CIAO,
Ho condotto diversi Design of Experiments (DOE), ma una sfida ricorrente è l'elevato numero di prove richieste. Ad esempio, quando si utilizza un disegno di screening con 7 sessioni sperimentali, in genere testiamo da 4 a 6 repliche per sessione per valutarne la riproducibilità. Questo si traduce in un totale di 28-42 prove per DOE.
Tuttavia, dopo aver eseguito tutte queste prove, le prestazioni del modello risultano spesso insoddisfacenti, con valori di R² compresi tra 0,35 e 0,65. Inoltre, a causa di ampi intervalli di confidenza e stime parametriche incoerenti, facciamo fatica a identificare un modello affidabile o ripetibile. In molti casi, anche quando i dati Y vengono raccolti in condizioni controllate in due aree diverse dello stesso test, il modello manca di coerenza e non riesce a fornire informazioni conclusive.
Questa situazione sta diventando sempre più frustrante. Come possiamo affrontare efficacemente questo problema e ridurre gli sprechi di risorse, migliorando al contempo l'affidabilità del modello?
