Comment sélectionner le meilleur designChers tous,
Nous aimerions faire des expériences avec 5 facteurs continus. Notre système est une réaction chimique. Nous savons qu'il existe des interactions entre les facteurs, mais nous ne savons pas dans quelle mesure. Nous aimerions maximiser la quantité de produit.
Il y a beaucoup de DOE possibles. je pense à
-conception centrale composite,
-OU la première partie (pour les effets principaux et les points centraux) et ensuite augmenter le design,
-OU DSD puis augmenter la conception
-OU conception personnalisée avec ordre 2D et interactions quadratiques
-OU conception personnalisée et sélectionnez RSM.
Comment puis-je sélectionner le meilleur design pour nous? Quel argument m'aiderait à choisir ?
Merci
BICHERe: Comment choisir le meilleur designJe parie que les 5 facteurs sont importants et vous le savez déjà grâce à une connaissance préalable de la réaction chimique. Si c'est le cas, je ne commencerais pas par une expérience de dépistage, car les principes clés du dépistage risquent de ne pas tenir. Cependant, il existe une incertitude concernant les effets des facteurs, vous pouvez donc utiliser l'attribut Estimabilité des termes du modèle pour spécifier cette incertitude.
Cela dépendra probablement de votre budget de courses. Je ferais donc un design personnalisé pour les 5 facteurs. (Est-ce que certains facteurs sont difficiles à changer ?) Je cliquerais sur le bouton RSM dans la section Modèle. Il entrera des termes dans le modèle pour toutes les interactions et non-linéarités possibles du second ordre. (Cette action changera également le critère en I-optimal.) Inspectez maintenant chaque terme du modèle. Demandez-vous si vous savez que ce terme est nécessaire, vous savez qu'il n'est pas nécessaire ou vous pensez qu'il pourrait être nécessaire. Supprimez tout terme dont vous savez qu'il n'est pas nécessaire. Laissez tous les termes que vous savez nécessaires seuls. Remplacez l'estimabilité des termes restants par Si possible. Ce processus entraînera deux changements. Le nombre minimum d'exécutions diminuera - ce nombre est égal au nombre de paramètres qui doivent être estimés. De plus, la conception sera optimale pour tous les modèles possibles. Augmentez maintenant le nombre de courses de la manière suivante. Ajoutez 3 à 4 exécutions pour chaque terme Si possible qui pourrait être significatif. Disons que j'ai 10 termes pour des interactions qui pourraient être possibles, je ne sais pas lesquels seront actifs, mais je pense que 2 d'entre eux seront actifs. Ajoutez 6-8 pistes au minimum.
Ce raisonnement et cette approche ont-ils un sens ?
Re: Comment choisir le meilleur designIl y a un certain nombre de considérations lors du choix d'un design. Personne ne sait lequel fonctionnera le mieux avant d'avoir exécuté l'expérience. Mon conseil est de créer plusieurs conceptions, de lister les avantages et les inconvénients de chacune, ce qui pourrait être appris de chacune (ce qui est séparé, ce qui est confondu et ce qui est restreint) et de peser les connaissances possibles acquises par rapport aux ressources requises.
Une chose que je ne vois pas abordée est le bruit. Il y a quelques questions :
1. Dans quelle mesure avez-vous confiance dans le système de mesure ? Des exécutions répétées peuvent aider à évaluer cela dans le contexte de l'expérience.
2. Quelles sont vos stratégies pour maximiser la probabilité que l'expérience représente des conditions futures ? Par exemple, les produits chimiques utilisés dans la réaction chimique sont probablement issus de processus continus distribués par lots. Quelle est la variation au sein du lot et entre les lots ? Les conditions ambiantes ont-elles un effet ? Êtes-vous préoccupé par la configuration du processus?
Envisagez des blocs ou des split-plots pour gérer la précision de l'expérience sans compromettre l'espace d'inférence.
3. Je suggère de créer un ordre de classement prévu des effets du modèle jusqu'à la factorielle du 2e ordre et le polynôme du 2e ordre. Cela vous aidera à décider de la résolution dont vous avez besoin et si vous considérez que l'écart par rapport à un modèle linéaire est significatif et devez donc ajouter des niveaux pour l'estimer.
4. Enfin, prédire tous les résultats possibles et anticipez ce que vous ferez avec les informations tirées de chaque résultat. Par exemple, si vous exécutez l'expérience et créez une quantité de variation pratiquement significative, mais qu'aucune de ces variations n'est attribuable aux effets des facteurs, que ferez-vous ? Si le facteur A est significatif et que le niveau + est meilleur, que ferez-vous ? Si le facteur A est significatif et que le niveau - est meilleur, que ferez-vous ? Si le facteur A est insignifiant, que ferez-vous ? etc.
Re: Comment choisir le meilleur designBonjour Statman, je pense que les points 1 et 2 sont ok. Nous avons fait des pré-tests concernant le système de mesure, et nous avons préparé les tests de manière à réduire au maximum le bruit. Merci beaucoup pour vos autres suggestions.
Re: Comment choisir le meilleur designMerci Marc.
En effet, je sais que tous ces facteurs sont importants. Cependant, je ne sais pas comment ils interagissent sur leur plage de valeurs.
De plus, pour un facteur, je ne connais pas la valeur minimale qui est nécessaire pour obtenir une quantité importante de produit. Par conséquent, la plage sélectionnée pourrait être trop grande : peut-être que la valeur sélectionnée la plus basse donnera une réponse faible, quelles que soient les valeurs des autres facteurs.
Dans l'approche que vous proposez, je comprends que l'objectif est de réduire le coût des expériences. Cependant, nous ne voulons manquer aucun effet. Par conséquent, je choisirais de garder toutes les pistes. Avec 3 points centraux (demandés par un partenaire), compte tenu des termes d'ordre 2 et quadratiques donne 28 points ; RSM donne 27 exécutions et un profil de variance de prédiction inférieur. Par conséquent, RSM semble être le meilleur.
