STATGRAPHICS Rev.

9/14/2006

Diseo de Experimentos Optimizar Diseo

Resumen
La seleccin de Optimizar Diseo sobre el men DDE construye diseos D-ptimos para
determinar un subconjunto de corridas de una lista de corridas candidatas proporcionadas por el
usuario. Los diseos D-ptimos son experimentos que minimizan una cantidad relacionada con
el volumen de una regin de confianza comn para los coeficientes de regresin del modelo
estimado para describir la relacin entre los factores experimentales y las variables respuestas. El
usuario empieza el procedimiento por la especificacin del modelo a estimarse, un conjunto de
corridas candidatas, y el nmero de corridas deseadas. El procedimiento entonces invoca un
algoritmo que selecciona un subconjunto de estas corridas que tienen una alto D-Eficacia.

Dos usos importantes de los diseos D-ptimos son discutidos en este documento:

Ejemplo #1: Aumentando un experimento que fue mal diseado. En este caso, el
procedimiento selecciona corridas adicionales que pueden ayudar dado que algunas
corridas ya fueron desarrolladas.

Ejemplo #2: Seleccionando corridas en un experimento de mezclas con restricciones

activas. Cuando un diseo de vrtices extremos es construido y la opcin Aumentar
Diseo es seleccionada, el nmero de corridas puede ser grande que es necesario estimar
el modelo deseado.

Ejemplo #1 Aumentando un Experimento Mal Diseado

Suponga que un experimentador tiene inters en estudiar 3 factores sobre la siguiente regin:

Factores Bajo Alto Unidades

Temperatura 160 180 grados
Tasa de Flujo 50 80 litros/min.
Concentracin 20 40 %

Desafortunadamente, ms que disear un experimento bien-balanceado desde el principio, se

decidi intentar unas cuantas corridas pensando que trabajaran bien. Las corridas desarrolladas
se muestran abajo, junto con la medicin de la respuesta:

Corrida Temperatura Tasa de Flujo Concentracin Rendimiento

1 160 50 20 18.7
2 180 75 40 32.9
3 165 80 25 22.1
4 175 80 35 29.0
5 170 55 25 22.8
6 180 75 35 29.9

Despus de 6 corridas y un progreso leve, se decidi parar y disear un buen experimento. Sin
embargo, no se deseaba ejecutar muy lejos las corridas de las que ya se haban desarrollado, cada
una de ellas fue costosa y consumi un tiempo.

2006 por StatPoint, Inc. DDE Optimizar Diseo - 1

 STATGRAPHICS Rev. 9/14/2006

El procedimiento general que deber ejecutarse en este caso es el siguiente:

1. Un diseo factorial mixto ser construido con un nmero grande de corridas que cubran
la regin experimental completa de inters.
2. Las 6 corridas desarrolladas sern agregadas al diseo factorial mixto.
3. El procedimiento Optimizar Diseo deber usarse para seleccionar 9 corridas adicionales
a las primeras 6 agregadas.

Paso 1: Especificando las Corridas Candidatas

Antes de usar el procedimiento Optimizar Diseo en STATGRAPHICS, un archivo de
experimento debe crearse que contenga las corridas candidatas de las cuales un subconjunto
deber seleccionarse. Para los experimentos que implican variables del proceso, es ms fcil la
creacin de un diseo factorial mixto. La documentacin DDE Diseo Factorial Mixto
describe la construccin de un diseo factorial 5x5x5 usando las variables y la regin
experimental descritas anteriormente. El diseo consiste de todas las combinaciones de 5 niveles
de los factores, igualmente espaciados entre los niveles bajo y alto. Cada una de las 125
combinaciones es replicada dos veces, las cuales son almacenadas en el archivo llamado
multilevel.sfx.

Para crear un diseo D-ptimo, este archivo deber cargarse usando la opcin Abrir Datos
Fuente sobre el men Archivo:

Despus de que las corridas son cargadas en la base de datos, las 6 corridas que fueron
desarrolladas deben agregarse manualmente al final de la hoja:
2006 por StatPoint, Inc. DDE Optimizar Diseo - 2
 STATGRAPHICS Rev. 9/14/2006

Note lo siguiente:

1. Un nmero separador de bloque tiene indicado cuales fueron las corridas iniciales.
Dependiendo si el experimentador cree que las condiciones cambiaron sobre las corridas
iniciales, el nmero de bloque puede o no puede incluirse sobre la estimacin del modelo.
La caja de dialogo en Opciones del Anlisis sobre ambos procedimientos de Analizar
Diseo y Optimizar Diseo contienen una opcin para ignorar los nmeros de bloque.

2. Los valores medidos de la variable respuesta deben ingresarse. Esto forzara a esas 6
corridas a ser seleccionadas por Optimizar Diseo, siempre que las corridas seleccionadas
ya se hayan realizado.

Las 381 corridas candidatas fueron guardadas en el archivo candidates.sfx.

Paso 2: Especificando el Modelo a ser Estimado

Una vez que las corridas candidatas son cargadas en la base de datos, Optimizar Diseo debe
seleccionarse del men Diseo de Experimentos. Inicialmente, se desplegara un mensaje simple
indicando que las Opciones del Anlisis pueden seleccionarse:

Optimizar Experimento
Seleccione Opciones de Anlisis para optimizar el diseo.

Presionando el clic derecho del ratn y seleccionando Opciones del Anlisis se despliega la
siguiente caja de dialogo:

2006 por StatPoint, Inc. DDE Optimizar Diseo - 3

 STATGRAPHICS Rev. 9/14/2006

Mximo Orden del Efecto El mximo orden del efecto a ser incluido en el modelo.
Especificar 1 para un modelo que contenga solamente efectos principales, p especificar 2
si las interacciones dobles o efectos cuadrticos deben incluirse.

Ignorar Nmeros de Bloques Si se activa, el efecto de bloque ser excluido del modelo.
En caso contrario, sern agregadas columnas en la Matriz X para que distinga entre los
bloques.

Patrn de Confusin: Si esta seleccionado Del Diseo Original dado que el diseo
original fue un Factorial Fraccionado o Plackett-Burman, el procedimiento del anlisis
normalmente examina el patrn de confusin para determinar cuales efectos podrn
estimarse. Cambiando la configuracin a De los Datos forzamos al programa a estimar
todos los efectos que no se confundieron perfectamente con otros efectos o se excluyeron
usando el botn Excluir.

Nmero de Corridas Deseadas: El nmero final de corridas que el procedimiento tendr

que seleccionar. El nmero inicialmente desplegado es el mnimo absoluto, correspondiente
al nmero de coeficientes subyacentes al modelo de regresin. Normalmente, el nmero
puede incrementarse para permitir la estimacin del error.

Mtodo: El mtodo usado para seleccionar las corridas. Puesto que el nmero de maneras de
cambiar subconjuntos de las corridas candidatas es muy grande para revisar todas las
posibilidades, STATGRAPHICS (como otros programas) usa un algoritmo de seleccin para
cambiar los subconjuntos. El mtodo Hacia Adelante empieza con las corridas que fueron
desarrolladas (si cualquiera) y agrega una corrida a la vez, adicionando en cada paso la
corrida que suma la mayor D-Eficacia del experimento. El mtodo Hacia Atrs empieza con
todas las corridas candidatas y remueve una corrida a la vez, removiendo en cada paso la
corrida que suma la menor D-Eficacia del experimento. En ambos casos, una vez que el
nmero de corridas deseadas es seleccionado, un algoritmo de intercambio ser desarrollado.
Este algoritmo prueba todos los pares de corridas consistentes de una que fue seleccionada y
otra que no lo fue, hacer cualquier cambio puede incrementar la eficiencia del experimento.
Los cambios continan hasta no tener mejoras adicionales que puedan realizarse cambiando
una corrida que fue seleccionado con otra que no lo fue.

2006 por StatPoint, Inc. DDE Optimizar Diseo - 4

 STATGRAPHICS Rev. 9/14/2006
Botn Excluir: Presione este botn para excluir efectos especficos del modelo. La siguiente
caja de dialogo ser desplegada:

Dar doble clic sobre cualquier efecto que se pueda mover de un lado para otro.

En el ejemplo, el experimentador decide ignorar los bloques, y estimar un modelo de segundo

orden como se muestra abajo:

Y = 0 + 1 X 1 + 2 X 2 + 3 X 3 + 12 X 1 X 2 + 13 X 1 X 3 + 23 X 2 X 3

+ 11 X 12 + 22 X 22 + 33 X 32 + (1)

Este modelo tiene un total de p = 10 coeficientes. Agregando 3 grados de libertad para estimar el
error experimental puede requerir un total de N = 15.

Resumen del Anlisis

En el ejemplo, el algoritmo Hacia Atrs crea un diseo con poca evidencia satisfactoria es mejor
el algoritmo Hacia Adelante. El Resumen del Anlisis se muestra abajo:

Optimizar Experimento
Nombre del archivo: C:\DocData\d1.sfx
Criterio de seleccin: Optimizacin-D
Nmero deseado de corridas: 15
Mtodo de seleccin: Hacia adelante con intercambio al final
Orden del modelo: 2

Nmero de corridas ya completadas: 6

Corridas adicionales candidatas: 375

Diseo D-optima
El diseo se ha reducido a 15 corridas.
Eficiencia-D = 37.4089%
Eficiencia-A = 20.8063%
Eficiencia-G = 63.0889%

2006 por StatPoint, Inc. DDE Optimizar Diseo - 5

 STATGRAPHICS Rev. 9/14/2006

La tabla despliega informacin acerca de las opciones que fueron seleccionadas y las mediciones
de eficacia del diseo resultante. Tres mediciones de eficacia pueden calcularse:

D-Eficacia Compara el determinante de XX con el valor del diseo mejor posible de

acuerdo a:

1
D Eficacia = 100 | X X |1 / p % (2)
N

Despus la matriz de diseo X es transformada en el nivel bajo de cada factor es igual a -1 y

el nivel alto a 1. En la ecuacin anterior, N es el nmero de corridas totales seleccionadas y p
es el nmero de coeficientes estimados en el modelo a ajustarse. D-Eficacia esta relacionado
con el volumen de la regin de confianza para los coeficientes de regresin. La medicin esta
es definida permitiendo la comparacin de diseos con diferentes nmeros de corridas. Un
diseo con alto D-Eficacia es preferido.

A- Eficacia Compara la suma de las varianzas estimadas de los coeficientes de regresin

sin considerar sus covarianzas:

p
A Eficacia = 100 %
(
traza N ( X X )
1
)
(3)

G- Eficacia Compara la prediccin del error estndar mximo m sobre los puntos del
diseo a travs de:
p/N
G Eficacia = 100 % (4)

m

Para los diseos con D-Eficacia igual, los otros dos criterios pueden usarse para seleccionar el
mejor diseo. En un diseo organizado como el que tenemos, las eficacias del diseo pueden
ser bien bajas cuando requerimos un nmero de corridas mnimo.

Lista de Candidatas
La tabla Lista de Candidatas despliega cada una de las corridas candidatas marcando con un
asterisco a las que fueron seleccionadas. Una pequea porcin de la lista se muestra abajo:

Lista de Candidatos
corrida bloque temperature flow rate concentration
1 1 160.0 50.0 20.0
2 1 165.0 50.0 20.0
3 1 170.0 50.0 20.0
4 1 175.0 50.0 20.0

2006 por StatPoint, Inc. DDE Optimizar Diseo - 6

 STATGRAPHICS Rev. 9/14/2006

Hoja de Trabajo
La tabla Hoja de Trabajo muestra solamente las corridas que fueron seleccionadas:

Hoja de trabajo para C:\DocData\d1.sfx

corrida bloque temperature flow rate concentration yield
5 1 180.0 50.0 20.0
16 1 160.0 72.5 20.0
101 1 160.0 50.0 40.0
140 2 180.0 65.0 20.0
230 2 180.0 50.0 40.0
246 2 160.0 80.0 40.0
275 3 180.0 80.0 20.0
311 3 160.0 65.0 30.0
363 3 170.0 65.0 40.0
376 4 160.0 50.0 20.0 18.7
377 4 180.0 75.0 40.0 32.9
378 4 165.0 80.0 25.0 22.1
379 4 175.0 80.0 35.0 29.0
380 4 170.0 55.0 25.0 22.8
381 4 180.0 75.0 35.0 29.9

Note que la tabla incluye las 6 corridas que fueron desarrolladas en el ejemplo, junto con otras
nueve corridas.

Opciones del Panel

Espaciado de Lnea El espaciado de las corridas cuando se envan a la impresora. Doble o

triple espaciado permiten ms espacio para escribir los resultados a mano.

2006 por StatPoint, Inc. DDE Optimizar Diseo - 7

 STATGRAPHICS Rev. 9/14/2006
Fila Inicial y Fila Final: El rango del nmero de filas a incluir en la hoja de trabajo.

Respuestas a Incluir Las respuestas que se incluyen sobre la hoja de trabajo a imprimir. El
analista puede pedir imprimir por separado la hoja de trabajo para cada respuesta si el
nmero de factores experimentales es grande.

Grabando las Corridas Seleccionadas

Una vez que la seleccin de corridas fue satisfactoria, el experimento puede eliminar todas las
dems corridas no seleccionadas de la base de datos presionando el botn Grabar Resultados. El
diseo D-ptimo podr grabarse al disco seleccionando Grabar Diseo desde el men Archivo.

Ejemplo #2 Seleccionando Corridas de un Diseo de Vrtices Extremos

El Segundo ejemplo es de Myers y Montgomery (2002) y consiste en un experimento de mezclas
en el cual los investigadores desean encontrar una formulacin para un shampoo con una altura
deseada de espuma. Tres componentes pueden variarse, sujeto a las siguientes restricciones:

0.20 lauryl sulfate 0.30

0.07 cocamide 0.10

0.13 lauramide 0.20

lauryl sulfate + cocamide + lauramide = 0.5

Si fue deseable ajustarse a un modelo cuadrtico de la forma:

Y = 1 X 1 + 2 X 2 + 3 X 3 + 12 X 1 X 2 + 13 X 1 X 3 + 23 X 2 X 3 (5)

Paso 1: Especificando las Corridas Candidatas

Las corridas candidatas son creadas primera seleccionando Crear Diseo desde el men DDE.

El diseo es un experimento de mezclas con una respuesta y 3 componentes:

2006 por StatPoint, Inc. DDE Optimizar Diseo - 8

 STATGRAPHICS Rev. 9/14/2006

Cada componente tiene una restriccin inferior y superior, y la suma de todos los componentes
es igual a 0.5:

Foam height es la variable respuesta:

2006 por StatPoint, Inc. DDE Optimizar Diseo - 9

 STATGRAPHICS Rev. 9/14/2006

Debido a la naturaleza de las restricciones inferior y superior, la regin experimental viable no

forma un simplex completo. Consecuentemente, solamente un tipo de diseo esta disponible el
diseo de vrtices extremos:

El programa muestra la figura anterior y despliega el nmero de vrtices de la regin

experimental viable, lo cul en este caso solamente permite estimar un modelo lineal. En orden
para estimar modelos ms complicados, ser necesario adicionar corridas aumentando el diseo.

La caja de dialogo final permite al experimentador agregar mezclas adicionales en los centros de
los bordes de la regin viable, en los puntos de comprobacin axiales sobre la lnea de los
vrtices al centroide total, en los centro de cara de la regin viable, y en el centroide total:

2006 por StatPoint, Inc. DDE Optimizar Diseo - 10

 STATGRAPHICS Rev. 9/14/2006

El nmero de puntos nicos del diseo despus de la aumentacin es 13.

La Hoja de Trabajo se muestra abajo con las 13 corridas generadas por el proceso Crear Diseo:

Hoja de trabajo para C:\DocData\shampoo.sfx - Shampoo foam experiment

corrida lauryl sulfate cocamide lauramide foam height
1 0.3 0.07 0.13
2 0.27 0.1 0.13
3 0.2 0.1 0.2
4 0.23 0.07 0.2
5 0.275 0.0775 0.1475
6 0.26 0.0925 0.1475
7 0.225 0.0925 0.1825
8 0.24 0.0775 0.1825
9 0.285 0.085 0.13
10 0.265 0.07 0.165
11 0.235 0.1 0.165
12 0.215 0.085 0.2
13 0.25 0.085 0.165

Las corridas son las siguientes:

Corridas 1-4: Los vrtices.

Corridas 5-8: Las mezclas de comprobacin axiales en el centro de la lnea segmentos

conectando los vrtices con el centroide de la regin viable.

Corridas 9-12: Los centroides de los bordes conectando cada par de vrtices adyacentes.

Corrida 13: El centroide del diseo.

En orden calculando el procedimiento Optimizar Diseo algunas replicas de las corridas se

cambian a, las corridas de la fila 1-13 se copian y pegan en los filas 14-26.

Paso 2: Especificando el Modelo a ser Estimado

Una vez que las 26 corridas candidatas son cargadas en la base de datos, Optimizar Diseo puede
seleccionarse desde el men Diseo de Experimentos. Para un experimento de mezclas, la caja
de dialogo Opciones del Anlisis toma la siguiente forma:

2006 por StatPoint, Inc. DDE Optimizar Diseo - 11

 STATGRAPHICS Rev. 9/14/2006

Modelo a Estimar: El modelo de mezclas ms complicado a estimarse.

Nmero de Corridas Deseadas: Nmero de corridas a ser seleccionadas.

Mtodo: El mtodo usado para seleccionar las corridas, como se discuti anteriormente.

Botn Excluir: Presione este botn para excluir efectos especficos del modelo.

Cualquier algoritmo encuentra el diseo mostrada en Resumen del Anlisis:

Optimizar Experimento
Nombre del archivo: C:\DocData\shampoo.sfx
Comentario: Shampoo foam experiment

Criterio de seleccin: Optimizacin-D

Nmero deseado de corridas: 13
Mtodo de seleccin: Hacia adelante con intercambio al final
Tipo de modelo: Cuadrtico

Nmero de corridas ya completadas: 0

Corridas adicionales candidatas: 26

Diseo D-optima
El diseo se ha reducido a 13 corridas.
Optimizacin-D = 0.00000313959
Optimizacin-A = 2248.85
Eficiencia-G = 93.37%

Pulse el cono de Opciones Tabulares para desplegar la hora de trabajo de las corridas seleccionadas.

La tabla despliega:

D-ptimo: El determinante de XX, donde X es la matriz de diseo expresado en pseudo

componentes. Esta es la cantidad que ha sido maximizada por el procedimiento.

A- ptimo: La traza de XX-1. Los valores ms pequeos son preferidos.

2006 por StatPoint, Inc. DDE Optimizar Diseo - 12

 STATGRAPHICS Rev. 9/14/2006
G- ptimo: Compara la prediccin del error estndar mximo m sobre los puntos del
diseo definidos anteriormente.

La Lista de Candidatas muestra las 13 corridas que fueron seleccionadas:

Lista de Candidatos
corrida lauryl sulfate cocamide lauramide
* 1 0.3 0.07 0.13
* 2 0.27 0.1 0.13
* 3 0.2 0.1 0.2
* 4 0.23 0.07 0.2
5 0.275 0.0775 0.1475
6 0.26 0.0925 0.1475
7 0.225 0.0925 0.1825
8 0.24 0.0775 0.1825
9 0.285 0.085 0.13
* 10 0.265 0.07 0.165
11 0.235 0.1 0.165
12 0.215 0.085 0.2
* 13 0.25 0.085 0.165
* 14 0.3 0.07 0.13
* 15 0.27 0.1 0.13
* 16 0.2 0.1 0.2
* 17 0.23 0.07 0.2
18 0.275 0.0775 0.1475
19 0.26 0.0925 0.1475
20 0.225 0.0925 0.1825
21 0.24 0.0775 0.1825
* 22 0.285 0.085 0.13
23 0.265 0.07 0.165
* 24 0.235 0.1 0.165
* 25 0.215 0.085 0.2
26 0.25 0.085 0.165
* indica que la corrida seleccionada alcanz la optimizacin-D

Cada uno de los cuatro vrtices se corre dos veces (#1-#4 y #14-#17). El centroide (#13) es
corrido una vez. Todos los centros de borde tambin se corren (#10, #2, #24, y #25). Ninguna de
las mezclas de comprobacin axial fueron seleccionadas.

Para una buena discusin e ilustracin de este ejemplo, ver Myers y Montgomery (2002).

2006 por StatPoint, Inc. DDE Optimizar Diseo - 13