Especificar los métodos para Seleccionar un diseño óptimo

  • Estadísticas > DOE > Factorial > Seleccionar diseño óptimo > Métodos
  • Estadísticas > DOE > Superficie de respuesta > Seleccionar diseño óptimo > Métodos
  • Estadísticas > DOE > Mezcla > Seleccionar diseño óptimo > Métodos
Cuando usted selecciona o amplia/mejora un diseño D-óptimo, puede especificar cómo generar el diseño inicial y cómo buscar mejoras para el diseño inicial. Generalmente, cambia los métodos para afectar qué tan rápidamente Minitab encuentra un diseño óptimo. Sin embargo, otras consideraciones también afectan cuánto tiempo necesita Minitab para hallar una solución. Por ejemplo, mientras más términos haya en el modelo, más largo será el proceso para encontrar un diseño óptimo.
Diseño inicial
Generado por optimización secuencial
Especifique que Minitab seleccione todos los puntos de forma secuencial.
Usualmente, generar todos los puntos de diseño mediante optimización secuencial tiene más probabilidad de producir un diseño óptimo que mediante una D-optimalidad relativamente alta. Un diseño inicial con una D-optimalidad relativamente alta generalmente conduce a un número menor de pasos de búsqueda para mejorar el diseño inicial.
Porcentaje de puntos de diseño que se seleccionará de forma aleatoria
Especificar que Minitab seleccione algunos de los puntos de diseño aleatoriamente. Mientras más puntos elija Minitab aleatoriamente, más rápido produce Minitab un diseño inicial. Sin embargo, más puntos de diseño aleatorios también aumentan la probabilidad de que los puntos formen una matriz de rango deficiente. Las matrices de rango deficiente son más probables a medida que el número de puntos de diseño que se seleccionarán se acerca al número mínimo de puntos que son necesarios para ajustar los términos.
  • Número de ensayos aleatorios: Especificar cuántos diseños iniciales producir. Mientras más alto sea el número, más probabilidad habrá de que el diseño óptimo tenga una D-optimalidad relativamente alta. Mientras más bajo sea el número, más rápido produce Minitab un diseño inicial.
  • Base para el generador de datos aleatorios: Especificar una base para el generador de datos aleatorios, de forma que usted pueda obtener el mismo diseño óptimo si selecciona un diseño óptimo del mismo conjunto de puntos candidatos otra vez. Cuando ingresa la misma base, Minitab selecciona los mismos puntos aleatorios si el orden de la hoja de trabajo se mantiene igual.
Procedimiento de búsqueda para mejorar el diseño inicial
Método de intercambio con número de puntos de intercambio
Usualmente, el método de intercambio halla una solución más rápidamente que el método de Fedorov debido a que el método de intercambio considera menos diseños posibles
Mientras más alto sea el número de puntos de intercambio, más rápidamente produce el método una solución. Minitab agrega los mejores puntos del conjunto candidato y luego elimina los peores puntos hasta que la D-optimalidad del diseño no se pueda mejorar más.
Método de Fedorov
Puesto que el método de Fedorov considera más diseños posibles que el método de intercambio, el método de Fedorov tiene más probabilidad de hallar un diseño más D-óptimo.
Minitab agrega un punto del conjunto candidato y elimina otro punto para que el cambio produzca la mejora máxima de la D-optimalidad. Este proceso continúa hasta que el diseño no se puede mejorar más.
Ninguno
Utilice el diseño inicial. Este método tiene menos probabilidad de hallar el diseño más D-óptimo, pero es el que se realiza más rápido.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política