¿Cómo analizar los datos experimentales existentes y luego realizar el diseño de aumento?Soy titular de JMP DOE. Tengo 150 datos experimentales. Estos 150 experimentos no fueron diseñados por JMP DOE.
Ahora, sin embargo, quiero agregar más experimentos, ya que hay más de 15 factores, parece que se necesitan demasiados experimentos si asumo que todos los fanáticos tienen una interacción de dos factores con otros mediante el diseño de aumento. Por lo tanto, mi idea es identificar primero dos interacciones de factores por Definitive Sreening Design y luego realizar un diseño de aumento solo considerando las dos interacciones de factores necesarias, ¿verdad?
Re: ¿Cómo analizar los datos experimentales existentes y luego realizar el diseño de aumento?Creo que lo primero que haría sería evaluar los datos que ya tiene. La plataforma Evaluate Design ayudará (DOE> Design Diagnostics). Puede informarle sobre el poder y el grado de correlación entre los efectos.
Podría encontrar que los datos que tiene son útiles para determinar los factores importantes. Y podría aumentar esto con ejecuciones adicionales para mejorar la información.
Si estaba comenzando sin datos (o si decide que no hay un valor en los datos que tiene), un diseño de detección definitivo sería un buen enfoque porque es eficiente en la detección de una gran cantidad de factores: 33 ejecuciones, si todas Los factores son continuos y no seleccionas ejecuciones adicionales. Un compromiso es que no puede estimar todas las interacciones de 2 factores, pero generalmente espera que solo unos pocos estén activos. Nuevamente, puede aumentar para mejorar la información sobre los factores activos.
Usted podría encontrar mi blog serie Útil si eres nuevo en conceptos como la correlación entre efectos.
