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

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 1 2 3 4 5 6 Temperatura 160 180 165 175 170 180 Tasa de Flujo 50 75 80 80 55 75 Concentracin 20 40 25 35 25 35 Rendimiento 18.7 32.9 22.1 29.0 22.8 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. DDE Optimizar Diseo - 4

2006 por StatPoint, Inc.

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
2 + 11 X 12 + 22 X 2 + 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 % N

(2)

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 % (4) G Eficacia = 100 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 1 2 3 4 bloque 1 1 1 1 temperature 160.0 165.0 170.0 175.0 flow rate 50.0 50.0 50.0 50.0 concentration 20.0 20.0 20.0 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 5 1 180.0 50.0 16 1 160.0 72.5 101 1 160.0 50.0 140 2 180.0 65.0 230 2 180.0 50.0 246 2 160.0 80.0 275 3 180.0 80.0 311 3 160.0 65.0 363 3 170.0 65.0 376 4 160.0 50.0 377 4 180.0 75.0 378 4 165.0 80.0 379 4 175.0 80.0 380 4 170.0 55.0 381 4 180.0 75.0 concentration 20.0 20.0 40.0 20.0 40.0 40.0 20.0 30.0 40.0 20.0 40.0 25.0 35.0 25.0 35.0 yield

18.7 32.9 22.1 29.0 22.8 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 1 2 3 4 5 6 7 8 9 10 11 12 13 lauryl sulfate 0.3 0.27 0.2 0.23 0.275 0.26 0.225 0.24 0.285 0.265 0.235 0.215 0.25 cocamide 0.07 0.1 0.1 0.07 0.0775 0.0925 0.0925 0.0775 0.085 0.07 0.1 0.085 0.085 lauramide 0.13 0.13 0.2 0.2 0.1475 0.1475 0.1825 0.1825 0.13 0.165 0.165 0.2 0.165 foam height

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