The search for experimental design with dozens of variables

Abstract

Simulation models have importantly expanded the analysis capabilities in engineering designs. With larger computing power, more variables can be modeled to estimate their effect in ever-larger number of performance measures. Statistical experimental designs, however, are still somewhat focused on the variation of less than about a dozen variables. In this thesis, an effort to identify strategies to deal with dozens of variables is undertaken. The aim is to be able to generate designs capable to estimate full-quadratic models. Several strategies are contrasted: (1) generate designs with random numbers, (2) use designs already available in the literature, (3) generate designs under a clustering strategy, and (4) generate designs using random walk methods. The most significant area of opportunity is the manipulation of 50 or more variables, where the state-of-art seems to be at this point according to literature review, trials with different software packages and reviewers' feedback in referred journals.

Los modelos de simulación han expandido de manera significativa la capacidad de análisis en diseños de ingeniería. Con un gran poder computacional, una mayor cantidad de variables pueden ser modeladas para estimar los efectos de cada vez más medidas de desempeño. Los diseños experimentales están enfocados en la variación de menos de una docena de variables. Este trabajo, se enfoca en la identificación de estrategias para trabajar con decenas de variables simultáneamente. El objetivo es la generación de un diseño experimental capaz de estimar modelos de regresión cuadráticos. Se realizará una comparación entre varias estrategias: (1) generación de diseños con números aleatorios, (2) generación de diseños mediante métodos ya existentes en la literatura o mediante programas existentes, (3) generación de diseños mediante la estrategia de "clustering", y (4) generación de diseños mediante métodos pseudo-aleatorios. El área de oportunidad de mayor significancia es la manipulación de 50 variables o más, donde el estado de arte parece ser en este punto, de acuerdo con la revisión de literatura, ensayos con diferentes paquetes de software y sugerencias por parte de revisores de revistas especializadas.