Todos los planos anteriores tienen como objetivo la estimación de un modelo dado — lineal, con interacciones, cuadrático. Los planes de relleno tienen otro objetivo: cubrir de manera uniforme el espacio experimental, sin dar por sentada la forma de la respuesta.
Este es el enfoque de los modelos de aprendizaje automático, que aprenden la forma en lugar de suponerla. Los factores deben ser cuantitativos, hace falta al menos dos y como máximo 20.
1. Plan calculado o tabla tabulada
La lista de posibles planos ofrece dos familias:
- Plano de Ellistat (calculado), el primero que se propone y que está seleccionado por defecto: el único cuyo número de intentos y criterios se adaptan a tu configuración; ;
- En tablas tabuladas, con un número fijo de ensayos: Audze-Eglais (9, 15, 16, 25, 50, 100 ensayos según el número de factores), Latin Hypercube Design (16, 25, 50) y NOLH 17. A partir de 10 factores, no queda ninguno; solo el plan calculado cumple los requisitos.
2. Los ajustes del plano calculado
| Ajuste | Función |
| Número de factores | Recordatorio, solo lectura. |
| Número de ensayos | Como mínimo k+1, con un máximo de 100. El valor por defecto es de cinco ensayos por factor, con un mínimo de 9. |
| Hipótesis sobre los factores | «Todos los factores están activos» o «Solo algunos factores están activos». |
| Limitar la correlación | Fuerza la correlación máxima entre factores. Activada por defecto. |
| Correlación máxima |r| | El valor predeterminado es 0,03. |
La hipótesis elegida se explica en pantalla, y la elección es importante:
- Todos los factores están activos : solo el criterio de Audze-Eglais: ocupación completa del espacio. A elegir si el modelo posterior tiene en cuenta todos los factores; ;
- Solo hay unos pocos factores activos : Audze-Eglais + MaxPro: también cumple con las previsiones, en aquellos casos en los que la lectura depende realmente de solo dos o tres factores.
💡 Este es el ajuste que realmente distingue entre dos planos de relleno, y hay que decidirlo teniendo en cuenta el siguiente paso. Si sospechas que dos de los ocho factores son los más importantes, un plano que ocupe bien el espacio de ocho dimensiones puede proyectarse muy mal sobre el plano de esos dos factores, los puntos se superponen en él y el modelo apenas distingue nada. Eso es precisamente lo que corrige el término MaxPro.
⚠️ Se recomienda activar la barrera de correlación: el término MaxPro deteriora notablemente las correlaciones cuando no está activada. Desactivarla solo tiene sentido si se busca un relleno máximo sin preocuparse por la independencia de los efectos.
3. Calcular y leer el resultado
El botón Calcular inicia el recocido en un worker, con una barra de progreso y un botón Detener. El plano obtenido se guarda en el plano de experiencia: se conserva tras la navegación.
Junto al botón aparecen tres indicadores:
- Audze-Eglais : el criterio de llenado; cuanto más bajo sea, mejor se cubre el espacio; ;
- MaxPro : el criterio de cumplimiento de las previsiones, que se muestra cuando se adopta la hipótesis de «algunos factores activos»; ;
- Max |r| : la correlación absoluta más fuerte entre dos factores.
El botón Matriz de correlaciones cartel:
El botón Nubes de puntos ofrece dos interpretaciones complementarias:
- la matriz de los correlaciones entre factores, en una escala fija de −1 a +1 — un plan bien optimizado aparece, por tanto, como casi neutro, lo cual es correcto
- y los nubes de puntos por pares de factores, que muestran ¿por qué? La correlación es débil: puntos bien repartidos o estructura diagonal.
💡 La escala fija de la matriz no es un error de configuración. Una escala ajustada a los datos mostraría correlaciones de unas pocas centésimas en colores vivos, lo que daría la falsa impresión de que el plano es incorrecto. En este caso, un plano casi ortogonal se aprecia como tal.
⚠️ El botón D-Óptimo se omite deliberadamente en los planes de relleno: buscar un subconjunto D-óptimo de un plan de relleno no tiene sentido, ya que el plan tiene como objetivo cubrir el espacio y no estimar un modelo concreto.