Especifique os métodos para Selecionar um experimento ótimo

  • Estat > DOE (Planejamento de Experimento) > Fatorial > Seleção de Experimento Ótimo > Métodos
  • Estat > DOE (Planejamento de Experimento) > Superfície de Resposta > Seleção de Experimento Ótimo > Métodos
  • Estat > DOE (Planejamento de Experimento) > Mistura > Seleção de Experimento Ótimo > Métodos
Ao selecionar ou ampliar/melhorar um experimento D-ótimo, é possível especificar como gerar o experimento inicial e como procurar melhorias no experimento inicial. Normalmente, você altera os métodos para afetar a rapidez com que o Minitab encontra um experimento ótimo. No entanto, outras considerações também afetam o tempo que o Minitab precisa para encontrar uma solução. Por exemplo, quanto mais termos há no modelo, mais tempo o processo leva para encontrar um experimento ótimo.
Experimento inicial
Gerado pela otimização sequencial
Especifique que o Minitab seleciona todos os pontos em sequência.
Normalmente, gerar todos os pontos do experimento por otimização sequencial tende mais a produzir um experimento ótimo que tem critério D-ótimo relativamente alto. Um experimento inicial com critério D-ótimo relativamente alto geralmente leva a um menor número de etapas de pesquisa para melhorar o experimento inicial.
Percentagem de pontos do experimento a serem selecionados aleatoriamente
Especifique que o Minitab seleciona alguns dos pontos do experimento de forma aleatória. Quanto mais pontos no experimento o Minitab escolhe aleatoriamente, mais rápido o Minitab produz um experimento inicial. No entanto, mais pontos de experimento aleatórios também aumentam a probabilidade de que os pontos formem uma matriz de classificação deficiente. Matrizes de classificação deficientes tendem mais a ser o número de pontos de experimento a ser selecionado que se aproxima do número mínimo de pontos que são necessários para se ajustar aos termos.
  • Número de ensaios aleatórios: Especifique quantos experimento iniciais devem ser produzidos. Quanto maior o número, maior a probabilidade de que o experimento ótimo tenha um critério D-ótimo relativamente alto. Quanto menor o número, mais rápido o Minitab produz um experimento inicial.
  • Base para o gerador de dados aleatórios: Especifique uma base para o gerador de dados aleatórios de modo que seja possível obter o mesmo experimento ótimo se você selecionar um experimento ótimo a partir do mesmo conjunto de pontos candidatos novamente. Quando é inserida a mesma base, o Minitab seleciona os mesmos pontos aleatórios, caso a ordem da worksheet permaneça a mesma.
Pesquisar Procedimento para Melhorar o Experimento Inicial
Trocar o método com números de pontos de troca
Geralmente, o método de troca encontra uma solução mais rapidamente do que o método de Fedorov, porque o método de troca considera menos experimentos possíveis
Quanto maior o número de pontos de troca, mais rápido o método produz uma solução. O Minitab adiciona os melhores pontos do conjunto candidato, em seguida, derruba os piores pontos até que o critério de D-ótimo do experimento não possa ser mais melhorado.
Método de Fedorov
Como o método de Fedorov considera mais experimentos possíveis do que o método de troca, o método de Fedorov apresenta mais probabilidade de encontrar um experimento mais D-ótimo.
O Minitab acrescenta um ponto a partir do conjunto candidato e derruba outro ponto de forma que a alternância resulte na melhoria máxima em termos de critérios de D-ótimo. Este processo continua até que o experimento não possa mais ser melhorado.
Nenhum
Use o experimento inicial. Este método apresenta menos probabilidade de encontrar o experimento mais D-ótimo, mas é o mais rápido para ser concluído.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política