La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Diseño de experimentos (DOE, por sus siglas en inglés)

Planificación de experimentos con recopilación de datos sistemática

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

expandir todo

Diseños factoriales completos

`ff2n`	Diseño factorial completo de dos niveles
`fullfact`	Diseño factorial completo

Diseños factoriales fraccionados

`fracfact`	Fractional factorial design
`fracfactgen`	Fractional factorial design generators

Diseños de superficie de respuesta

`bbdesign`	Box-Behnken design
`ccdesign`	Central composite design

Diseños D-óptimos

`candexch`	D-optimal design from candidate set using row exchanges
`candgen`	Candidate set generation
`cordexch`	Coordinate exchange
`daugment`	D-optimal augmentation
`dcovary`	D-optimal design with fixed covariates
`rowexch`	Row exchange
`rsmdemo`	Interactive response surface demonstration

Diseños de hipercubo latino

`lhsdesign`	Muestra de hipercubo latino
`lhsnorm`	Muestra de hipercubo latino de una distribución normal

Diseños cuasialeatorios

`haltonset`	Halton quasirandom point set
`qrandstream`	Quasirandom number stream
`sobolset`	Sobol quasirandom point set

Gráficas de DOE

`interactionplot`	Interaction plot for grouped data
`maineffectsplot`	Main effects plot for grouped data
`multivarichart`	Multivari chart for grouped data
`rsmdemo`	Interactive response surface demonstration
`rstool`	Interactive response surface modeling

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