DoE avec un facteur contraint d'être dans un rapport avec un autre facteurExiste-t-il un moyen d'utiliser la conception personnalisée pour générer un DoE dans lequel un facteur est défini par rapport à un autre ? Par exemple, si j'ai les facteurs A, B et C, chacun à deux niveaux, cependant les deux niveaux de C sont 1:1 avec B ou 5:1 avec B. Cela crée évidemment plus de 2 niveaux réels pour C et certains d'entre eux. les combinaisons ne sont pas autorisées car elles ne maintiennent pas le ratio. Traiter le rapport (c'est-à-dire 1 et 5) comme des « niveaux » semble erroné. Je sais que cela viole les hypothèses de base.
J'ai essayé d'utiliser le filtre des combinaisons non autorisées mais je n'y parviens pas. Tout avis sera le bienvenu.
Conception d'expériencesRe : DoE avec un facteur contraint d'être dans un rapport avec un autre facteurCorrigez-moi si j'ai mal compris votre situation ou votre question. J'ai trois facteurs continus, A, B et C. Je veux concevoir une expérience, cependant, pour un modèle pour A, B et le rapport C à B. Voici les définitions des facteurs :
Je peux choisir n'importe quel modèle linéaire, dans ce cas j'ai inclus des termes d'interaction :
Je demande à JMP 16 exécutions :
La carte des couleurs sur les corrélations montre que ces estimations sont orthogonales :
Le manque de corrélation est une question de modèle et de nombre d'exécutions, mais je peux obtenir une conception équilibrée dans ce cas pour démontrer que l'orthogonalité peut être obtenue. Une autre colonne doit être ajoutée au tableau de données pour déterminer les niveaux de facteur pour C dans chaque exécution.
Re : DoE avec un facteur contraint d'être dans un rapport avec un autre facteurJ'utilise uniquement le ratio pour représenter les niveaux de l'un des facteurs, sans en remplacer deux.Re : DoE avec un facteur contraint d'être dans un rapport avec un autre facteurVous remplacez les 2 facteurs indépendants par le nouveau facteur (ratio). Le rapport sera orthogonal.Re : DoE avec un facteur contraint d'être dans un rapport avec un autre facteur@Mark_Bailey ce que je voulais dire par la question d'orthogonalité était que si le facteur sous-jacent ne varie pas indépendamment d'un autre facteur, nous pouvons toujours traiter le rapport comme indépendant.
Re : DoE avec un facteur contraint d'être dans un rapport avec un autre facteurJe ne comprends pas ce que vous demandez quand vous dites " Si le dessin est orthogonal, le reste-t-il ? " Pour moi, cette question revient à demander : « Si la voiture est rouge, est-ce qu'elle reste rouge ? donc je pense que j'ai raté quelque chose.
Cette situation me rappelle de nombreux cas avec un facteur catégorique. Les niveaux ne sont que des substituts pour un ou plusieurs facteurs continus qui restent non identifiés. Mais le modèle avec les niveaux discrets est toujours valable et utile.
Re : DoE avec un facteur contraint d'être dans un rapport avec un autre facteur@Mark_Bailey Merci Marc pour cette réponse.Donc, tant que je limite toute inférence, évaluation des résidus et prédictions, etc. rapport , cela ne violera aucune hypothèse du modèle ?Si le dessin est orthogonal, le reste-t-il ?
J'ai encore beaucoup de questions mais je veux juste être sûr que cette pratique est légitime. Merci!
Re : DoE avec un facteur contraint d'être dans un rapport avec un autre facteurJe ne suis pas sûr qu'il y ait quelque chose de mal à utiliser le facteur C comme rapport (multiplicande) pour B. Vous construisez un modèle empirique, donc tant que vous considérez C comme le rapport et que vous l'utilisez comme tel dans les prédictions du modèle, cela devrait aller. Voici un exemple:
Vous pouvez ajouter une colonne de données après avoir créé le tableau de données pour déterminer le niveau réel de C afin de maintenir le ratio.
Vous utilisez C dans le modèle et Actual C dans la configuration de chaque exécution. Le modèle pourrait être utilisé pour trouver les A, B et ratio (C) optimaux.
Re : DoE avec un facteur contraint d'être dans un rapport avec un autre facteurJe ne connais pas la situation spécifique, donc je ne peux pas être sûr des problèmes pratiques, techniques ou statistiques, mais voici mes réflexions :
1. Si vous n'êtes pas concerné par l'interaction de C avec B, vous pouvez imbriquer C dans B. Dans ce cas, vous auriez 2 niveaux différents de C pour chaque niveau de B.
2. Si vous connaissez déjà la dépendance de B & C, vous pouvez simplement créer une variable avec est à 2 niveaux et ces niveaux incluent les combinaisons de B & C qui sont appropriées. Par exemple, dans la fabrication du papier, pour déterminer quels facteurs affectent le poids du papier, je pourrais avoir 2 facteurs Pâte vierge et Pâte rebroyée. Je pourrais expérimenter chacun de ces facteurs en tant que facteurs séparés ou en tant que facteur 1 avec 2 ratios différents.
