Comment trouver le meilleur design pour plus de 20 facteursSalut à tous,
Je suis très nouveau dans l'ensemble du DoE, alors pardonnez-moi si la question est très naïve. J'essaie de trouver le meilleur type de modèle à appliquer à mon expérience. J'ai plus de 20 facteurs à combiner et mon objectif est de trouver la meilleure combinaison de ceux-ci en collectant quatre horodatages.
En fait, je dois trouver la meilleure combinaison avec le plus petit nombre de facteurs.
Je vais essayer de mieux expliquer cela. De la façon dont cette expérience se déroule, je peux m'attendre à ce que chacun de ces facteurs ait un certain impact positif sur l'échantillon. Cela me donnerait donc la meilleure combinaison finale qui contiendrait probablement tous les 20 + facteurs. Et c'est ce que j'essaie d'éviter, j'ai besoin de la meilleure réponse avec le plus petit nombre de facteurs.
Merci d'avance à tous ceux qui peuvent aider
Cordialement
Ilaria
BICHERe: Comment trouver le meilleur design pour plus de 20 facteursJe suis sûr que les gens auront besoin de quelques détails supplémentaires pour pouvoir offrir des conseils. Si vous commencez tout juste avec ce sujet, je vous recommande fortement de jeter un œil à notre `` Réflexion statistique pour la résolution de problèmes industriels '' Cours en ligne (pour lequel il n'y a pas de frais, et pour lequel vous n'avez pas besoin d'installer JMP localement).
Même à ce stade précoce, il vaut probablement la peine de dire que l'une des règles d'or du DoE est que «si vous voulez connaître l'effet d'un facteur, vous devez faire varier ce facteur». Donc, je suis juste un peu préoccupé par votre "Et c'est ce que j'essaie d'éviter ..." commentaire (mais j'ai peut-être mal compris).
Re: Comment trouver le meilleur design pour plus de 20 facteursMes pensées:
Obtenir des conseils sur l '«outil» ou la conception à sélectionner dépend d'un certain nombre de facteurs et de la situation particulière. Il me semble que vous voulez un test et non une expérience. Un test est utilisé pour "choisir un gagnant". Une expérience est utilisée pour comprendre la structure causale. Si vous voulez vraiment comprendre ce qui se passe et trouver les facteurs qui ont le plus d'impact (et sont les plus utiles pour la prédiction), cela prend généralement plusieurs itérations. Commencez toujours par des hypothèses sur comment et pourquoi chaque facteur contribue à la variation des réponses. En général, lorsque je traite> 15 facteurs, je suis biaisé vers un plan d'échantillonnage dirigé (composante de l'étude de variation) pour comparer des groupes de x (composants comme dans l'échantillon, échantillon à échantillon, etc.) et évaluer la composante de mesure. L'échantillonnage est un moyen efficace d'obtenir un aperçu d'un processus comportant de nombreuses variables. Sélectionnez les facteurs du groupe qui présente le plus grand effet de levier de l'étude CoV pour les expériences de dépistage initial. En fin de compte, développer un modèle (le développement du modèle peut être fait de plusieurs façons, mais encore une fois, je suis biaisé pour l'approche de la série Taylor). Les principes de rareté, de hiérarchie et d'hérédité sont des guides utiles lors de votre itération.
Re: Comment trouver le meilleur design pour plus de 20 facteursEn plus des commentaires de @statman et @ian_jmp puisque vous déclarez que vous êtes «nouveau au DOE», je vous recommande fortement de trouver une ressource face à face pour agir comme un guide à travers cette étude qui a une connaissance profonde et riche du DOE. Avant tout, vous êtes confronté à un problème pratique. Se lancer directement dans le DOE par votre solitaire PEUT ne pas être l'approche optimale en raison de votre manque de connaissances sur les processus du DOE et potentiellement du système à portée de main. Un guide avisé peut aider en posant une myriade de questions qui peuvent finalement mener à une enquête centrée sur le DOE. Je suggère de commencer par là. Un forum de discussion tel que la communauté d'utilisateurs JMP n'est pas vraiment destiné à fournir ce niveau de collaboration beaucoup plus profond. Peut-être que quelqu'un de votre entreprise est prêt à vous aider?
