Salut tout le monde,
J'ai exécuté une étude en utilisant une méthodologie RSM avec 5 facteurs d'entrée, Design personnalisé: D-Optimal, 28 runs et nous avons réalisé lors de l'interprétation des résultats qu'il aurait été formidable d'inclure un 6ème facteur. Est-il possible "d'augmenter" ma conception à ce stade et comment puis-je concevoir les exécutions supplémentaires? Si vous avez eu une expérience similaire, ce serait formidable d'avoir de vos nouvelles. Merci
Avez-vous mesuré le niveau du 6e facteur lors des 28 premiers essais? Si c'est le cas, vous pouvez essayer de l'inclure dans le modèle avant d'augmenter. Ajoutez d'abord les propriétés de colonne appropriées.
La 6e a-t-elle été maintenue constante lors des 28 premiers runs? Le niveau est-il connu? Vous devez toujours créer cette colonne de données avant d'étendre la conception. Ensuite, sélectionnez DOE> Augmenter la conception et procédez comme d'habitude. Vous devrez peut-être ajuster la plage de facteurs et devrez certainement modifier le modèle.
comme Mark l'a déclaré, il est important de disposer d'informations préalables sur ce paramètre lors des précédentes exécutions. Si vous avez mesuré ce paramètre comme variable supplémentaire, vous pouvez voir si le modèle vous dira déjà quelque chose sur son impact. Si c'était constant, ce n'est pas grand chose mais encore quelques informations.
Si vous ne l'avez pas mesuré, ni aucune information sur son niveau au cours des 28 cycles précédents, vous devez effectuer autant de cycles que nécessaire pour estimer l'effet principal, les effets d'interaction à 2 facteurs de ce sixième paramètre avec les cinq précédents chacun, et l'effet quadratique, pour bien comprendre son influence. (Bien sûr, le fait de disposer de quelques exécutions supplémentaires permet d'estimer l'erreur comme toujours).
Dans le cas où vous savez que des interactions spécifiques initiales ou des effets quadratiques ne peuvent pas se produire, vous souhaiterez peut-être ajuster le modèle et réduire ainsi le nombre d'exécutions requis.
En résumé, si vous avez déjà des informations sur les 28 exécutions précédentes, vous pourriez avoir besoin de quelques autres pour combler les lacunes, si vous ne savez rien, vous devez avoir au moins une analyse supplémentaire pour chaque effet de modèle supplémentaire ajouté par ce paramètre.
