Ajustement d'un modèle de surface de réponse avec quatre facteurs (un facteur est un facteur de nuisance)J'ai conçu un DoE pour étudier l'influence des facteurs sur un processus de filtration. Tout d'abord, j'ai conçu un DoE factoriel fractionnaire pour étudier 4 facteurs à deux niveaux (faible et élevé). Dans l'évaluation, je trouve que l'un des quatre facteurs n'a aucune influence sur les réponses et n'est pas pris en compte dans les autres conceptions de DoE. La conception est ensuite augmentée pour inclure des points étoiles avec les trois autres facteurs. On remarque alors qu'il existe un facteur de nuisance qui n'a pas été contrôlé dans le DoE factoriel fractionnaire et qui n'a pas non plus été contrôlé dans la conception augmentée. Il devrait avoir un impact sur une ou plusieurs réponses. Ce facteur de nuisance dépend cependant de l'un des trois facteurs (d'un point de vue calcul). Les valeurs du facteur de nuisance ont été calculées pour les deux modèles expérimentaux et incluses dans le tableau de données du JMP pour évaluation. Maintenant, la conception contient quatre facteurs.
Comme il n'y a pas de «niveaux» pour le facteur de nuisance en soi, est-il valide d'adapter un modèle de surface de réponse aux données? Ou un modèle / approche différent serait-il approprié dans ce cas?
AnalytiqueBICHERe: Ajuster un modèle de surface de réponse avec quatre facteurs (un facteur est un facteur de nuisance)Chaque situation nécessite une compréhension approfondie des mécanismes à l'œuvre. Malheureusement, vous ne fournissez pas suffisamment de conseils spécifiques, mais je vais partager mes réflexions. Comment avez-vous découvert le facteur bruit et son effet sur les réponses? La variable de bruit est-elle mesurable? Si tel est le cas, vous pouvez envisager de le traiter comme une covariable. Dans quelle mesure êtes-vous proche des résultats «optimaux» ou souhaités? Quelle est la variable de bruit? Est-ce quelque chose à voir avec les matières premières? Pouvez-vous travailler avec le fournisseur des matières premières pour réduire la variabilité? Avez-vous étudié le processus de cohérence / stabilité par échantillonnage dirigé? Je ne sais pas ce que vous entendez par " Ce facteur de nuisance dépend cependant de l'un des trois facteurs (du point de vue du calcul). " Si vos facteurs de conception interagissent avec la variable de bruit, c'est un problème. C'est une indication que votre processus n'est pas robuste. Vous devrez chercher comment devenir robuste à la variable de bruit. Cela peut inclure la recherche de niveaux pour les facteurs de conception ou la recherche d'un autre facteur de conception qui minimise l'effet du facteur de bruit. Cela peut également nécessiter une nouvelle conception du processus. Bien sûr, la bonne nouvelle est que vous avez identifié le facteur de bruit et que vous pouvez donc reproduire vos expériences sur ce facteur de bruit changeant pour estimer la robustesse. Y avait-il des signes de courbure à partir des points centraux? Sinon, pourquoi ajoutez-vous des points étoiles pour estimer les effets non linéaires?
Re: Ajuster un modèle de surface de réponse avec quatre facteurs (un facteur est un facteur de nuisance)Ici, je vais fournir plus de détails sur la conception expérimentale.
L'un des facteurs du DoE était la concentration de protéines (en g / L) dans la solution d'entrée. Il était prévu de filtrer le même volume de solution d'entrée pour chaque expérience (nous mesurons cela).Par conséquent, la teneur en protéines filtrée dans chaque expérience serait différente. La teneur en protéines est indiquée sous forme de filtre g / m2 et est considérée comme le facteur de nuisance (peut-être un meilleur terme est-il nécessaire).Dans certaines expériences, les filtres bloqués et la totalité de la solution n'a pas pu être filtrée (probablement en raison de concentrations élevées de protéines). Par conséquent, nous avons proposé de déterminer la teneur en protéines filtrée dans chaque expérience et de voir si cela avait un impact sur les réponses (le plus intéressant serait l'effet sur la décroissance du flux).
Pour répondre à votre question sur la courbure, nous avons en fait détecté une courbure à partir des points centraux et donc ajouté des points étoiles au dessin. De plus, nous ne cherchons pas à optimiser notre processus mais à établir des gammes qui garantissent la robustesse des processus.
Re: Ajustement d'un modèle de surface de réponse avec quatre facteurs (dont un facteur parasite)@Michael_Mart, d'après votre deuxième réponse, il semble que vous devriez suivre le conseil de @statman et traiter le « facteur parasite », comme vous l'appelez, comme une « covariable » dans JMP, du point de vue de la conception et de l'analyse expérimentales. Avez-vous la possibilité de revenir en arrière et d'analyser le plan factoriel fractionnaire en incluant la covariable ? Cela pourrait également être instructif. Voici un lien vers la section de la documentation JMP relative aux covariables : Expériences avec covariables dans JMP
Vous pouvez également vous procurer l'ouvrage de Goos et Jones, « Optimal Design of Experiments », pour obtenir plus de détails et d'exemples d'utilisation de covariables dans une étude basée sur la méthode DOE.
