Douglas Ray , PhD, Statisticien en chef, Groupe de statistiques, US Army ARDEC Ingénierie de la qualité et assurance du système
Christopher Drake , Statisticien, Groupe de statistiques, US Army ARDEC Ingénierie de la qualité et assurance du système
<script>LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-VnYmk3ODE6c1AgvIZ7tCH9joA2wnPJvmw400h300r309', 'VnYmk3ODE6c1AgvIZ7tCH9joA2wnPJvm', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"400px","height":"300px"});(voir dans Mes vidéos)
L’armée américaine procède fréquemment à des essais et à l’expérimentation de systèmes, ce qui implique des réponses binaires (souvent appelées «tests de sensibilité») dans lesquels un stimulus (comme une tension ou une hauteur de chute) est appliqué comme entrée ou facteur principal. Cette étude de cas est une caractérisation de test de sensibilité par fil chaud de «lance de démarrage» à la grenade qui impliquait un certain nombre de contraintes du monde réel telles que le calendrier du laboratoire de test et la taille de l'échantillon. La conception d'expériences pour des modèles linéaires généralisés implique certains défis qui ne sont pas rencontrés dans les expériences avec des données à réponse continue. Par exemple, les données ne sont pas aussi riches en informations que les mesures continues, les tests sont souvent destructifs, et le succès de l'expérience et l'utilité des prévisions de réponse dépendent fortement de la capture de la zone de résultats mitigés. Pour faire face à ces difficultés, des approches de test dynamiques ont été développées pour générer de manière adaptative des données aux emplacements appropriés de la plage de stimulus afin de prendre en charge une modélisation efficace. Cette présentation illustrera comment les statisticiens d’ARDEC ont récemment adapté un algorithme de recherche binaire comme phase initiale d’une expérience en deux phases. La seconde phase utilisait la plateforme de conception non linéaire de JMP pour mettre en œuvre l’approche de conception bayésienne D-optimale décrite par Gotwalt, Jones et Steinberg (Technometrics, février 2009).
