287732_fr-FR

liliconcom

Quel modèle choisir

Chers tous,

Je prévois de construire un RSM pour optimiser ma méthode. J'ai 8 facteurs continus et 2 réponses. Les niveaux de chaque facteur ont été déterminés selon certaines méthodes internes et expériences antérieures de l'équipe. Je ne sais pas s'il y a des interactions entre les facteurs ou non. Je ne parviens pas à identifier la source du bruit et je prévois de randomiser

Après une petite recherche, je pense qu'il y a deux façons de procéder, et je ne sais pas laquelle est la plus adaptée ?
1) expérimentation séquentielle en utilisant Central Composite Design (Box-Wilson) car je peux exécuter un plan de criblage classique avec un point central et continuer si nécessaire avec des points axiaux.

2) Utilisez un motif Placket Burman pour filtrer l'effet principal, puis un motif composite central. Et cette méthode est la plus utilisée dans mon domaine

merci

Conception d'expériencesRe : Quel modèle choisir ?

Pour toute variable catégorielle, vous pouvez toujours supprimer un niveau, si vous le souhaitez. Mais cela signifie que vous n'aurez aucune information sur le niveau manquant.

Pour un DSD (ou une conception personnalisée), vous ne spécifiez pas le nombre de niveaux pour un facteur continu. Au lieu de cela, le nombre de niveaux est choisi afin d'estimer le modèle. Si votre modèle comporte des termes carrés (ce que font les modèles de surface de réponse), vous disposerez alors de 3 niveaux pour les facteurs continus. Étant donné que les DSD sont conçus pour filtrer et éventuellement s'adapter à un modèle de surface de réponse, tous les facteurs continus obtiendront automatiquement 3 niveaux.

Consultez le système d'aide JMP sur les conceptions de tramage définitives pour obtenir plus d'informations sur la façon dont ces conceptions fonctionnent et sont créées : Informations sur la conception du criblage définitif JMP

 

Re : Quel modèle choisir ?

 

merci @Dan_Obermiller . Que diriez-vous de définir ce facteur comme catégoriel à 2 niveaux et tous les autres facteurs comme facteurs continus à 3 niveaux ?

cordialement

Re : Quel modèle choisir ?

Si vous suivez le chemin d'analyse DSD recommandé, le seul problème est de vous assurer de ne pas estimer le terme au carré pour ce facteur. Lorsqu'il s'agit d'utiliser le profileur, modifiez le type de modélisation en ordinal ou nominal avant d'utiliser le profileur. Cela conservera les valeurs à 1, 2 ou 3.

Re : Quel modèle choisir ?Merci pour votre réponse rapide. Comme je l'ai dit la dernière fois, mon facteur est le nombre de cycles que l'on peut passer aux niveaux 1,2 et 3. En utilisant le DSD, je prévois de faire un dépistage suivi d'une surface de réponse.
Mon souci si je considère le facteur comme continu, comment les résultats vont s'exprimer ? par exemple, si je souhaite maximiser ma réponse, le logiciel donnera une valeur de 1,2 pour mon facteur, que dois-je faire alors ? considérez-le comme 1 ?
cordialementRe : Quel modèle choisir ?

Vous avez raison. J'y parlais de mémoire et j'ai oublié qu'une variable catégorielle à 3 niveaux n'est pas autorisée dans un plan de dépistage définitif. Cependant, si le facteur est numérique, ne pourriez-vous pas envisager de traiter votre facteur numérique discret comme continu ? Les DSD n'utiliseront que 3 niveaux, cela ne posera donc pas de problème lors de l'exécution de la conception.

Re : Quel modèle choisir ?

Cher @Dan_Obermiller ,

revenons à votre proposition, dans le logiciel, je n'ai pas trouvé comment inclure un Variable catégorielle à 3 niveaux pour la conception de dépistage définitif. Seulement 2 niveaux - la variable catégorielle peut inclure

merci beaucoup

Re : Quel modèle choisir ?

De nombreuses personnes dans la communauté se feront un plaisir de répondre à toutes vos questions. L'analyse des données confine aux services de conseil, ce qui est encore compliqué par le fait que la plupart des utilisateurs de la communauté ne connaîtront probablement pas les objectifs et les informations de base nécessaires pour fournir une analyse appropriée avec des conclusions. Alors, y a-t-il une question à laquelle on n'a pas déjà répondu ?

Re : Quel modèle choisir ?

Cher @Dan_Obermiller

Ci-joint, veuillez trouver mes données, pourriez-vous s'il vous plaît y jeter un œil

cordialement

 

Re : Quel modèle choisir ?

Un point de clarification : si vous utilisez un plan personnalisé, vous n'obtiendrez probablement PAS un plan factoriel fractionnaire adapté à votre situation. Je veux juste m'assurer que vous comprenez que la conception personnalisée utilise des critères différents pour créer la conception.

 

Quant à la variance négative de votre parcelle entière, cela signifie que la variance de votre parcelle entière est assez faible et est très probablement négligeable. Je n'ai jamais été préoccupé par cette estimation négative et je me suis toujours concentré sur la manière dont j'utiliserais l'information. Enfin, un autre point à garder à l’esprit est que le plan est créé pour estimer les estimations des paramètres de votre modèle. La conception n'est PAS optimisée pour estimer la variance de l'ensemble de la parcelle. Par conséquent, il y aura plus d’incertitude dans l’estimation, ce qui est la raison typique d’une estimation négative. La combinaison d’une petite valeur et de l’incertitude peut donner ce résultat négatif.

Re : Quel modèle choisir ?

Cher @Dan_Obermiller ,

 

J'ai une autre question.

Avant de commencer ma véritable conception, j'effectue quelques expériences préliminaires et dans un premier temps

Je souhaite effectuer un plan factoriel fractionnaire et j'ai 5 facteurs, dont l'un est difficile à modifier. En utilisant une conception personnalisée comprenant une conception de parcelles renversées, j'ai obtenu un tableau avec 20 expériences avec 5 parcelles entières. Lorsque j'ai fait les expériences, j'ai trouvé une valeur négative dans la variation des parcelles entières et je ne sais pas ce que je dois en conclure ? Ci-joint, veuillez trouver une capture d'écran

merci d'avance

 

 

 

 

Re : Quel modèle choisir ?

Un facteur numérique discret complique un peu les choses, mais pas tant que ça.

 

Avec un CCD, le niveau intermédiaire n'affecte pas du tout la partie factorielle fractionnaire du plan. Si vous avez besoin de points axiaux, vous devrez spécifier une mise à l'échelle axiale sur la face. Pas de réels changements.

Avec le PB, encore une fois, la partie de sélection de la conception n'utilise pas le niveau intermédiaire. Lorsque vous ajouterez des points axiaux, vous devrez spécifier une mise à l'échelle sur la face.

Avec la conception personnalisée, absolument aucun changement.

Avec le Definitive Screening Design, les valeurs numériques discrètes ne sont pas techniquement disponibles. Cependant, vous pouvez créer la conception avec ce facteur étant une variable catégorielle à 3 niveaux. Tous les conseils restent les mêmes.

Re : Quel modèle choisir ?

Cher Dan Obermiller,

Merci beaucoup pour votre réponse rapide. J'oublie de mentionner que l'un de mes facteurs est Discrete Numetic que je peux prendre les valeurs 1, 2 et 3. Toutes les propositions restent valables dans ce cas ?

cordialement

Re : Quel modèle choisir ?

Vous avez plus de deux choix, mais explorons les options que vous avez mentionnées.

 

CCD - Votre plan de dépistage classique serait le plan factoriel fractionnaire à 16 analyses + points centraux. Il s’agirait d’une conception de résolution IV, ce qui signifie que vos principaux effets ne seraient pas confondus avec vos interactions à deux facteurs. C'est souhaitable. Même si vous ne voyez pas de courbure, vous POURRIEZ avoir besoin d'ajouter quelques exécutions supplémentaires afin de bien comprendre les interactions à deux facteurs. Vous devez donc prévoir au moins deux étapes d'expérimentation, et probablement trois.

 

Conception Plackett-Burman - La conception PB ne comporte que 12 passages (+ points centraux), mais il s'agit d'une résolution III, ce qui signifie que vos principaux effets seront confondus avec certaines interactions à deux facteurs. En règle générale, cela ne constitue pas une bonne base pour une conception de surface de réponse, car des interactions à deux facteurs sont attendues dans une étude d'optimisation. Ainsi, vous aurez probablement besoin que quelques-uns de vos 8 facteurs soient « actifs » et devrez probablement planifier trois étapes d'expérimentation.

 

Mais qu’en est-il des autres options ? Par exemple, vous pouvez utiliser la conception personnalisée pour créer une conception permettant d'estimer le modèle des effets principaux. Augmentez ensuite cela pour ajouter des interactions/termes au carré. Cette approche pourrait être similaire à vos approches classiques, mais pourrait vous épargner quelques essais. De plus, vous pouvez décider quels critères d'optimisation utiliser, afin de pouvoir ajuster les différentes étapes de la conception pour déterminer des facteurs importants ou pour améliorer la prédiction.

 

Une autre possibilité consiste à utiliser un plan de dépistage définitif. Cette conception est censée être une conception de dépistage (ce que vous recherchez) mais peut souvent estimer un modèle de surface de réponse tant que le nombre de facteurs actifs est proche de 50 % ou moins de vos 8 facteurs possibles. Cette conception peut être réalisée en 21 exécutions, ce qui inclut les 4 exécutions supplémentaires recommandées par JMP. Il présente également l’avantage d’être réalisé en une seule série d’essais plutôt que d’être construit de manière séquentielle.

 

Pour une situation que vous avez décrite, je recommanderais d’envisager la conception de dépistage définitif.

 

J'espère que ça aide.