La plataforma de Diseño Personalizado de JMP permite a los experimentadores crear diseños a medida para sus necesidades experimentales específicas mediante la construcción de diseños óptimos. El diseñador personalizado genera diseños óptimos buscando maximizar uno de varios criterios de optimización utilizando el algoritmo de intercambio de coordenadas. Este algoritmo construye un diseño inicial seleccionando valores aleatorios dentro de la región de diseño especificada para cada factor y ejecución. El diseño resultante es óptimo solo localmente, y el algoritmo de intercambio de coordenadas se repite muchas veces para aumentar la probabilidad de encontrar un diseño óptimo global. El Diseño Personalizado proporciona el diseño que maximiza el criterio de optimización entre todos los diseños construidos.
Los criterios de optimalidad incluyen:
- Optimalidad D
- Optimalidad I
- Optimalidad A
- Optimalidad de alias
Los criterios de optimización se pueden especificar debajo del triángulo rojo en Diseño personalizado.
Los criterios de optimización recomendados (por defecto) son:
| Modelo especificado en el diseño personalizado |
Criterio de optimalidad por defecto |
| Modelo cuadrático completo usando el botón RSM |
Optimalidad I |
| Modelos con interacciones de dos factores añadidos mediante el botón de interacciones |
Optimalidad A |
| En todos los otros casos |
Optimalidad D |
El objetivo del diseño justifica tanto los criterios de optimización predeterminados utilizados como las circunstancias en las que se debería cambiar el criterio de optimización predeterminado por otros criterios de optimización, como el criterio alias-óptimo.
Desde una perspectiva general, los diseños experimentales tienen dos objetivos: identificar efectos activos (cribado) y optimizar la respuesta (predicción). Los modelos de primer orden (modelos de efectos principales) se utilizan para identificar efectos activos en los diseños de cribado. El enfoque D-óptimo se centra en minimizar el error de los coeficientes, por lo que resulta idóneo para identificar efectos activos.
Los modelos de segundo orden (efectos principales más funciones cuadráticas e interacciones bidireccionales) se utilizan para optimizar los parámetros operativos del proceso, y la predicción de la respuesta tiene prioridad sobre la estimación exacta de los parámetros. El criterio I-óptimo aborda la varianza de la predicción, por lo que es el criterio de optimización recomendado (por defecto) para los modelos de segundo orden que utilizan el botón RSM al definir el modelo en Diseño personalizado.
| Criterio de optimalidad |
Objetivo del diseño experimental |
Objetivo práctico |
| I-óptimo |
Minimizar la varianza de predicción |
Predicciones precisas |
| D-óptimo |
Minimizar el error de los coeficientes |
Comprender las relaciones entre factores |
| A-óptimo |
Ponderación de diferentes partes del modelo |
Comprender las relaciones entre factores, centrándose en factores de interés específicos. |
| Optimalidad de alias |
Eliminación de correlaciones del efecto principal (EM) con la interacción de dos factores (2FI). |
Comprender las relaciones entre factores donde los ME no están sesgados por posibles 2-FI activos grandes. |
Ejemplo de cómo especificar e identificar los criterios de optimización en el diseño personalizado:
