DOE : Conception entièrement personnalisée ou conception augmentée après DSD ?J'ai 7 facteurs continus et 2 facteurs numériques discrets (présence/absence). Je voudrais utiliser le DOE pour identifier les facteurs qui jouent un rôle dans la réponse, identifier s'il existe des interactions entre les facteurs et enfin déterminer la gamme de facteurs pour une réponse optimale.
Je peux penser à deux façons de le faire et je ne sais pas laquelle me donne un modèle plus précis pour identifier les facteurs et les interactions.
1) Je me suis souvenu de ma formation en classe DOE il y a 2 ans que JMP préfère maintenant que les utilisateurs utilisent la conception personnalisée. J'ai utilisé la conception personnalisée et j'ai examiné les effets principaux et les deuxièmes interactions des 9 facteurs. J'ai 52 courses. Ensuite, je dois configurer un autre DOE avec une conception RSM pour identifier les effets quadratiques.
2) J'ai utilisé DSD et j'ai trouvé 25 exécutions. Après avoir analysé les données de DSD, je devrais pouvoir me limiter à quelques facteurs clés (par exemple, 4-5 facteurs), j'augmenterai la conception avec ces 5 facteurs et j'ajouterai des 2èmes interactions et des effets quadratiques. Je vais corriger les autres facteurs en utilisant l'analyse de DSD. Ensuite, je dois configurer 9 pistes supplémentaires et les regrouper dans un nouveau bloc.
Ma deuxième approche me permet d'avoir 18 courses de moins (52 contre 25 + 9) et d'avoir la flexibilité de modifier ma plage pour certains facteurs dans ma conception d'augmentation. Je comprends que si je modifie la plage de certains facteurs, j'ai besoin de plus d'exécutions pour réduire la variance de prédiction.
Je ne vois que des avantages à faire de l'Augment Design. Quels sont les avantages de faire une conception personnalisée avec tous les facteurs à la fois ? Quand dois-je utiliser Augment Design vs Custom Design ?
Merci.
Conception d'expériencesRe : DOE : conception entièrement personnalisée ou conception améliorée après DSD ?Merci. J'ai une meilleure compréhension de la planification du DOE maintenant.
Lorsque j'ai découvert DOE pour la première fois, on m'a appris à utiliser Custom Design ou DSD pour examiner l'effet principal et l'interaction afin d'exclure quelques facteurs. Ensuite, j'utiliserai le modèle de surface de réponse pour identifier s'il y a un effet non linéaire et maximiser la réponse. J'ai toujours suivi cette approche quel que soit le nombre d'exécutions que je pouvais faire ou le nombre de facteurs que je testais. Après avoir lu vos commentaires, je pense que je peux tout faire dans un seul design personnalisé et comprendre pourquoi je peux tout faire. Notre équipe va faire 32 courses et voir comment ça se passe.
Merci de m'avoir rappelé d'utiliser une large gamme de facteurs. C'est une chose que je garde toujours à l'esprit et que je dis aussi aux autres.
Re : DOE : conception entièrement personnalisée ou conception améliorée après DSD ?Je ne sais pas d'où vous vient l'idée que pour (1) vous avez besoin d'un design personnalisé avec 52 passages qui nécessite une augmentation. De même, je ne sais pas d'où vous vient l'idée que pour (2) vous devez augmenter le DSD pour estimer plus que les effets principaux.
Le DSD est un cas particulier de la conception personnalisée optimale d'alias pour le modèle RSM. C'est ainsi que le DSD a été découvert.
Vous n'aurez peut-être pas à augmenter le DSD. Si pas plus de 3 facteurs sont actifs, alors DSD pour 9 facteurs prendra en charge le modèle quadratique complet, qui est souvent suffisamment précis sur la plage de réponse. L'ajout d'exécutions supplémentaires augmentera à la fois la puissance du et la couverture de la conception, car vous ajoutez effectivement des facteurs « faux ». Ce changement rend plus probable le principe de « rareté des effets ».
La conception personnalisée reste le meilleur choix lorsque l'une des méthodes de conception spéciales (par exemple, DSD) n'est pas appropriée ou capable. Par exemple, si vous avez du mal à modifier les facteurs, vous ne devez pas utiliser le DSD. Il offre également d'autres possibilités de dépistage. Vous pouvez spécifier le modèle RSM, puis modifier l'estimabilité de tous les termes d'ordre supérieur de « nécessaire » à « si possible ». Cette définition réduira considérablement le nombre minimum d'exécutions. Ajoutez ensuite 3 à 4 exécutions pour chaque terme potentiel que vous pensez être actif. Par exemple, si je m'attends à deux effets non linéaires et trois interactions avec vos 7 facteurs continus et 2 facteurs catégoriels, ma conception personnalisée serait de 10 + (2 + 3) * 4 = 30 exécutions. Je ne devrais pas avoir besoin d'augmenter cette conception à l'avenir. Cette conception bayésienne I-optimale présente une puissance très élevée si la taille de l'effet est au moins deux fois supérieure à l'écart type de la réponse.
La seule façon d'évaluer la précision du modèle est de confirmer ses prédictions. Je recommande au moins deux prédictions : les paramètres pour la réponse optimale et les paramètres pour une mauvaise réponse. Je fais beaucoup plus confiance à un modèle s'il peut prédire la réponse n'importe où.
Enfin, assurez-vous de toujours utiliser une large plage de facteurs pour tous les facteurs continus afin d'assurer la puissance maximale et l'erreur type d'estimation minimale. Ne modifiez pas, ne limitez pas ou ne diminuez pas la plage de facteurs parce que vous pensez savoir où se trouve le réglage optimal dans une expérience. Pourquoi ajouter des exécutions supplémentaires lorsqu'une large plage de facteurs vous donne plus de données empiriques et d'expérience dans une conception plus économique ? Pourquoi localiser le modèle ?
