Órdenes de experimentación secuenciales en diseños factoriales

Abstract

Un principio básico del diseño experimental consiste en realizar la experimentación de manera completamente aleatoria, con la finalidad de que los posibles efectos generados por factores externos no afecten las estimaciones. Sin embargo, este enfoque puede resultar complicado y costoso, debido a la cantidad resultante de cambios de nivel en los factores, además de que un orden aleatorio no garantiza la eliminación del sesgo. En esta tesis doctoral, se presenta una propuesta para construir secuencias de experimentación en diseños factoriales completos y fraccionados, buscando un equilibrio entre disminuir el número de cambios de nivel y el sesgo asociado a factores desconocidos. Este enfoque, denominado método de asignación-expansión, adapta el problema de asignación de programación lineal para generar los ordenamientos, y posteriormente extiende las propiedades obtenidas a diseños con mayor cantidad de factores y niveles. Como resultado, se logran secuencias de experimentación para una amplia variedad de diseños factoriales con las propiedades deseadas, logrando incluso valores mínimos tanto en el sesgo como en el número de cambios de nivel. (Tomado de la fuente)

A fundamental principle of experimental design is to conduct experiments in a completely random manner, to ensure that potential effects caused by external factors do not influence the estimates. However, this approach can be challenging and costly due to the number of factor-level changes, and a random order does not necessarily guarantee the elimination of bias. This doctoral thesis proposes a method for constructing experimental sequences in full and fractional factorial designs. It seeks a balance between reducing the number of factor-level changes and minimizing the bias associated with unknown factors. This approach, called the assignment-expansion method, adapts the assignment problem in linear programming to generate the sequences and subsequently extends the obtained properties to designs with a greater number of factors and levels. As a result, experimental sequences were obtained for a wide variety of factorial designs, meeting the desired properties, and even achieving minimal values for both bias and the number of factor level changes.