Comprensión de las capacidades de DOE en JMP
Vea cómo:
- Comprender la secuencia de las capacidades básicas del DOE (configurar el diseño, guardar / cargar factores y respuestas, simular respuestas, seleccionar D-A-I- o alias-criterios óptimos, ID número de inicios, agregar términos de interacción, modificar el número de JMP recomendado corre, ejecuta el diseño, crea la tabla de diseño)
- Comprender los tipos de diseño básicos (clásico, mixto, óptimo, tramado sobresaturado, tramado definitivo, factorial fraccional, aumentado, matrices de cobertura, relleno de espacio, Balance Incomplete Block (BIBD)
- Comprender el valor agregado de usar las opciones de diseño experimental de JMP en enfoques de un factor a la vez (OFAT)
- Comprender la terminología básica (aleatorización, replicación, ortogonalidad, interacciones, bloqueo)
- Construya un modelo y diseño factorial completo clásico para el análisis confirmatorio
- El objetivo: diseñar el producto para que tenga menos grasa y mantenga una resistencia adecuada de la hoja
- Cree un diseño factorial completo con dos niveles, sin puntos centrales, sin réplicas
- Construya el modelo usando la interfaz JMP DOE
- Evaluar el diseño factorial completo clásico
- Determine si la cantidad de corridas y los factores son suficientes
- Examine Power, donde los valores más cercanos a uno indican que si los factores mostrados son activos e importantes, entonces la probabilidad de que aprenda algo sobre ellos es alta al ejecutar el experimento y construir el modelo.
- Examinar el perfil de varianza de predicción, que muestra los puntos medios de los diseños y dónde son mejores los valores bajos
- Examinar las correlaciones del mapa de colores, donde el valor de 0 significa que los factores son completamente independientes
- Examine la eficiencia D-, G- y A-, que compara su diseño con el mejor diseño D-, G- o A-Optimal, respectivamente
- Examinar la varianza de predicción para la fracción del gráfico de espacio de diseño, donde los valores bajos son mejores
- Con el mismo objetivo de diseñar un producto con menos grasa y una resistencia de hoja adecuada, cree un diseño factorial completo personalizado y modifíquelo para incluir términos cuadráticos utilizando la metodología de superficie de respuesta (RSM)
- Utilice 5 factores, incluya interacciones bidireccionales
- Comprender las opciones de factores de diseño personalizado (continuo, numérico discreto, categórico, de bloqueo, covariable, mixto, constante, no controlado)
- Desde la interfaz DOE, construya y evalúe un modelo basado en un diseño factorial completo personalizado
- Examine el patrón factorial completo, que resume los valores de cada factor y donde el signo menos (-) indica el factor con valor bajo y el signo más (+) indica valor alto.
- Examine el Resumen de ajuste para cada respuesta para ver si la media explica el resultado mejor que el modelo
- Elimine los términos que sean> .05, a menos que sea un efecto principal relacionado con un término de orden superior que sea significativo
- Asegurarse de que el Residual by Predict Plot sea aleatorio
- Asegurar que la probabilidad> F es < .05, lo que indica que el modelo predice mejor que la media
- Optimice los factores utilizando la función de deseabilidad del Prediction Profiler para intentar igualar los objetivos de grasa y resistencia de la hoja
- Guarde los valores de los intentos de optimización con la opción Maximizar y recordar
- Simule un modelo optimizado para tratar de encontrar más experimentos para ejecutar y ayudar a determinar la mejor configuración
- Utilice JMP Pro para comparar los diseños Full Factorial y OFAT y determinar Full Factorial en configuraciones optimizadas es el mejor experimento para ejecutar para producir los objetivos de grasa y hoja requeridos
Nota: Preguntas y respuestas se incluyen a veces 27:18 y 50:06.
31+ minGAMAIntermedioDominar JMPVídeo
