Interpretar los resultados clave para Optimizador de respuestas

Complete los siguientes pasos para interpretar Optimizador de respuestas. La salida clave incluye la gráfica de optimización, los valores ajustados y los intervalos de confianza.

Paso 1: Identificar el ajuste óptimo de cada predictor

Utilice la gráfica de optimización para determinar la configuración óptima de los predictores de acuerdo con los parámetros que usted especificó.

La gráfica de optimización muestra cómo las variables afectan las respuestas pronosticadas. La configuración de las variables se puede modificar directamente en la gráfica moviendo las barras verticales. La gráfica de optimización contiene lo siguiente:
  • Una columna para cada variable.
  • La deseabilidad compuesta, si se muestra, es la fila superior.
  • Después de la deseabilidad compuesta, una fila para cada variable de respuesta.
  • Celdas que muestran cómo la variable de respuesta o la deseabilidad compuesta correspondientes cambian en función de una de las variables, mientras las demás variables permanecen fijas.
  • Números en la parte superior de las columnas que muestran la configuración actual de las variables (en rojo), así como los valores de configuración altos y bajos de las variables en los datos.
  • Enlace Predecir en la parte superior de la gráfica que calcula la predicción correspondiente a la configuración actual de las variables.
  • A la izquierda de cada fila de respuesta, se encuentra lo siguiente: la respuesta pronosticada (y) con la configuración actual de las variables y la puntuación de deseabilidad individual.
  • En la fila superior y en la esquina superior izquierda, la deseabilidad compuesta (D).
  • Una etiqueta sobre la deseabilidad compuesta que se refiere a la configuración actual y cambia si usted modifica la configuración de las variables. Cuando usted crea la gráfica, la etiqueta es Óptima. Si cambia la configuración, la etiqueta cambia a Nuevo. Si encuentra una nueva configuración óptima, la etiqueta cambia a Óptima.
  • Líneas verticales rojas en la gráfica que representan la configuración actual.
  • Líneas horizontales azules que representan los valores de respuesta actuales.
  • Regiones grises que indican el lugar donde la respuesta correspondiente tiene una deseabilidad de cero.
El tipo de valores ajustados de respuesta que Minitab muestra depende del tipo de variable de respuesta del modelo. Minitab muestra los siguientes tipos de valores ajustados:
  • Medias de las variables de respuesta que contienen mediciones continuas, como longitud o peso.
  • Medias de las variables de respuesta que contienen conteos que siguen la distribución de Poisson, como el número de defectos por muestra.
  • Probabilidades de las variables de respuesta que solo contienen dos resultados posibles, como pasa/no pasa.
  • Desviaciones estándar de los modelos que se ajustan utilizando Analizar variabilidad.

La gráfica de optimización muestra los valores ajustados para la configuración de los predictores. Sin embargo, usted debería examinar los intervalos de predicción en la salida de la ventana Sesión para determinar si el rango de valores probables para un solo valor futuro se encuentra dentro de los límites aceptables del proceso.

Resultado clave: Gráfica de optimización

Para los datos sobre aislamiento, la deseabilidad compuesta es 0.775. La primera columna de la gráfica muestra los valores de respuesta en cada nivel de Material, que es una variable categórica. La configuración actual es Material = Fórmula2, PresIny = 98.4848, TempIny = 100.0 y TempEnfr = 45.0. La meta era maximizar Aislamiento. Su valor pronosticado es 25.6075 y su deseabilidad individual es 0.85386. La covariable, TempMedición, se incluye en el modelo como una variable de ruido no controlable y se fijó en 21.49. Otras observaciones son las siguientes:
  • Material: Los dos puntos para cada celda de esta columna representan los dos niveles de la variable categórica: Fórmula1 y Fórmula2. Fórmula2 parece ser el mejor material. Si se utiliza Fórmula1, el valor aislante se reduciría y la densidad aumentaría, siendo ambos resultados indeseables. Sin embargo, debido a que el tipo de material interactúa con otros factores, esta tendencia podría no mantenerse con otros valores de configuración. Considere si puede encontrar una solución local para Fórmula1. También puede cambiar la configuración de Fórmula1 directamente en la gráfica moviendo las barras verticales.
  • PresIny: Al aumentar la presión de inyección, también aumentan las tres respuestas. Por lo tanto, el valor de configuración óptimo se encuentra en la mitad del rango (98.4848), lo que representa un compromiso entre metas opuestas. La meta es maximizar el valor aislante, minimizar la densidad y maximizar la resistencia.
  • TempIny: Al aumentar la temperatura de inyección, también aumentan todas las respuestas. Sin embargo, el efecto sobre la densidad es mínimo en comparación con el efecto sobre el valor aislante. Por lo tanto, usted aumenta la deseabilidad compuesta maximizando la temperatura de inyección. Los valores de configuración óptimos de la temperatura de inyección se encuentran en sus niveles máximos en el experimento. Este resultado sugiere que se debería considerar la posibilidad de experimentar con temperaturas más elevadas.
  • TempEnfr: Al aumentar la temperatura de enfriamiento, aumenta el valor aislante, pero disminuye la densidad y la resistencia. Los valores de configuración óptimos para la temperatura de inyección y la temperatura de enfriamiento se encuentran en sus niveles máximos en el experimento. Este resultado sugiere que se debería considerar la posibilidad de experimentar con temperaturas más elevadas. Las gráficas muestran que sería recomendable considerar particularmente el uso de temperaturas de enfriamiento más altas. Si fuera posible extrapolar las gráficas, aumentar las temperaturas de enfriamiento mejoraría el valor aislante y la densidad. Sin embargo, la resistencia disminuiría.

Paso 2: Identificar la estimación de punto y el rango probable de cada respuesta

Utilice los valores ajustados para identificar la estimación de punto de cada variable de respuesta que se basa en la configuración que muestra la gráfica de optimización.

El tipo de valores ajustados de respuesta que Minitab muestra depende del tipo de variable de respuesta del modelo. Minitab muestra los siguientes tipos de valores ajustados:
  • Medias de las variables de respuesta que contienen mediciones continuas, como longitud o peso.
  • Medias de las variables de respuesta que contienen conteos que siguen la distribución de Poisson, como el número de defectos por muestra.
  • Probabilidades de las variables de respuesta que solo contienen dos resultados posibles, como pasa/no pasa.
  • Desviaciones estándar de los modelos que se ajustan utilizando Analizar variabilidad.
Utilice los intervalos de predicción (IP) para evaluar la precisión de las predicciones. Los intervalos de predicción ayudan a evaluar la importancia práctica de los resultados. Si un intervalo de predicción se extiende más allá de los límites aceptables, es posible que las predicciones no sean lo suficientemente precisas para sus requerimientos. En este caso, considere las opciones siguientes:
  • Ajuste la configuración de los predictores directamente en la Gráfica de optimización moviendo las barras verticales. A continuación, haga clic en el enlace Predecir de la Gráfica de optimización para determinar si la nueva solución es aceptable.
  • Realice estudios adicionales y considere aumentar el tamaño de la muestra para obtener predicciones más precisas.

El intervalo de predicción (IP) es un rango que es probable que contenga una respuesta futura individual para una combinación específica de valores de configuración de las variables. Si recolecta otro punto de los datos con la misma configuración de las variables, es probable que el nuevo punto de los datos se encuentre dentro del intervalo de predicción. Los intervalos de predicción más estrechos indican una predicción más precisa.

EE de Respuesta Ajuste ajuste IC de 95% IP de 95% Resistencia 32.34 1.04 ( 29.45, 35.22) ( 27.25, 37.43) Densidad 0.6826 0.0597 (0.5167, 0.8484) (0.3899, 0.9753) Aislamiento 25.608 0.268 (24.863, 26.352) (24.294, 26.921)
Resultados clave: Ajuste, IP

En estos resultados, la configuración de variables de entrada en la gráfica de optimización está asociada con las siguientes medias pronosticadas e intervalos de predicción:
  • La resistencia media es 32.34 y el rango de valores probables para un valor individual futuro va de 27.25 a 37.43.
  • La densidad media es 0.6826 y el rango de valores probables para un valor individual futuro va de 0.3899 a 0.9753.
  • El aislamiento medio es 25.608 y el rango de valores probables para un valor individual futuro va de 24.294 a 26.921.

Utilice su conocimiento del proceso para determinar si los intervalos de predicción están dentro de límites aceptables.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política