AIDE À LA CONCEPTION FACTORIELLE FRACTIONNELLE DE L'EXPÉRIENCEComment réaliser un plan d'expérience factoriel fractionnaire. J'ai regardé quelques vidéos mais elles ne m'ont pas très bien expliqué les bases. J'ai des données que j'ai besoin d'analyser mais je suis nouveau dans la conception d'expériences, mais je n'ai pas de temps à perdre. Je préférerai une explication interactive.
J'apprécie grandement toute aide fournie
Re: AIDEZ AVEC LA CONCEPTION FRACTIONNELLE D'EXPÉRIENCEJe vous suggère de suivre le didacticiel DOE qui est téléchargé sur votre ordinateur lorsque JMP est installé. Il vous guidera à travers la mise en œuvre d'une conception factorielle fractionnaire
Il peut être trouvé à:
Aide ==> Tutoriels ==> Tutoriel DOE
Re: AIDEZ AVEC LA CONCEPTION FRACTIONNELLE D'EXPÉRIENCELes tutoriels JMP sont assez bons pour les débutants. Si vous joignez votre ensemble de données à ce fil, je suis sûr que quelqu'un y jettera un coup d'œil et vous aidera à l'analyser.
Re: AIDEZ AVEC LA CONCEPTION FRACTIONNELLE D'EXPÉRIENCECi-joint mon ensemble de données. la dernière variable est la variable de résultat (Y). Tous les autres entrent dans le modèle. Merci beaucoup
Re: AIDEZ AVEC LA CONCEPTION FRACTIONNELLE D'EXPÉRIENCEVous devrez d'abord nous dire quel changement dans la variable de réponse (Y, poids des cellules séchées) a une valeur pratique? Quel est le plus petit incrément de changement qui compte pour vous et quelle est la valeur cible? Avez-vous également suivi l'ordre d'exécution?
En regardant votre design, vous avez 4 traitements en bas avec un réglage de niveau très différent? Ce ne sont pas des points centraux. Vous êtes curieux de savoir comment vous avez trouvé ces combinaisons de traitement?
Premier regard (encore une fois, c'est un regard aveugle car je ne sais pas si la variation créée a une valeur réelle):
1. Vous avez un résultat anormalement élevé pour le traitement où le résultat est 0,706. Cette valeur élevée (comme une cause spéciale) est probablement due au bruit dans l'expérience et non aux effets du traitement, donc soyez prudent lorsque vous utilisez une analyse quantitative. Ce potentiel gonfle l'erreur expérimentale.
2. J'ai fait l'analyse sans les 4 derniers traitements et attaché l'analyse (JMP Journal) en utilisant un modèle saturé. Il s'agit d'un dépistage des effets linéaires de chacun des facteurs et des interactions associées (vous avez commencé avec une conception plutôt à haute résolution). En règle générale, vous simplifiez le modèle en supprimant les termes non significatifs et relancez l'analyse pour obtenir des résidus afin d'évaluer l'adéquation du modèle. Pour ce faire, vous devez d'abord déterminer si ces résultats ont une signification pratique.
3. J'ai joué avec la suppression de termes qui répondaient à une signification pratique d'un changement de 0,05 en Y (tracé de Pareto) et montraient également une signification statistique (tracé à moitié normal). Les résultats de cette analyse sont également dans le journal ci-joint. Les résidus semblent un peu bimodaux et il peut également y avoir une valeur aberrante indiquant qu'il peut y avoir des problèmes avec le modèle. J'ai enregistré les résidus et la formule de prédiction pour cette analyse.
4. J'ai ensuite ajouté les 4 traitements supplémentaires que vous aviez dans votre ensemble de données d'origine. La formule de prédiction a fait un très mauvais travail de prédiction de ces 4 points (peut-être pas inhabituel puisque ces 4 points étaient bien au-delà de l'inférence de l'espace de conception.). En regardant le facteur B, ce facteur semble avoir un effet non linéaire.
Je suis sûr que d'autres peuvent adopter une approche différente ... faites-moi savoir si vous avez des questions.
Re: AIDEZ AVEC LA CONCEPTION FRACTIONNELLE D'EXPÉRIENCEAjout à @txnelson et @statman , J'ai tracé les niveaux des facteurs sur les séries en supposant que l'ordre dans le tableau est l'ordre des séries. Je vois un schéma distinct qui suggère que cette expérience n'a pas été randomisée.
La restriction de la randomisation peut affecter considérablement l'analyse. La régression du modèle linéaire avec un seul terme d'erreur (résidus) gonflera les erreurs de type I des facteurs difficiles à changer et gonflera les erreurs de type II des facteurs faciles à changer. Il semble que vous ayez cinq niveaux de randomisation avant les quatre derniers ad hoc traitements.
J'ai également ajouté des propriétés de colonne qui facilitent l'analyse de régression des données d'une expérience. JMP ajoute automatiquement ces propriétés lorsque vous utilisez JMP pour concevoir l'expérience et créer le tableau. Vous avez importé ces données à partir d'un classeur Excel, qui n'a pas de telles propriétés.
J'ai utilisé la régression généralisée avec la régression Ridge pour réduire les estimations et LASSO pour sélectionner les paramètres d'un modèle linéaire avec les effets principaux et les effets d'interaction, mais si cette expérience n'a pas été randomisée, je doute qu'une quelconque régression soit valide.
