Software de diseño multifactorial de experimentos

El software que se utiliza para diseñar experimentos factoriales desempeña un papel importante en los experimentos científicos y representa una vía para la implementación de procedimientos de diseño de experimentos que se derivan de la teoría estadística y combinatoria . En principio, todos los experimentadores deberían disponer de software de diseño de experimentos (DOE) fácil de usar para fomentar su uso.

El software de diseño experimental factorial simplifica drásticamente los cálculos manuales que antes eran laboriosos y necesarios antes del uso de las computadoras.

Durante la Segunda Guerra Mundial, una forma más sofisticada de DOE, llamada diseño factorial, se convirtió en una gran arma para acelerar el desarrollo industrial de las fuerzas aliadas. Estos diseños pueden ser bastante compactos, involucrando tan solo dos niveles de cada factor y solo una fracción de todas las combinaciones, y sin embargo son bastante poderosos para fines de detección. Después de la guerra, un estadístico de Imperial Chemical, George Box , describió cómo generar superficies de respuesta para la optimización de procesos. ^[1] A partir de este punto en adelante, DOE se apoderó de la industria de procesos químicos, donde factores como el tiempo, la temperatura, la presión, la concentración, el caudal y la agitación se manipulan fácilmente.

Los resultados del DOE, cuando se descubren con precisión con el software del DOE, fortalecen la capacidad de discernir verdades sobre las poblaciones de muestra que se están probando: consulte Muestreo (estadística) . Los estadísticos ^{[2] [3]} describen los métodos DOE multifactoriales más sólidos como más “ robustos ”: consulte Diseño experimental .

A medida que los avances del software DOE dieron lugar a la resolución de ecuaciones estadísticas factoriales complejas, los estadísticos comenzaron a diseñar en serio experimentos con más de un factor (multifactorial) a la vez. En pocas palabras, el DOE multifactorial computarizado comenzó a suplantar a los experimentos de un factor a la vez. En la década de 1980, varias empresas de software líderes comenzaron a ofrecer software de computadora diseñado específicamente para experimentos diseñados, que incluía paquetes como JMP , Minitab , Cornerstone y Design–Expert .

Entre los beneficios notables de utilizar el software DOE se incluyen evitar los laboriosos cálculos manuales cuando:

• Identificar factores clave para mejorar procesos o productos.
• Configuración y análisis de diseños factoriales generales , factoriales de dos niveles, factoriales fraccionados y de Plackett-Burman .
• Realizar optimizaciones numéricas .
• Detección de factores críticos y sus interacciones.
• Analizar factores del proceso o componentes de la mezcla.
• Combinando variables de mezcla y proceso en los diseños.
• Rotación de gráficos 3D para visualizar superficies de respuesta .
• Explorar contornos 2D con un ratón de computadora, colocando banderas a lo largo del camino para identificar coordenadas y predecir respuestas.
• Localizar con precisión dónde se cumplen todos los requisitos especificados utilizando funciones de optimización numérica dentro del software DOE.
• Encontrar la configuración de factores más deseable para múltiples respuestas simultáneamente.

Hoy en día, el software de diseño de experimentos factorial es una herramienta notable en la que confían ingenieros, científicos, genetistas , biólogos y prácticamente todos los demás experimentadores y creadores, desde agricultores hasta zoólogos . El software de diseño de experimentos es más aplicable a experimentos controlados y multifactoriales en los que el experimentador está interesado en el efecto de algún proceso o intervención en objetos como cultivos, motores a reacción , demografía , técnicas de marketing, materiales, adhesivos, etc. Por lo tanto, el software de diseño de experimentos es una herramienta valiosa con amplias aplicaciones para todas las ciencias naturales, de ingeniería y sociales.

• Metodología de superficie de respuesta: optimización de procesos y productos mediante experimentos diseñados, cuarta edición
• Diseño y análisis de experimentos, 9.ª edición
• DOE Simplificado: Herramientas prácticas para una experimentación eficaz, 3.ª edición
• RSM simplificado: optimización de procesos mediante métodos de superficie de respuesta para el diseño de experimentos, 2.ª edición
• Señales de advertencia en el diseño y la interpretación experimental
• Sección 5 de Mejora de procesos de estadísticas de ingeniería del NIST