El DOE (diseño compuesto central) original respaldaba el ajuste de un modelo complejo (predictor lineal) con efectos de primer orden, segundo orden e interacción. (Tenga en cuenta que hay otros métodos de diseño que dan como resultado otros diseños que también admitirían este modelo). Usar solo el confirmatorio para ajustar el mismo modelo puede plantear problemas de regresión. Las ejecuciones de confirmación no son necesariamente suficientes para respaldar el ajuste adecuado de un modelo de este tipo o en absoluto.
¿Puede compartir los dos conjuntos de datos como tablas JMP? ¿Se pueden anonimizar los datos?
Hola,
Necesito su apoyo para la siguiente pregunta.
Por una cuestión de tiempo, hemos realizado un diseño compuesto central (2 factores, 5 niveles, 2 respuestas, una para maximizar y otra para mantener por debajo del límite superior, 40 corridas) utilizando un modelo de laboratorio (modelo 1) para identificar nuestros factores. rangos.
Mientras tanto, un modelo de laboratorio calificado (modelo 2) estaba listo para realizar ejecuciones adicionales, por lo que realizamos ejecuciones de confirmación para esos rangos propuestos (9-10 ejecuciones) utilizando el modelo 1 en lugar del modelo 2. Identificamos una compensación entre los 2 modelos y el modelo 2 presenta una mejor producción.
¿Podríamos usar las 9-10 carreras que tenemos con el modelo 2? para un análisis de DoE por separado (¿principalmente hacer algunos experimentos de simulación para predecir la falla en los bordes?) Sin embargo, en lugar de realizar corridas en el centro de cada rango, las “corridas de punto de ajuste” deben estar sesgadas hacia la región inferior izquierda de los rangos de factores. ¿Puede JMP adaptarse a esto y darnos (por ejemplo) predicciones para las tasas de falla en cada esquina de los rangos utilizando el modelo 2?
¡Muchas gracias por su ayuda!
Mejor,
I
