha solo 3 prove completate. C'è un modo per riorganizzare il DOE in modo che il primo blocco abbia solo 3 prove, il secondo blocco ne abbia 4 e il terzo blocco ne abbia 4, oppure dovrei semplicemente ricominciare da capo (il che mi farebbe perdere circa un mese)?
E se invece potessi eseguire un blocco di 3 prove, poi un blocco di 5 prove e infine un blocco di 4 prove? Sono curioso di sapere cosa farebbero gli altri in una situazione simile e come potrei sfruttare i dati ottenuti dalle 3 prove completate senza dover ricominciare da capo. Dovrei forse ridurre il numero di fattori e fare blocchi di 3 prove con meno fattori, ecc.?
Non direi che l'esperimento sia "fallito". C'è ancora la possibilità di imparare qualcosa dai dati rimanenti.
È estremamente difficile fornire consigli specifici e utili con il poco contesto a disposizione. Potresti fornire la tabella dei dati dell'esperimento? Sembra che tu abbia assegnato 4 trattamenti a ciascun blocco; quali sono i fattori associati al blocco (ad esempio, qual è il livello di rumore)? Hai effettuato delle previsioni? Qual è l'ordine di rango previsto degli effetti del modello? Qual è la dimensione prevista dell'effetto del blocco? Qual è la risoluzione della struttura del disegno sperimentale? ecc.
Esistono diverse opzioni per "sostituire" i dati mancanti, ma la loro utilità è limitata dalla struttura del progetto. Ecco alcune possibili soluzioni:
1. Utilizzare la media della risposta ottenuta dai restanti 11 trattamenti (oppure la media dei 3 trattamenti all'interno di quel blocco). Questo tende a ridurre l'impatto di quel trattamento.
2. Utilizza i valori previsti (questo presuppone che tu abbia effettuato delle previsioni prima di eseguire l'esperimento).
3. Eseguire una regressione sugli 11 trattamenti rimanenti, escludendo 1 DF dal modello previsto (di solito l'effetto di ordine più elevato o l'effetto previsto come il più piccolo). Salvare la formula di previsione e il valore previsto per il trattamento mancante verrà completato nella tabella JMP. Nota: prima di eseguire la formula di previsione, potrebbe essere utile dare una rapida occhiata all'entità dell'effetto blocco e regolare i valori per compensarlo.
4. Eseguite tutti i passaggi precedenti, analizzate i risultati e determinate in che misura quel singolo trattamento influisce sui risultati. Se c'è un accordo generale, potreste concludere che la perdita del trattamento non è un grosso problema. Se c'è disaccordo, probabilmente avrete bisogno di più dati. Quindi la domanda è: dovete ripetere il trattamento mancante? Dovete eseguirlo nello stesso spazio di progettazione (o nello spazio di progettazione previsto)? Se lo ripetete, introducete un quarto effetto blocco, quindi dovreste ripetere anche un altro trattamento per "calibrare" l'effetto blocco?
