Tengo un DOE donde he bloqueado ejecuciones por mes: puedo ejecutar 4 ejecuciones al mes, para un total de 12 ejecuciones en 3 meses.
¿Existe alguna forma de salvar mi diseño si una de las ejecuciones de un bloque falla debido a circunstancias externas no relacionadas con los factores del DOE?
Por ejemplo, la cuarta ejecución de mi primer bloque de experimentos tuvo que interrumpirse a la mitad debido a un problema con el proveedor de materia prima, por lo que ese bloque solo tiene tres ejecuciones completadas. ¿Existe alguna forma de reconfigurar el diseño de experimentos (DOE) para que el primer bloque tenga tres ejecuciones, el segundo cuatro y el tercero cuatro, o debería empezar de nuevo (lo que me retrasaría aproximadamente un mes)?
¿Qué pasaría si pudiera ejecutar un bloque de 3 ejecuciones, luego uno de 5 y finalmente uno de 4? Tengo curiosidad por saber qué harían los demás en esta situación y cómo podría aprovechar los datos de esas 3 ejecuciones completadas sin tener que empezar de cero. ¿Debería reducir el número de factores y simplemente realizar bloques de 3 ejecuciones con menos factores, etc.?
No diría que el experimento está "roto". Todavía hay oportunidades para aprender con los datos restantes.
Resulta extremadamente difícil ofrecer consejos útiles y específicos con la información disponible. ¿Podría proporcionar la tabla de datos del experimento? Parece que asignó cuatro tratamientos a cada bloque. ¿Cuáles son los factores asociados a cada bloque (por ejemplo, el ruido)? ¿Ha realizado alguna predicción? ¿Cuál es el orden de clasificación previsto de los efectos del modelo? ¿Cuál es la magnitud prevista del efecto del bloque? ¿Cuál es la resolución de la estructura del diseño? etc.
Existen varias opciones para "reemplazar" los datos faltantes, pero su utilidad está limitada por la estructura del diseño. A continuación, se presentan algunas opciones de reemplazo:
1. Utilice la media de la respuesta de los 11 tratamientos restantes (o la media de los 3 tratamientos dentro de ese bloque). Esto tiende a reducir el impacto de dicho tratamiento.
2. Utilice los valores predichos (esto supone que realizó predicciones antes de ejecutar el experimento).
3. Realice una regresión con los 11 tratamientos restantes, excluyendo 1 grado de libertad (GL) del modelo previsto (generalmente el efecto de orden superior o el que se predice que será el menor). Guarde la fórmula de predicción y el valor predicho para el tratamiento faltante se completará en la tabla de JMP. Nota: También puede ser conveniente revisar rápidamente la magnitud del efecto de bloque y ajustar los valores para compensar dicho efecto antes de aplicar la fórmula de predicción.
4. Realice todo lo anterior, analice los resultados y determine cuánto influye ese tratamiento en particular. Si hay consenso general, podría concluir que la pérdida de un tratamiento no es un problema grave. Si hay discrepancias, probablemente necesitará más datos. Entonces, la pregunta es: ¿debe repetir el tratamiento que falta? ¿Debe ejecutarlo en el mismo espacio de diseño (o en el espacio de diseño proyectado)? Si lo repite, introduce un cuarto efecto de bloque, por lo que ¿debería también repetir otro tratamiento para "calibrar" dicho efecto?
