Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Diseño de experimentos (DOE)

Planificación de experimentos con recopilación sistemática de datos

La recolección de datos pasiva conduce a una serie de problemas en el modelado estadístico. Los cambios observados en una variable de respuesta pueden estar correlacionados con, pero no causados por, cambios observados en el individuo (variables de proceso).Factores Los cambios simultáneos en múltiples factores pueden producir interacciones que son difíciles de separar en efectos individuales. Las observaciones pueden ser dependientes, mientras que un modelo de los datos los considera independientes.

Los experimentos diseñados abordan estos problemas. En un experimento diseñado, el proceso de producción de datos se manipula activamente para mejorar la calidad de la información y eliminar los datos redundantes. Un objetivo común de todos los diseños experimentales es recopilar los datos lo más parsimoniosamente posible, al tiempo que proporciona suficiente información para estimar con precisión los parámetros del modelo.

Funciones

expandir todo

ff2nDiseño factorial completo de dos niveles
fullfactDiseño factorial completo
fracfactDiseño factorial fraccionado
fracfactgenGeneradores de diseño factorial fraccionado
bbdesignEl diseño de Box-Behnken
ccdesignDiseño central compuesto
candexch-diseño óptimo del conjunto de candidatos mediante intercambios de filasD
candgenGeneración de conjunto de candidatos
cordexchCoordinar el intercambio
daugment-aumento óptimoD
dcovary-diseño óptimo con covariables fijasD
rowexchEl intercambio de filas
rsmdemoDemostración interactiva de superficie de respuesta
lhsdesignMuestra de hipercubo latino
lhsnormMuestra de hipercubo latino de distribución normal
haltonsetHalton quasirandom Point set
qrandstreamConstruya un flujo de números casi aleatorios
sobolsetSobol quasirandom Point set
interactionplotGráfica de interacción para datos agrupados
maineffectsplotGráfico de efectos principales para datos agrupados
multivarichartGráfico multivari para datos agrupados
rsmdemoDemostración interactiva de superficie de respuesta
rstoolModelado de superficie de respuesta interactiva

Temas

Diseños factoriales completos

Diseños para todos los tratamientos

Diseños factoriales fraccionarios

Diseños para tratamientos seleccionados

Diseños de superficie de respuesta

Los modelos polinómicos cuadráticos

Mejore un ventilador de enfriamiento del motor utilizando el diseño para técnicas Six Sigma

Este ejemplo muestra cómo mejorar el rendimiento de un ventilador de enfriamiento del motor a través de un enfoque de diseño para Six Sigma utilizando definir, medir, analizar, mejorar y controlar (DMAIC).

D-diseños óptimos

Las estimaciones mínimas de parámetros de desviación