Interpretar os principais resultados para Otimizador de resposta

Conclua as etapas a seguir para interpretar Otimizador de resposta. Os principais resultados incluem o gráfico de otimização, os valores ajustados e os intervalos de confiança.

Neste tópico

Passo 1: Identifique a configuração ideal de cada preditor
Passo 2: Identifique a estimativa pontual e o intervalo provável de cada resposta

Passo 1: Identifique a configuração ideal de cada preditor

Use o gráfico de otimização para determinar as configurações ideais para os preditores, dado os parâmetros que você especificou. Você pode modificar as definições de variáveis diretamente na trama, movendo as barras vermelhas verticais. A maneira como você interage com o gráfico de otimização depende do menu para a construção do modelo.

Estat: Clique duas vezes no gráfico de otimização para torná-lo interativo.
Módulo de análise preditiva: O enredo é sempre interativo.

O gráfico de otimização exibe os valores ajustados para as definições de predição. Para um modelo de regressão linear, examine os intervalos de previsão na saída para determinar se o intervalo de valores prováveis para um único valor futuro está dentro dos limites aceitáveis para o processo.

Principal resultado: Gráfico de otimização

Para o isolamento de dados, a desirability composta é 0,7750. A primeira coluna do gráfico mostra os valores de resposta em cada nível de Material, o que é uma variável categórica. Os ajustes variáveis atuais são Material = Formula2, InjPress = 98,4848, InjTemp = 100,0 e CoolTemp = 45,0. O objetivo era maximizar o Isolamento. Seu valor previsto é 25,6075, e sua desirability individual é 0,85386. A covariável, MeasTemp, está incluída no modelo como uma variável de ruído incontrolável e é realizada em 21,49. Outras observações são como a seguir:

Material: Os dois pontos para cada célula nesta coluna representam os dois níveis da variável categórica: Formula1 e Formula2. Formula2 parece ser o melhor material. Mudar para Formula1 iria diminuir o valor isolante e aumentar a densidade, o que são duas coisas indesejáveis. No entanto, como o tipo de material interage com outros fatores, esta tendência não pode ser mantida em outras definições. Pense na possibilidade de encontrar uma solução local para Formula1. Ou altere as definições de Formula1 diretamente no gráfico, movendo as barras verticais.

InjPress: Aumentar a pressão de injeção aumenta todas as três respostas. Portanto, a definição ótima está no meio da faixa (98,4848), que é um compromisso entre as metas conflitantes. O objetivo é maximizar o valor isolante, minimizar a densidade e maximizar a resistência.

InjTemp: O aumento da temperatura de injeção também aumenta todas as respostas. Mas o efeito sobre a densidade é mínimo em comparação com o efeito sobre o valor isolante. Portanto, você aumenta a desirability composta por meio da maximização da temperatura de injeção. As definições ideais de temperatura de injeção estão nos níveis máximos no experimento. Este resultado sugere que você deve considerar a realização de experimentos com temperaturas mais altas.

Temperatura fria: O aumento da temperatura de resfriamento aumenta o valor isolante, mas diminui a densidade e a resistência. As definições ideais de temperatura de injeção e temperatura de resfriamento estão nos níveis máximos no experimento. Este resultado sugere que você deve considerar a realização de experimentos com temperaturas mais altas. Os gráficos mostram que pode ser importante considerar com atenção as temperaturas de resfriamento mais elevadas. Se os gráficos pudessem ser extrapolados, as temperaturas de resfriamento mais elevadas melhorariam o valor isolante e densidade. No entanto, a resistência diminuiria.

Passo 2: Identifique a estimativa pontual e o intervalo provável de cada resposta

Use os valores de ajuste para identificar a estimativa pontual de cada variável de resposta para as configurações no gráfico de otimização.

A análise calcula os intervalos de previsão para modelos no Estat menu e modelos a partir Régression linéaire do Módulo de análise preditiva. O intervalo de predição (PI) é um intervalo que provavelmente contém um único valor de resposta futuro para uma combinação especificada de configurações de variável. Se você coletar outro ponto de dados com as mesmas configurações, é provável que o novo ponto de dados esteja dentro do intervalo de previsão. Intervalos de predição mais estreitos indicam uma previsão mais precisa

Os intervalos de predição ajudam a avaliar a significância prática de seus resultados. Se um intervalo de predição se estende para fora dos limites aceitáveis, as predições podem não ser suficientemente precisas para suas necessidades. Nesse caso, considere as seguintes opções:

Procure por configurações que forneçam precisão adequada no gráfico de otimização.
Realize pesquisas adicionais e considere aumentar o tamanho da amostra para obter previsões mais precisas.

A maneira como você interage com o gráfico de otimização depende do menu para a construção do modelo.

Estat: Clique duas vezes no gráfico de otimização para torná-lo interativo.
Módulo de análise preditiva: O enredo é sempre interativo.

Para procurar melhores configurações no gráfico de otimização, ajuste as configurações do preditor diretamente no Gráfico de otimização movendo as barras verticais vermelhas. Para um gráfico de otimização para um Régression linéaire, selecione o Predição botão na barra de ferramentas para gerar novos intervalos de previsão para determinar se a nova solução é aceitável.

Predição de Múltiplas Respostas

Variável	Configuração
Material	Fórmula 2
PressInj	98,4848
TempInj	100
TempFria	45
TempMed	21,4875

Resposta	Ajuste	EP do Ajustado	IC de 95%	IP de 95%
Resistência	32,34	1,04	(29,45; 35,22)	(27,25; 37,43)
Densidade	0,6826	0,0597	(0,5167; 0,8484)	(0,3899; 0,9753)
Isolamento	25,608	0,268	(24,863; 26,352)	(24,294; 26,921)

Principais resultados: Ajuste, PI

Nestes resultados, as definições de variáveis de entrada no gráfico de otimização estão associados com as seguintes médias previstas e intervalos de predição:

A resistência média é de 32,34 e a taxa de valores possíveis para um único valor futuro é de 27,25 a 37,43.
A densidade média é de 0,6826 e a taxa de valores possíveis para um único valor futuro é de 0,3899 a 0,9753.
O isolamento médio é 25,608 e a taxa de valores possíveis para um único valor futuro é de 24,294 a 26,921.