Micol Federica Tresoldi, investigadora sénior en estadística, Dow Chemical
Xinjie Tong, Estadístico de Investigación Sénior, Dow Chemical
Este estudio de caso investiga mezclas químicas para lograr propiedades óptimas utilizando datos de diseño de experimentos (DOE). El espacio de formulación consta de cuatro variables de entrada: tipo de sustancia química A, tipo de sustancia química B, tipo de sustancia química C y contenido de sustancia química D. Las dos primeras variables representan diferentes composiciones para fabricar el químico A y B, respectivamente, y como tales, se pueden codificar tanto como factores categóricos como variables de mezcla continua.
Creamos el DOE tratándolos como categóricos debido a las limitaciones experimentales. Sin embargo, en la etapa de análisis de datos, incluso después de considerar miles de formulaciones hipotéticas simuladas, se predijo que ninguna de ellas cumpliría con las propiedades deseadas. En ese momento, para poder identificar subregiones prometedoras, necesitábamos superar la discreción del espacio. Entonces, recodificamos esos dos factores como variables continuas y mixtas, derivamos el modelo de regresión equivalente y volvimos a ejecutar las simulaciones. De hecho, bajo ciertas suposiciones, esta estrategia de codificación permite interpolar y considerar las composiciones faltantes que no están presentes en el DOE original.
En esta presentación, demostramos cómo utilizar la función de simulación de perfilador de JMP Pro 16 con Graph Builder para lograr una exploración amplia y perspicaz del espacio de formulación aplicable a diversos campos.
