Hola comunidad de JMP,
Tengo un diseño de experimentos (DOE) de 48 iteraciones con 3 factores continuos, cada uno con 3 niveles, y 1 factor categórico, llamémoslo material, con 2 niveles. Me interesa maximizar mi respuesta, llamémosla rendimiento, tanto para el material 1 como para el material 2. No solo tengo razones de peso para creer que los dos materiales producirán rendimientos diferentes, sino que sus superficies de respuesta también serán diferentes. Por lo tanto, diseño un modelo con todos los términos de la superficie de respuesta y sus interacciones con el material; 20 términos con la intersección.
Mi objetivo es encontrar simultáneamente la configuración óptima para ambos materiales y decidir cuál usar. Lo más lógico es fijar el material en cada nivel y maximizar su atractivo, obteniendo así la configuración óptima para ambos. Después, puedo comparar estas predicciones.
Busco orientación sobre cómo evaluar formalmente la diferencia entre los materiales, idealmente con intervalos de confianza. ¿Debería usar una prueba personalizada para esto? ¿Debería comparar las predicciones agregadas en los dos óptimos?
Un ejemplo de las preguntas que intento responder es: "¿El material 1 es un 15 % mejor que el material 2?". Mi idea era estimar un intervalo de confianza para la diferencia entre los óptimos previstos y comprobar si dicho intervalo incluía mis criterios de aceptación. Sé que existen varias maneras de abordar este problema: comparando el rendimiento máximo previsto o el rendimiento promedio dentro de un rango específico de mis factores. Agradecería cualquier otra sugerencia que tengan al respecto.
-Robert
Podrías usar comparaciones múltiples con estimaciones definidas por el usuario. Simplemente define las estimaciones en las condiciones óptimas para cada material.
MathStatChem_0-1789494690761.png
