Hola,
He realizado varios diseños de experimentos (DOE), pero un desafío recurrente es la gran cantidad de ensayos necesarios. Por ejemplo, al utilizar un diseño de cribado con 7 ejecuciones experimentales, solemos analizar de 4 a 6 réplicas por ejecución para evaluar la reproducibilidad. Esto resulta en un total de 28 a 42 ensayos por DOE.
Sin embargo, tras realizar todas estas pruebas, el rendimiento del modelo suele ser insatisfactorio, con valores de R² entre 0,35 y 0,65. Además, debido a los amplios intervalos de confianza y a la inconsistencia en las estimaciones de los parámetros, nos resulta difícil identificar un modelo fiable o repetible. En muchos casos, incluso al recopilar datos Y en condiciones controladas en dos áreas diferentes de la misma prueba, el modelo carece de consistencia y no proporciona información concluyente.
Esto se está volviendo cada vez más frustrante. ¿Cómo podemos abordar este problema eficazmente y reducir el desperdicio de esfuerzos, a la vez que mejoramos la fiabilidad del modelo?
