Comprender las capacidades del DOE en JMP
Vea cómo:
- Comprender la secuencia de capacidades básicas del DOE (configurar el diseño, guardar/cargar factores y respuestas, simular respuestas, seleccionar criterios D- A- I o Alias-Optimal, identificar el número de inicios, agregar términos de interacción, modificar el número de procesos recomendados por JMP). ejecuta, ejecuta el diseño, crea la tabla de diseño)
- Comprender los tipos de diseño básicos (clásico, mixto, óptimo, cribado sobresaturado, cribado definitivo, factorial fraccional, aumentado, matrices de cobertura, relleno de espacios, bloque incompleto de equilibrio (BIBD)
- Comprender el valor agregado del uso de opciones de diseño experimental del JMP sobre enfoques de un factor a la vez (OFAT)
- Comprender la terminología básica (aleatorización, replicación, ortogonalidad, interacciones, bloqueo)
- Construya un diseño y modelo factorial completo clásico para análisis confirmatorio
- El objetivo: diseñar el producto para que tenga menos grasa y mantenga una resistencia adecuada de la lámina.
- Cree un diseño factorial completo con dos niveles, sin puntos centrales ni réplicas
- Construya el modelo usando la interfaz JMP DOE
- Evaluar el diseño factorial completo clásico.
- Determinar si el número de ejecuciones y factores son suficientes.
- Examine la potencia, 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 cuando ejecute el experimento y construya el modelo es alta.
- Examine el perfil de variación 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.
- Examine la varianza de predicción para la fracción del espacio de diseño, donde los valores bajos son mejores
- Con el mismo objetivo de diseñar un producto con menor contenido de grasa y resistencia laminar 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 un factor con valor bajo y el signo más (+) indica un valor alto.
- Examine el Resumen de ajuste de 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.
- Asegúrese de que el gráfico residual mediante predicción sea aleatorio
- Asegurar probabilidad>F es < .05, lo que indica que el modelo predice mejor que la media
- Optimice los factores utilizando la función de deseabilidad del Perfilador de predicción para intentar igualar los objetivos de resistencia de la grasa y la lámina.
- Guarde los valores de los intentos de optimización utilizando la opción Maximizar y Recordar
- Simule el modelo optimizado para intentar encontrar más experimentos para ejecutar y ayudar a determinar la mejor configuración.
- Utilice JMP Pro para comparar diseños factoriales completos y OFAT y determinar que el factorial completo en configuraciones optimizadas es el mejor experimento para ejecutar para obtener los objetivos de grasa y hojas requeridos.
Nota: A veces se incluyen preguntas y respuestas27:18 y 50:06.
Diseño de experimentos
