Philip Ramsey, PhD, Proprietario, North Haven Group
Maria Weese, PhD, Professore associato di analisi, Farmer School of Business, Miami University
Douglas Montgomery, PhD, professore reggente di ingegneria industriale e statistica, Arizona State University
Jones e Nachtsheim (2011) hanno introdotto un nuovo tipo di progettazione sperimentale altamente efficiente denominato progetti di screening definitivi (DSD). L'elevata efficienza dei progetti, unita alla capacità di stimare interazioni bidirezionali ed effetti quadratici, rende i progetti una scelta interessante per gli sperimentatori. Sebbene i DSD stiano diventando popolari nell'industria, specialmente in biotecnologia, fino ad oggi è stato svolto molto poco lavoro sui migliori approcci all'analisi di questi progetti. In questa presentazione discuteremo i risultati di uno studio di simulazione completo per valutare diversi possibili approcci all'analisi dei risultati degli esperimenti DSD. Gli scenari di simulazione variano il numero di fattori sperimentali e il numero di effetti attivi: interazione principale, quadratica e bidirezionale. La simulazione si concentra su tre possibili strategie di selezione del modello (AIC o BIC vengono utilizzati come criteri di selezione): 1. selezione in avanti; 2. selettore Dantzig; e 3. regressione di tutti i sottoinsiemi. Le tecniche saranno messe a confronto e confrontate in termini di potenza (definita come capacità di identificare correttamente i veri fattori attivi) per rilevare effetti attivi, nonché il numero di volte in cui gli effetti inattivi vengono identificati come attivi (errori di tipo I) e capacità predittiva. Inoltre, verrà discusso un caso di studio di chimica analitica (glicoprofiling) utilizzando JMP Pro in cui un DSD è stato eseguito in parallelo con un CCD. La discussione si concentrerà su quanto bene i due design concordano in termini di effetti attivi e fornirà raccomandazioni per l'analisi di questi design. Sarà inoltre fornita una discussione sull'ottimizzazione utilizzando JMP Pro con un DSD.
