Conception de criblage définitive pour l’optimisationBonjour membres de la communauté,
J'ai effectué des recherches sur la conception de criblage définitive et j'ai beaucoup lu sur ce sujet dans JMP.
J'ai appris que la conception du dépistage définitif est utilisée pour déterminer les interactions efficaces entre la puissance principale, le second ordre et les 2 facteurs dans le modèle.
J'ai 10 paramètres et mon objectif de messagerie est de faire de l'optimisation. À la première étape, l'utilisation de RSM ou d'une conception personnalisée avec un modèle comprenant les effets principaux + la puissance de second ordre + les effets d'interactions à 2 facteurs est très coûteuse. C'est pourquoi je pense que dans un premier temps, je dois trouver les paramètres significatifs dans le modèle. Je devrais donc appliquer une conception de dépistage définie. Après avoir trouvé les paramètres efficaces en utilisant la plateforme de sélection définitive, je construirai un modèle OLS avec des paramètres efficaces. Lorsque j'ai trouvé le modèle OLS, dois-je l'utiliser en toute sécurité pour l'optimisation ?
Si vous pensez que oui, je peux l'utiliser pour l'optimisation, pourquoi le but du DSD est de déterminer les facteurs efficaces, c'est aussi bon pour l'optimisation, n'est-ce pas ?
Cordialement.
Conception d'expériencesRe : Conception de dépistage définitive pour l'optimisation@Ella Ma dernière et dernière contribution à ce fil est centrée sur votre dernière réponse à moi-même et à @Mark_Bailey et votre dernière question : « Si vous étiez moi, quel design choisiriez-vous ? »
Ma réponse, et la mienne seule : je ne veux pas être argumentatif ou difficile, mais il y a tout simplement trop de contributions/déclarations erronées, contradictoires ou contradictoires que vous avez faites tout au long de ce fil pour que je ne fournisse pas de recommandation parce que j'ai aucune idée de votre situation spécifique et de vos buts et objectifs expérimentaux.
Encore un exemple : vous déclarez qu'il n'y a « aucun facteur de nuisance ou de bruit ». Il y a toujours des facteurs de bruit ou de nuisance dans toute enquête empirique. Vous pouvez choisir de les ignorer ou de nier leur existence… mais ils sont présents. Pourquoi pensez-vous que l'une des citations les plus célèbres de George Box est « Bloquez ce que vous pouvez et randomisez le reste » ?
Re : Conception de dépistage définitive pour l'optimisationSalut @P_Bartel et @Mark_Bailey ,
Je dois corriger le fait que j'ai 10 facteurs mais je ne sais pas exactement tous ceux qui ont un effet significatif sur la réponse.
Bien sûr, si je le savais, je conviens que DSD ne convient pas à ce cas.
Pour décider quel design me convient, j'ai construit une étude de cas :
J'ai supposé que mon véritable modèle de réponse était le suivant : Y= X1+ 2*X2 + 3*X3^2 + 4*X4*X5
J'ai d'abord utilisé DSD, exécuté 25 expériences et simulé la réponse selon la fonction ci-dessus.
Ensuite, j'utilise le dépistage définitif Fit en décochant les options d'hérédité.
Les paramètres du modèle combiné sont X1, X2 et X7.
Dans la deuxième étape, j'ai utilisé Custome Design pour 10 facteurs avec les effets principaux du modèle et les 2ème puissances et j'ai à nouveau resimulé la réponse selon la fonction ci-dessus. (nombre de courses = 28)
Ensuite, j'ai construit un modèle OLS. Il prédit les paramètres effectifs : X1,X2,X3^2 et X10.
Selon mon étude de cas, la conception personnalisée m'a donné des résultats plus précis. Mais je ne sais toujours pas si quelque chose me manque dans DSD. Parce que lorsque l’on examine le but d’utilisation des deux modèles, le DSD semble plus approprié pour les premières étapes des expériences. Mais selon. Selon une étude de cas, même aux premiers stades, la conception personnalisée fonctionne bien. Si je manque de stgh dans DSD, je suis heureux de l'apprendre.
(par le pourquoi, lorsque j'ai augmenté la conception personnalisée en incluant des effets d'interaction à 2 facteurs avec 27 exécutions supplémentaires, OLS trouve exactement le modèle supposé.)
Si vous étiez moi, quel design choisiriez-vous ?
Cordialement.
Re : Conception de dépistage définitive pour l'optimisation@Ella veuillez prendre note de @Mark_Bailey La réponse de. Vous déclarez dans l'une de vos réponses que vous SAVEZ que les 10 facteurs ont un effet sur la réponse. Il ne s’agit pas d’une situation de dépistage. Je n'envisagerais pas une conception de dépistage définitive mais l'utilisation de tactiques optimales du DOE.
Re : Conception de dépistage définitive pour l'optimisationN'est-il pas efficace lorsque le nombre de facteurs actifs est inférieur à n/2 ? Ou est-ce quand nombre de facteurs/2 ?
Je ne sais pas si je manque quelque chose ou non, mais j'ai observé dans mon étude de simulation que la conception DSD et l'ajustement de la plate-forme DSD ne peuvent pas prédire tous les facteurs actifs. Je dois peut-être augmenter le nombre d'expériences, mais mon objectif final est de masquer l'optimisation, je me sentais plus en sécurité en commençant par la conception personnalisée.
J'espère que je me sentirai toujours plus en sécurité une fois les expériences terminées 
cordialement
Re : Conception de dépistage définitive pour l'optimisationJe veux seulement ajouter que le DSD est destiné à une situation de dépistage. Il repose sur des principes clés communs de sélection et non d’optimisation. L'un de ces principes clés est « rareté des effets .' Les conceptions sont censées être très économiques en échange de la capacité de déterminer l'importance de quelques facteurs, et non d'optimisation.
Donc, si vous vous attendez à ce que la plupart des 10 facteurs soient significatifs, le DSD n’est pas un bon choix. Les données sont insuffisantes pour trouver les facteurs actifs. En revanche, si cette étude est un véritable cas de dépistage (moins de la moitié des 10 sont finalement significatifs), c'est un bon choix.
Re : Conception de dépistage définitive pour l'optimisationSalut statman,
J'essaie de trouver des niveaux de facteurs optimaux pour atteindre les objectifs de nos réponses qui sont de minimiser la « puissance sonore » tout en indiquant « un débit compris entre une certaine plage ».
J'ai 10 facteurs continus, qui sont tous contrôlables. Tous les facteurs auxquels l'effet répond sont ces 10 facteurs, il n'y a pas de facteurs de bruit ou de nuisance.
Comme j'ai des connaissances techniques selon lesquelles les facteurs ont probablement un effet de courbure sur les réponses, j'ai prévu de commencer avec un modèle ayant un effet de puissance principal et secondaire.
À propos, pour choisir de commencer l'étude avec une conception personnalisée ou DSD, j'ai réalisé les deux types de conceptions pour 10 facteurs, simulé les réponses et essayé d'estimer les modèles OLS. Je l'ai fait 3 fois et tout le temps j'ai observé qu'en commençant l'utilisation d'une conception personnalisée prédit mieux le même modèle. C'est pourquoi j'ai choisi le design personnalisé pour commencer.
Cordialement
Re : Conception de dépistage définitive pour l'optimisationElla, en écho @P_Bartel , J'ai quelques réflexions supplémentaires concernant vos questions, mais je n'ai aucune idée de votre situation (et la plupart, sinon tous les conseils dépendraient de la situation). Première question : qu'entendez-vous par optimisation ? C’est toujours une question intéressante car elle va à l’encontre de l’idée d’amélioration continue.
Votre situation est multivariée ? Quelles sont vos variables de réponse ? Décrivent-ils clairement les phénomènes qui nous intéressent ? Il est difficile d'optimiser tous les Y simultanément. L’amélioration nécessite généralement des compromis.
Vous avez identifié 10 facteurs de conception, qu'en est-il du reste des variables (variables de bruit ou de nuisance) ? Cela ne sert à rien de « cartographier le pied de la montagne ». Aucune des stratégies auxquelles vous faites allusion ne contient de stratégies pour gérer le bruit (conditions ambiantes, variabilité des matières premières, incertitude de mesure, etc.).
Il est prématuré de généraliser sur l’approche la plus efficiente ou la plus efficace compte tenu de ce que vous nous avez dit sur votre situation. Il semble logique (dans de nombreuses situations) d'identifier un modèle raisonnable de premier ordre, de déterminer si ce modèle se répète dans des conditions changeantes, puis d'augmenter l'espace. Avoir un modèle raisonnable ne signifie pas qu’il doit être complexe. En fait, vous devriez viser un modèle simple et robuste au bruit (c'est peut-être ce que optimisation moyens).
Re : Conception de dépistage définitive pour l'optimisationMerci Bartell pour votre suggestion.
une expérience prend 3 heures. DSD propose un nombre minimum d'exécutions de 28 pour 10 facteurs, ce qui est également coûteux. Cela signifie que je n’ai aucune chance de prendre une mauvaise décision.
Comme je l'ai indiqué ci-dessous, je suis proche de DSD selon ma recherche, mais mon autre opinion est que le choix de d ou I est une conception personnalisée optimale avec des puissances principales et de 2 ordres. Ensuite, d'après les résultats, je peux l'augmenter avec une interaction à 2 facteurs.
Mais je ne sais pas quel est le moyen le plus efficace. Je suis proche du DSD mais j'ai des doutes car je ne l'ai jamais utilisé auparavant et il n'est pas suggéré de l'utiliser lorsqu'il y a plus de n/2 facteurs actifs et je ne sais pas s'il y a plus de n/2 facteurs actifs ou pas.
Cordialement.
Re : Conception de dépistage définitive pour l'optimisationIl n'existe aucun moyen de répondre à votre question « en toute sécurité » avec un quelconque degré de confiance avant de voir des données, d'utiliser vos connaissances inhérentes aux processus et de comprendre le système étudié. Les problèmes de type optimisation peuvent avoir de nombreuses voies différentes vers la résolution finale du problème. En général, j'aime votre réflexion sur le fait de commencer par une conception de dépistage définitive. Ma suggestion est de passer par cette phase du processus de résolution de problèmes. Faites une pause et réfléchissez à ce que vous avez appris jusqu’à présent. Laissez ces réflexions guider vos prochaines étapes. Partagez peut-être votre expérience DSD, avec une explication du problème et du système, des données, de votre analyse et de vos conclusions ici... et certains d'entre nous pourront peut-être faire part de leurs réflexions.
