Diseño de experimentos (DOE, por sus siglas en inglés)
La recopilación de datos pasiva conlleva una serie de problemas en el modelado estadístico. Los cambios observados en una variable de respuesta pueden correlacionarse con los cambios observados en factores individuales (variables de procesos), pero no estar causados por estos. Los cambios simultáneos en varios de los factores pueden producir interacciones difíciles de separar en efectos individuales. Las observaciones pueden ser dependientes, aunque un modelo de los datos las considere independientes.
Los experimentos diseñados abordan estos problemas. En un experimento diseñado, el proceso de producción de datos se manipula de forma activa para mejorar la calidad de la información y eliminar los datos redundantes. Un objetivo común de todos los diseños experimentales es recopilar datos de la forma más parsimoniosa posible al tiempo que se aporta información suficiente para calcular con precisión los parámetros de los modelos.
Funciones
Temas
- Full Factorial Designs
Designs for all treatments
- Fractional Factorial Designs
Designs for selected treatments
- Response Surface Designs
Quadratic polynomial models
- Improve an Engine Cooling Fan Using Design for Six Sigma Techniques
This example shows how to improve the performance of an engine cooling fan through a Design for Six Sigma approach using Define, Measure, Analyze, Improve, and Control.
- D-Optimal Designs
Minimum variance parameter estimates