He encontrado el punto donde el modelo secundario predice el mayor rendimiento. Aunque el software haya mostrado las condiciones hasta la última cifra decimal, ese punto sigue siendo solo un candidato propuesto por el modelo y la función objetivo.
La pregunta de esta sección es una sola.
¿Es el punto óptimo predicho el final del experimento o el comienzo del siguiente?
El contorno y la superficie son dos aspectos del mismo modelo ajustado
El gráfico de superficie 3D muestra la altura predicha para cada combinación de x e y. El gráfico de contorno muestra las líneas que unen los mismos valores de predicción, vistos desde arriba. No son resultados de análisis diferentes; es el mismo modelo visto desde distintos puntos de vista.
Si las curvas de nivel forman una elipse cerrada, podría haber un candidato a pico o valle en su interior. Si las líneas continúan mejorando hacia los límites del área de diseño, es posible que el punto óptimo real esté fuera del rango; sin embargo, los datos actuales no respaldan esa posibilidad externa. No se extiende la predicción más allá del límite mediante extrapolación.
El Perfilador conecta varias secciones transversales
Al mover la línea vertical de un factor en el Perfilador de Predicciones, cambia la sección transversal predicha de los otros factores, manteniéndolos fijos en su posición actual. Si hay interacción xy, la pendiente de x depende de la ubicación de y. No se debe interpretar una sola línea del Perfilador como un efecto univariado independiente.
El Perfilador muestra no solo las líneas de predicción, sino también los intervalos de confianza y los rangos de los factores cuando es posible. Se observa si la incertidumbre de la predicción aumenta en los extremos del rango.
La Deseabilidad no define los objetivos científicos por usted
Si se definen los objetivos individuales para cada respuesta como un valor entre 0 y 1, llamando a esto dᵢ y al peso de importancia wᵢ, se puede calcular la desirabilidad compuesta mediante una media geométrica ponderada.
D = (∏ dᵢ^wᵢ)^(1/Σwᵢ)
Por ejemplo, si se desea maximizar el rendimiento y minimizar las impurezas, se establecen los límites aceptables, los objetivos y la importancia para cada una. Estos valores no son justificados científicamente por el software. Dado que cambiar cualquiera de los límites puede desplazar al candidato óptimo, es necesario documentar tanto la definición de los objetivos como los resultados.
| Entrada | Rol en el ejemplo compuesto | Registro previo |
|---|---|---|
| Rendimiento | maximizar | límite inferior·valor objetivo·peso |
| Impureza | minimizar | valor objetivo·límite superior·peso |
| x, y | factor controlable | rango estudiado y rango ejecutable |
La deseabilidad compuesta es la puntuación dentro de la transformación definida por el usuario. No refleja objetivos que no se incluyeron en la función, como toxicidad, costo, tiempo o CQA no medidos. Consulte junto los resultados de sensibilidad del peso y el límite.
La validación confirma con nueva evidencia no usada en el ajuste
Ejecute nuevas unidades experimentales independientes bajo las condiciones candidatas y compare los valores predichos con los observados. Mostrar nuevamente los valores ajustados de la misma tabla no constituye una confirmación.
El plan de validación debe incluir lo siguiente:
- Condiciones candidatas y unidades reales
- Valores predichos e incertidumbre de predicción
- Número de repeticiones independientes, orden de ejecución y bloques
- Criterios de éxito y diferencia permitida entre predicción y observación
- Reglas para distinguir problemas del modelo, del rango o del proceso en caso de fallo
Si la media observada difiere de la predicha, no termine con una simple afirmación de "fallo en la optimización". Verifique el sesgo del modelo, errores en las condiciones de ejecución, nuevos lotes y variabilidad de medición.
El aumento añade nuevos puntos a las preguntas pendientes
Si se detectó curvatura en los puntos centrales de un factorial inicial, se pueden agregar puntos axiales para extenderlo a un CCD Central Compuesto. Si el punto óptimo predicho está en el límite y la información es escasa, se pueden añadir puntos candidatos en esa dirección. Distinga entre puntos de validación y puntos de aumento para mejorar el modelo, ya que tienen propósitos diferentes.
Al elegir nuevos puntos, evalúe si los términos deseados son estimables y si la varianza de predicción disminuye al combinarlos con el diseño existente. Registre también cómo se conectan las ejecuciones adicionales con los bloques existentes.
Laboratorio In-Silico: cambie los objetivos y vea nuevos valores de validación
- Verifique un candidato con peso de rendimiento 2 y peso de impureza 1.
- Aumente el peso de impureza a 4 para observar si los candidatos x e y se desplazan.
- Cambie la semilla en el mismo candidato para ver si fluctúan las medias de validación en 3 repeticiones.
- Verifique que todos los candidatos estén dentro de
−1≤x,y≤1.
Change the multiple reaction objective and continue with the confirmation experiment.
By changing the weights in the synthesis model that increases yield and reduces impurities, we compare desirability candidates with three new confirmation experiments.
If this is your first time: What should I press?
- 1. Read the question firstIn the Lab title, check the one thing you will compare this time.
- 2. Change just one conditionInitially, change only one of the inputs: n, effect, or spread.
- 3. new composite specimen pressureNew synthetic data is created. The same conditions may vary depending on the sample.
- 4. Pictures and calculation results CompareWrite in one sentence what moves and what stays the same before and after the change.
If it gets stuckresetGo back to see the default results and change just one condition. This Lab is not a correct answer tester but a pattern observation tool.
Synthetic observations of the same settings
calculation result
This candidate is optimal only within the −1≤x,y≤1 grid and the current desirability definition. If the confirmation difference is large, check the model, range, and execution error again.
educational synthetic modelbjs-response-surface-sequence-v1. One row is one independent simulation or design run unless otherwise indicated. It cannot be used for actual research, quality, or regulatory decisions.
El laboratorio compara la deseabilidad compuesta en una cuadrícula educativa con intervalo de 0.05. No reproduce algoritmos de optimización continua ni el optimizador interno de JMP, y los valores de validación también son datos sintéticos.
Conecte las expresiones de JMP con las oraciones de resultados
The same fitted model is read from 2D and 3D perspectives.
When the goal/limit/importance changes, the candidate changes are also recorded.
View additional run information suitable for boundary, curvature, and verification purposes.
Contour y Surface muestran la ubicación de los candidatos; Prediction Profiler muestra secciones transversales por factor y objetivos; Desirability muestra el compromiso explícito indicado. En la evaluación del aumento, confirme el propósito informativo de las ejecuciones adicionales. Capturar solo la pantalla no conserva los objetivos, el rango ni el plan de validación; conserve también tablas y recibos.
Ejemplo de oraciones de resultados
Dentro del intervalo estudiado se definieron deseabilidades para maximizar el rendimiento y minimizar las impurezas, con pesos de 2 y 1, respectivamente. El candidato con mayor deseabilidad compuesta D fue x=0,55 e y=0,35, dentro de la región observada. La media de tres nuevas ejecuciones independientes difirió en 0,4 unidades del rendimiento predicho. La decisión de ampliar el diseño se basa en la sensibilidad a los pesos de los objetivos y en los resultados de confirmación.
Conclusión del capítulo
- Los contornos, la superficie y el Profiler son representaciones diferentes del mismo modelo.
- Los objetivos, límites e importancia de la deseabilidad los define el usuario.
- Un óptimo fuera de la región de diseño no es una conclusión respaldada por los datos actuales.
- Un experimento de confirmación consiste en nuevas ejecuciones independientes no utilizadas para el ajuste.
- Los puntos de ampliación se eligen de acuerdo con las preguntas pendientes sobre alias, curvatura y predicción.
En la siguiente unidad examinaremos la distribución de salida y la tasa de aceptación, no solo la media, cuando las entradas fluctúan alrededor de las condiciones óptimas.
Material complementario
- NIST/SEMATECH · Response Surface Methods
- JMP Help · Launch the Prediction Profiler Platform
- JMP Help · Augment Design Platform Options
Este artículo y el laboratorio utilizan datos sintéticos con fines educativos; no constituyen evidencia para decisiones reales de investigación, proceso, calidad o regulación.