Desirability individual e composta avaliam em que medida uma combinação de variáveis satisfaz as metas definidas para as respostas. A desirability individual (d) avalia como as definições otimizam uma resposta única; a desirability composta (D) avalia como as definições otimizam um conjunto global de respostas. A desirability abrange uma amplitude de zero a um. O valor 1 representa o caso ideal; zero indica que uma ou mais respostas estão fora dos seus limites aceitáveis.
Por exemplo, um engenheiro químico deseja maximizar o rendimento de uma reação química analisando três variáveis: tempo de reação, temperatura e tipo de catalisador. Ao mesmo tempo, ele deseja minimizar os custos, que também são afetados pelas três variáveis. Usando o Otimizador de Resposta, o engenheiro define metas-alvo para rendimento e custo. O Minitab calcula as configurações ideais para as variáveis, juntamente com os valores de desirability para identificar como essas configurações alcançam as metas de resposta.
Aqui, a desirability composta (0,245) está próxima de 1, indicando que as definições parecem alcançar resultados favoráveis para todas as respostas como um todo. No entanto, a desirability individual indica que as definições são mais eficazes na maximização do rendimento (0,98077) do que a minimização de custos (0,87136). Se minimizar o custo for mais importante, o engenheiro pode querer ajustar as definições usando um gráfico de otimização a fim de alcançar uma desirability individual maior para custos e desirability individual menor para rendimento.
O Otimizador de Resposta do Minitab calcula a desirability individual usando uma função desirability (também conhecida como função de transferência de utilitário). Selecione um peso (de 0,1 a 10) para determinar o quanto a obtenção do valor alvo deve ser enfatizada. A desirability composta é a média geométrica ponderada das desirabilities individuais para as respostas. O Minitab determina as definições ideais para as variáveis por meio da maximização da desirability composta.
Exemplos de como combinações de parâmetros criam funções de desirability
Os gráficos a seguir mostram como a combinação de parâmetros para respostas de dados de sabor de fondue e valor criam a função desirability.
| Meta | Inferior | Alvo | Superior | Peso | Importar |
|---|---|---|---|---|---|
| Máximo | 60 | 100 | 100 | 1 | 2 |
| Meta | Inferior | Alvo | Superior | Peso | Importar |
|---|---|---|---|---|---|
| Máximo | 0,5 | 1 | 1,5 | 1 | 1 |
