En JMP queremos cambiar la opinión de la gente sobre cómo se deben realizar los experimentos. Al igual que la canción de Tears for Fears, Sowing the Seeds of Love , nos esforzamos por sembrar las semillas del amor para la experimentación a través de nuestro software.
Al aprender a realizar experimentos de manera más eficiente, la popularidad del DOE continúa creciendo entre las industrias que utilizan JMP. Sus funciones integradas hacen posible (y fácil) el DOE, creando una ola cada vez mayor de nuevos entusiastas del DOE. Como explican @Phil_Kay y Weronika Wrazen (ganadora del Let It Grow: The Garden Cress Challenge 2022) en su vídeo de presentación , JMP está sembrando las semillas del amor por el diseño de experimentos.
Aspectos destacados de la presentación en vídeo
Para que el concepto de DOE sea más digerible y más fácil de enseñar a futuros usuarios, se creó un experimento sencillo para familiarizarnos con el concepto. El objetivo de la prueba es maximizar el crecimiento de las semillas de berro.
Ten esto en cuenta para más adelante: toma nota del objetivo del experimento que se creó. ¿Por qué alguien querría medir una respuesta particular? ¿Qué podría ocurrir si los resultados de un experimento no se consideran en su totalidad? El primer paso para ensuciarnos las manos con el DOE debería ser definir su objetivo.
Después de realizar el experimento durante una semana, Phil y sus hijas pudieron poner sus resultados en el software JMP y realizar algunos análisis simples con las herramientas que proporciona el software. ¡Pudieron concluir que las plantas cultivadas en condiciones más oscuras eran más altas después de siete días!
Lamentablemente para Weronika, su primer ensayo confirmó su propia creencia de que no tenía buenas habilidades para la jardinería: ¡el experimento fracasó!
Concluyó que había demasiadas semillas en cada una de las cajas, las cajas de huevos que albergaban las plantas se desintegraron y la tierra migró a cajas que se suponía eran exclusivamente de algodón. En su segunda prueba, utilizó tazas de plástico para expreso para mantener las semillas separadas.
Weronika pudo concluir que la luz era el factor más importante para aumentar la altura, las plantas que estaban en la oscuridad podían crecer más y la tierra del jardín también producía plantas más altas. Aunque el berro que crecía en la oscuridad era más alto, claramente no era saludable y era frágil. Por el contrario, los berros cultivados bajo la luz del sol tenían hojas verdes grandes y saludables. El crecimiento de las plantas en la oscuridad pareció estancarse en los últimos días del experimento.
Profundice en estas consideraciones sobre el DOE
Si bien es importante considerar las cifras estadísticas al realizar experimentos, no se deben ignorar los resultados físicos que no se pueden ver a través de los datos. Tras una mayor exploración, es obvio que las raíces de las plantas cultivadas a la luz son mucho más largas. Si el objetivo principal fuera maximizar la altura, en lugar de obtener la planta "más saludable" (sin siquiera entrar en cómo tendrías que cuantificar y definir "saludable"), entonces dejarías las semillas en la oscuridad. Al diseñar experimentos, es importante considerar todas las variables de confusión que podrían estar en juego en sus ensayos y considerar los riesgos de su objetivo.
Aquí hay algo que quiero que todos consideremos: ¿sería la altura de la planta la mejor variable para maximizar si intentáramos cultivar buenas plantas? Al pensar en el objetivo de sus experimentos al utilizar JMP, debe considerar los riesgos de su objetivo. Claro, las plantas en este experimento eran altas, pero ¿a qué costo? Todas las variables de confusión deben analizarse y considerarse al realizar los ensayos.
Para ensuciarse realmente las manos al diseñar experimentos, no piense sólo en lo que desea maximizar, minimizar u obtener. Piensa también en las variables (dentro y fuera de las estadísticas) que deben cambiar para alcanzar tu objetivo. Por ejemplo, las instalaciones de fabricación no deberían trabajar a su máxima capacidad sin tener en cuenta a sus trabajadores. Cuando llegue a una conclusión en sus experimentos, profundice más de lo que le dicen los números.
Al final de la presentación, Weronika concluye con este aliento: nunca te rindas después de tu primera prueba. Siempre hay algo que aprender de un experimento fallido. Al trabajar con el diseño de experimentos, puede optimizar cualquier proceso y aprender a un ritmo más rápido y eficiente.
Asegúrate de ver el vídeo original . Espero que puedas compartir algunas nuevas consideraciones e inspiraciones. ¡Feliz diseño!
