Elección de la función de deseabilidad para diseños óptimos bajo restricciones

Abstract

<jats:p>El diseño experimental es una etapa clave de cualquier estudio, ya que influye directamente en la calidad de las inferencias que se pueden hacer a partir de los datos. Los diseños experimentales inadecuados pueden causar problemas en la estimación de los parámetros del modelo y/o entrar en conflicto con la práctica común de laboratorio u otras directrices establecidas. En este artículo se considera el problema de la construcción de diseños óptimos aumentados bajo restricciones para superar estas dificultades. La técnica propuesta por Parker (2005) sugiere generar diseños experimentales que cumplen con ser óptimos de acuerdo con los criterios de diseño tradicional y prácticos de acuerdo con los criterios impuestos por un investigador a través del uso de las funciones de deseabilidad. En este artículo se presentan las pautas generales para la elección adecuada de las funciones de deseabilidad que intervienen en la obtención de los diseños óptimos penalizados con características deseables. Además, se ilustra la metodología propuesta con el modelo de Michaelis-Menten y se comparan los diseños obtenidos a partir de diferentes funciones de deseabilidad.</jats:p>

Thermal stability of phytochemicals, HMF and antioxidant activity in cape gooseberry (Physalis peruviana L.)

“…The impact was established according to the behavior or importance of each of the dependent variables in the process. In contrast, the weights were consistent with the impact and represented the permissibility given to the dependent variable to move away from the established criterion [69]. In this context, the desirability found was 73.9%.…”

Optimization of an Alternative Culture Medium for Phycocyanin Production from Arthrospira platensis under Laboratory Conditions

“…In this assessment, the desirability function was used to establish a balance between the responses. The optimization process was carried out using the statistical software Design-Expert version 22.0.8, which defined desirability values from 0 to 1, where 0 represented the minimum responses and 1 the maximum responses for each model [ 40 ].…”

Comparación de métodos de optimización para un experimento con múltiples variables de respuesta

“…El método consiste en definir una función en el espacio de factores que mide la deseabilidad global (DG) del producto predicha en cada punto, transformando de esta manera el problema de optimización multivariado en univariado, y solo basta maximizar dicha deseabilidad global para obtener el punto óptimo [16] . En general, el método tiene la finalidad de encontrar las condiciones de operación de un conjunto de factores que provean las respuestas más deseables.…”