Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4/9/2018
Asistente DOE - Diseños de Cribado Definitivo
Resumen.......................................................................................................................................... 1
Diseños Conteniendo Solo Factores Continuos .............................................................................. 1
Diseños Conteniendo Factores Categóricos...................................................................................11
Referencias .................................................................................................................................... 15
Resumen
El Asistente DOE puede construir y analizar los diseños de cribado definitivos (DSD) como se
describe en los artículos referenciados al final de este documento. Los diseños de cribado
definitivos pueden construirse para cualquier combinación de factores continuos y categóricos de
2-niveles donde el número total de factores se encuentra entre 4 y 16. Se dispone de diseños
bloqueados y no bloqueados.
Los diseños de cribado definitivos son pequeños diseños capaces de estimar modelos que
implican ambos efectos lineales y cuadráticos, aunque las interacciones de segundo orden se
confunden parcialmente con ellos mismos y con efectos cuadráticos. Además, los diseños para 6
ó más factores colapsan en diseños que pueden estimar el modelo completo de segundo orden
(incluidas las interacciones) para cualquiera de los 3 factores.
Jones y Nachtsheim (2011) afirman que el uso de DSD a menudo hace innecesario realizar
experimentos de seguimiento. Enumeran las siguientes propiedades deseables de los diseños:
5. Los efectos cuadráticos son ortogonales a los efectos principales lineales y se confunden
solo parcialmente con las interacciones de dos factores.
Para los diseños que contienen m factores continuos se ejecutan en un solo bloque, el número
total de ejecuciones a realizar es
n = 2m’ + 1 (1)
donde
2018 por Statgraphics Technologies, Inc. Asistente DOE – Diseños de Cribado - 1
Statgraphics - Rev. 4/9/2018
m’ = m + k. (2)
n = 2m’ + B – k (3)
Los diseños se construyen utilizando matrices de conferencia como describen Xiao, Lin y Bai
(2012).
Para comenzar el proceso de creación del diseño, comenzar con un StatFolio vacío. Seleccionar
DOE - Asistente de Diseño Experimental para cargar la ventana principal del Asistente DOE. A
continuación, pulse cada botón en secuencia para crear el diseño.
El primer paso del proceso de creación del diseño muestra un cuadro de diálogo utilizado para
especificar las variables de respuesta. Para el ejemplo actual, hay una variable de respuesta
individual:
El segundo paso muestra un cuadro de diálogo en el cual especificar los factores que variarán. En
el ejemplo de la reacción química, hay 5 factores:
Dado que todos los factores son factores controlables del proceso, sólo se encuentra activo el
botón Opciones. Al pulsar ese botón muestra un segundo cuadro de diálogo:
Seleccione Detección y pulse OK. Esto mostrará un tercer cuadro de diálogo listando todos los
diseños de detección disponibles para 5 factores experimentales:
El último cuadro de diálogo permite al analista añadir ejecuciones adicionales para el diseño y
especificar el orden en el que se llevarán a cabo las ejecuciones. Si se elige el DSD no
bloqueado, el cuadro de diálogo tiene la forma siguiente:
Tenga en cuenta que cada factor se ejecuta a 3 niveles: en su nivel bajo, en su nivel alto, y a
medio camino entre los niveles alto y bajo.
El cuarto paso en el Asistente DOE selecciona el modelo para ajustar los datos una vez que se
realiza el experimento. El modelo por defecto se muestra a continuación:
Para examinar las propiedades del diseño, es útil pulsar el botón Evaluar diseño y luego
seleccione Matriz de Correlación:
Matriz de Correlación
A B C D E AA BB CC DD EE AB
A 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
B 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
C 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
D 0,0000 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
E 0,0000 0,0000 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
AA 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 0,1333 0,1333 0,1333 0,1333 0,0000
BB 0,0000 0,0000 0,0000 0,0000 0,0000 0,1333 1,0000 0,1333 0,1333 0,1333 0,0000
CC 0,0000 0,0000 0,0000 0,0000 0,0000 0,1333 0,1333 1,0000 0,1333 0,1333 -0,4655
DD 0,0000 0,0000 0,0000 0,0000 0,0000 0,1333 0,1333 0,1333 1,0000 0,1333 -0,4655
EE 0,0000 0,0000 0,0000 0,0000 0,0000 0,1333 0,1333 0,1333 0,1333 1,0000 0,4655
AB 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -0,4655 -0,4655 0,4655 1,0000
También es útil visualizar la Matriz Alias, que muestra el patrón de confusión para los efectos
que no están incluidos en el modelo:
Matriz de Alias
Efecto AC AD AE BC BD BE CD CE DE
constante
A
B
C
D
E
AA -1,0000 -1,0000 -1,0000 -1,0000 -1,0000 -1,0000
BB -1,0000 -1,0000 1,0000 -1,0000 1,0000 1,0000
CC -1,0000 2,0000 1,0000 2,0000 1,0000 -1,0000
DD 1,0000 -2,0000 2,0000 -1,0000 1,0000 1,0000
EE 2,0000 -2,0000 1,0000 -2,0000 2,0000 -1,0000 1,0000 -1,0000
AB -1,0000 1,0000 -1,0000 1,0000 -1,0000 1,0000 1,0000 -1,0000 1,0000
Mientras los principales efectos están limpios de interacciones de dos factores omitidas, los otros
términos no lo están.
Matriz de Correlación
bloque bloque A B C D E AA BB CC DD EE
bloque 1,0000 0,5292 0,0000 0,0000 0,0000 0,0000 0,0000 0,5374 0,5374 0,1414 0,1414 -0,2546
bloque 0,5292 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,3742 0,3742 -0,3742 -0,3742 0,0000
A 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
B 0,0000 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
C 0,0000 0,0000 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
D 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
E 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000
AA 0,5374 0,3742 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 0,3000 0,3000 0,3000 0,3000
BB 0,5374 0,3742 0,0000 0,0000 0,0000 0,0000 0,0000 0,3000 1,0000 0,3000 0,3000 0,3000
CC 0,1414 -0,3742 0,0000 0,0000 0,0000 0,0000 0,0000 0,3000 0,3000 1,0000 0,3000 0,3000
DD 0,1414 -0,3742 0,0000 0,0000 0,0000 0,0000 0,0000 0,3000 0,3000 0,3000 1,0000 0,3000
EE -0,2546 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,3000 0,3000 0,3000 0,3000 1,0000
Si bien los efectos lineales son ortogonales a los bloques, los efectos no son cuadráticos.
Los diseños de cribado definitivos también pueden contener factores categóricos de dos niveles.
Supongamos que el experimentador desea estudiar m factores continuos y c factores categóricos.
Si todas las ejecuciones se han de realizar en un solo bloque, entonces puede construirse una
DSD conteniendo
n = 2m’ + 2 (4)
ejecuciones donde
m’ = m + c + k. (5)
Si m+c es par, k = 0, mientras que si m+c es impar, k = 1. Para los diseños a ejecutar en B
bloques, donde B > 1, el número total de ejecuciones es
n = 2m’ + B – k (6)
si (2m’ + B – k ) es par y
n = 2m’ + B – k +1 (7)
si (2m’ + B – k ) es impar.
El modelo por defecto tiene efectos principales de todos los factores y efectos cuadráticos para
los factores continuos:
Como puede verse a partir de la matriz de correlación, hay pequeñas correlaciones entre los
principales efectos de los factores categóricos y los principales efectos de los otros factores,
aunque los principales efectos de los factores continuos son ortogonales entre sí:
Matriz de Correlación
A B C D E F AA BB CC DD
A 1,0000 0,0000 0,0000 0,0000 -0,1690 -0,1690 0,0000 0,0000 0,0000 0,0000
B 0,0000 1,0000 0,0000 0,0000 0,1690 0,1690 0,0000 0,0000 0,0000 0,0000
C 0,0000 0,0000 1,0000 0,0000 0,1690 -0,1690 0,0000 0,0000 0,0000 0,0000
D 0,0000 0,0000 0,0000 1,0000 -0,1690 0,1690 0,0000 0,0000 0,0000 0,0000
E -0,1690 0,1690 0,1690 -0,1690 1,0000 -0,1429 0,0000 0,0000 0,0000 0,0000
F -0,1690 0,1690 -0,1690 0,1690 -0,1429 1,0000 0,0000 0,0000 0,0000 0,0000
AA 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 0,3000 0,3000 0,3000
BB 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,3000 1,0000 0,3000 0,3000
CC 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,3000 0,3000 1,0000 0,3000
DD 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,3000 0,3000 0,3000 1,0000
Referencias
Jones, B. and Nachtsheim, C.J. (2011) “A Class of Three-Level Designs for Definitive Screening
in the Presence of Second-Order Effects”, Journal of Quality Technology 43(1), pp. 1-15.
Jones, B. and Nachtsheim, C.J. (2013) “Definitive Screening Designs with Added Two-Level
Categorical Factors”, Journal of Quality Technology 45(2), pp. 121-129.
Jones, B. and Nachtsheim, C.J. (2016) “Blocking Schemes for Definitive Screening Designs”,
Technometrics 58(1), pp. 74-83.
Xiao, L., Lin, D.K.J. and Bai, F. (2012) “Constructing Definitive Screening Using Conference
Matrices”, Journal of Quality Technology 44(1), pp. 1-7.