Philip Ramsey, PhD, propietario de North Haven Group
Maria Weese, PhD, Profesora Adjunta de Análisis, Farmer School of Business, Universidad de Miami
Douglas Montgomery, PhD, Profesor Regente de Ingeniería Industrial y Estadística, Universidad Estatal de Arizona
Jones y Nachtsheim (2011) introdujeron un nuevo tipo de diseño experimental altamente eficiente denominado diseños de cribado definitivos (DSD). La alta eficiencia de los diseños, junto con la capacidad de estimar interacciones bidireccionales y efectos cuadráticos, los convierten en una opción atractiva para los experimentadores. Aunque los DSD se están popularizando en la industria, especialmente en biotecnología, hasta la fecha se ha trabajado muy poco en los mejores enfoques para el análisis de estos diseños. En esta charla, discutiremos los resultados de un estudio de simulación exhaustivo para evaluar varios enfoques posibles para el análisis de los resultados de los experimentos DSD. Los escenarios de simulación varían el número de factores experimentales y el número de efectos activos: interacción principal, cuadrática y bidireccional. La simulación se centra en tres posibles estrategias de selección de modelos (se utiliza AIC o BIC como criterio de selección): 1. selección hacia adelante; 2. selector de Dantzig; y 3. regresión de todos los subconjuntos. Se contrastarán y compararán las técnicas en términos de su potencia (definida como la capacidad de identificar correctamente los verdaderos factores activos) para detectar efectos activos, así como el número de veces que los efectos inactivos se identifican como activos (errores de Tipo I) y su capacidad predictiva. Además, se analizará un caso práctico de química analítica (glicoperfilado) con JMP Pro, donde se ejecutó un DSD en paralelo con un CCD. El análisis se centrará en la concordancia de ambos diseños en cuanto a los efectos activos y se ofrecerán recomendaciones para el análisis de estos diseños. También se presentará un análisis de la optimización utilizando JMP Pro con un DSD.
