Obtenga más información en nuestro curso en línea gratuito:
Pensamiento estadístico para la resolución de problemas industriales
En este video, le mostramos cómo analizar experimentos factoriales completos en JMP utilizando el archivo 2x2x2 Unreplicated.jmp.
Como su nombre lo indica, este es un 2 sin replicar 3 experimento factorial completo. Los factores son Temperatura, Tiempo y Catalizador, y la respuesta es Rendimiento.
Debido a que este experimento se diseñó en JMP, podemos ejecutar el script Model para iniciar el análisis. En su lugar, por ejemplo, seleccionamos Analizar y luego Ajustar modelo.
Puede ver que el cuadro de diálogo Especificación del modelo se ha rellenado con la respuesta, el rendimiento y varios efectos del modelo. De forma predeterminada, el modelo incluye solo los efectos principales y las interacciones bidireccionales.
Seleccionaremos estos efectos y haremos clic en Eliminar para comenzar de nuevo y completar el panel de efectos del modelo desde cero.
Agregaremos los efectos principales y las interacciones bidireccionales.
Para ello, seleccionamos los tres factores en el panel Seleccionar columnas, y luego hacemos clic en el botón Macros y seleccionamos Factorial a grado. Puede ver que, por defecto, el Grado es 2. Entonces, el panel de efectos del modelo se completa con efectos principales e interacciones bidireccionales.
Haremos clic en Ejecutar para ejecutar este análisis.
De forma predeterminada, verá la tabla Resumen de efectos y el Perfilador de predicciones.
Los términos de la tabla Resumen de efectos se clasifican en orden ascendente según el PValue. El término más significativo es Temperatura, seguido de la interacción Temperatura*Tiempo.
Puede ver que las otras interacciones bidireccionales no son significativas.
Reduciremos el modelo eliminando los efectos no significativos, uno a la vez. Para ello, seleccionamos la interacción Temperatura*Catalizador en la tabla Resumen de efectos y hacemos clic en Eliminar. También eliminamos la interacción Time*Catalyst.
Los coeficientes para los efectos en el modelo se enumeran en la tabla Estimaciones de parámetros.
Prediction Profiler le permite visualizar su modelo. La temperatura, que es el término más significativo, tiene la línea de perfil más empinada. Cuando hacemos clic y arrastramos esta línea al valor bajo de Temperatura, y luego al valor alto, puede ver cómo cambia el rendimiento previsto.
También puede ver la interacción entre la temperatura y el tiempo. Observe lo que le sucede a la pendiente de la línea de tiempo a medida que cambia la temperatura del nivel bajo al nivel alto. La pendiente de la línea para el tiempo cambia.
Para ver mejor esta interacción, hacemos clic en el triángulo rojo superior y seleccionamos Perfilado de factores y luego Gráficos de interacción.
Puede ver que las líneas de perfil no son paralelas. Esto le dice que el efecto de un factor en la respuesta depende de la configuración del otro factor.
Echemos otro vistazo al Prediction Profiler.
El objetivo de este experimento es maximizar el rendimiento. Entonces, ves algunos paneles de deseabilidad. El último cuadro de la fila superior es la función de deseabilidad, que muestra el objetivo de respuesta. Cuando hacemos doble clic en este cuadro, vemos el objetivo y la conveniencia. Los valores más altos de Rendimiento son más deseables. Cuando le decimos a JMP que encuentre la configuración de los factores que maximizarán la respuesta, optimizamos esta función de deseabilidad.
Hagamos esto ahora. Seleccionamos Optimizar y Deseabilidad del triángulo rojo para el Perfilador de Predicción y luego Maximizar Deseabilidad.
Los ajustes de nuestros factores que dan como resultado el mayor rendimiento previsto son Temperatura en el nivel alto (120), Tiempo en el nivel bajo (4) y Catalizador en el nivel alto (5). En estos ajustes, el rendimiento previsto es 89,32. Los valores entre paréntesis forman un intervalo de confianza para la media de este rendimiento previsto. Con esta configuración de factores, puede estar 95 % seguro de que el rendimiento medio estará entre 88,2 y 90,5 (suponiendo, por supuesto, que el proceso no haya cambiado).
Hay muchas opciones adicionales debajo del triángulo rojo superior para explorar y analizar sus resultados, que no discutiremos en este breve video.
Le recomendamos que explore estas opciones por su cuenta.
