Procedimento de seleção de termos do modelo para o delineamento definitive screening design, de Jones e Nachtsheim, com intervenção do experimentador

Abstract

Resumo: Este trabalho descreve a aplicação do delineamento de experimento denominado Definitive Screening Design (DSD) para a estimação dos efeitos de seis fatores (ingredientes) na aceitação geral de um painel de consumidores para um produto alimentício. O delineamento DSD possui propriedades que o tornam excelente alternativa a delineamentos fatoriais fracionados para a triagem de fatores de entrada. O DSD aproveita, ainda, o princípio da parcimônia de efeitos e quando há a presença de até três fatores ativos projeta-se em uma superfície de resposta para otimização da variável-resposta. Isto potencialmente reduz o esforço experimental. Entretanto, a natureza supersaturada do delineamento DSD torna mais complexo, durante a análise estatística dos dados, o processo de seleção de quais termos devem compor o modelo matemático. Os autores do delineamento desenvolveram um método para a realização dessa seleção de termos, denominado Fit DSD, que, entretanto, mostrouse ineficaz na aplicação prática aqui realizada. Esse trabalho replica, no software R, o algoritmo Fit DSD, e propõe ainda duas modificações a esse método, permitindo a intervenção do pesquisador. Os resultados são avaliados. Um trabalho de simulação é realizado, demonstrando os efeitos de tais alterações no poder do método em apontar o modelo correto e no erro tipo I, tanto quando intervenções do pesquisador são "acertadas" quanto quando "erradas". Palavras-chave: Delineamento de Experimentos. DSD. Estatística. Seleção de Termos do Modelo.

Abstract: This work describes the application of Definitive Screening Designs (DSDs) in estimating the effects of six factors (ingredients) on the measure of Overall Liking by a panel of consumers of a given food product. The DSD design has properties that make for an excellent alternative to fractional factorial designs on the screening of input factors. Additionally, DSD benefits from sparsity of effects by projecting into a Response Surface Design when at the presence of up to three active main factors, which allows for the optimization of the response variable. This potentially reduces the experimental effort. Nonetheless, due to DSD's supersaturated nature, the process to select which terms will be part of the mathematical model becomes more complex during the stage of statistical data analysis. DSD authors have developed a method to perform such model term selection, named Fit DSD, which, however, failed in this specific application. This work replicates, with R code, the Fit DSD algorithm, and proposes two modifications to this method to allow the intervention of the researcher. Results are evaluated. Simulations are performed to demonstrate the effects of such modifications to the method's power to find the actual model and to type I error, both in scenarios in which researcher's interventions are correct as well as incorrect. Keywords: Design of Experiments. DSD. Statistics. Selection of Terms in Mod