Recientemente, varios clientes me han preguntado cómo empezar diseño de experimentos si tienen conocimientos técnicos sobre el producto a construir, o los pasos a seguir del proceso, pero no información estadística previa. Quieren que el próximo experimento se planifique a fondo y que los datos se recopilen de una manera que permita un análisis sólido. Y esperan que este próximo experimento se convierta en la base de un desarrollo más sofisticado y resulte en una mejora significativa del negocio.
JMP hace que sea fácil para cualquier persona diseñar experimentos que permitan sacar conclusiones confiables con el menor número posible de ejecuciones. Mi ejemplo favorito es la construcción de un helicóptero de papel. Aquí está una forma sencilla de hacer uno .
Podemos usar JMP para ponerlo en el marco de nuestro experimento de inmediato. Para acceder al cuadro de diálogo, haga clic en el elemento de menú DOE y seleccione Diseño personalizado. En la primera área de diseño, especificamos las respuestas, es decir, las variables que observamos para calificar los resultados de nuestros experimentos. En este caso, hacemos doble clic en el campo de nombre de la primera fila y escribimos "Tiempo", ya que es (la única) variable de interés en este caso. Queremos maximizar el tiempo de vuelo, por lo que simplemente podemos aceptar el valor predeterminado. Para situaciones más complejas, podríamos agregar cualquier número de variables de destino y una combinación arbitraria de objetivos Maximizar, Minimizar o Cumplir objetivo. Además, las respuestas pueden ponderarse para reflejar su importancia relativa.
Como segundo paso, enumeramos todos los factores que queremos combinar en diferentes combinaciones para encontrar el resultado óptimo para nuestras variables objetivo. El experimento que diseñará JMP se define por diferentes combinaciones de niveles de factores. Lo único que necesitamos saber antes de agregar un factor es su tipo de datos, es decir, ¿es una variable continua o categórica? Ahora ingresamos todos nuestros factores uno por uno: comenzando con la categoría de papel, ya sea Regular o Bond (dos niveles); añadiendo el área de ala variable continua, que puede variar de 12 a 13; y así sucesivamente, hasta que todos los factores de conducción se ingresen como se ve en la Figura 1.
Aquí nuevamente, la cantidad de factores es ilimitada, y cualquier combinación de variables categóricas y continuas está permitida en JMP.
Cuando se ingresan los factores, encontramos el área del Modelo rellenada con un efecto llamado Intercepción y una lista de todos los factores que ingresamos. En este punto, debemos pensar en nuestros objetivos y en la información técnica o en el supuesto que podamos tener. ¿Queremos decisiones rápidas sobre cuál de los factores son influyentes en absoluto, y podemos ignorar a los demás para mejorar el proceso? Si es así, entonces aceptamos el modelo como es.
Por otro lado, ¿sabemos o esperamos que la relación entre un factor y la variable objetivo no sea lineal? ¿Sabemos o esperamos que los factores interactúen entre sí, ya sea de forma sinérgica o antagónica? Si es así, entonces necesitamos agregar los términos correspondientes al modelo. En el ejemplo, el Área Wing podría tener un impacto no lineal en el tiempo de vuelo. Por lo tanto, marcamos Área de Ala tanto en el modelo como en la lista de factores (ver Figura 2) y hacemos clic en el botón Cruz.
Ahora JMP muestra el número recomendado de ejecuciones, y podemos realizar el diseño (Figura 3). Este proceso involucra inicios aleatorios, por lo que construir el diseño varias veces con la misma configuración no conduce necesariamente a experimentos idénticos. Pero todos los diseños cumplen los mismos criterios de calidad.
Cuando se crea el diseño, aparece una nueva sección llamada Evaluación de diseño. Un subtítulo útil dentro de la Evaluación de Diseño es la Varianza Relativa de los Coeficientes. Nos ayuda a ver, qué tan probable es que el experimento descubra que un factor que es realmente significativo es significativo (es decir, el Poder). Es posible que desee ver valores superiores a 0,8 aquí, pero todo depende de la relación señal / ruido. Cuanto más alto sea, más pronto detectará las influencias de los factores. Si tiene esta información y no está satisfecho con la potencia calculada, puede volver (con el botón Atrás en la parte inferior de la ventana), aumentar el número personalizado de ejecuciones, generar el diseño y consultar nuevamente el cálculo de potencia . Puede repetir estos pasos hasta que obtenga la compensación correcta entre el número de ejecuciones y la potencia del experimento.
A continuación, seleccione Crear tabla y JMP genera una tabla de datos que contiene todos sus factores con los niveles en los que debe ejecutar cada experimento individual y una columna vacía para cada variable de respuesta. Todas las variables tienen metainformación que guarda sus especificaciones del diseño de prueba, y hay una secuencia de comandos que puede ejecutar cuando se realizan los experimentos y se recopilan los datos para evaluar los experimentos utilizando el modelo que especificó.
Este diseño experimental tiene el menor número de ejecuciones para la tarea dada. Se requería poca información técnica y no se debía calcular la experiencia estadística. Cuando les expliqué estos pasos a mis clientes, se sentían seguros de que podrían mejorar su forma de sacar conclusiones y tomar decisiones. Así que ahora es tu turno de aplicar el diseñador de clientes en JMP. ¿Cómo lo usarás?
