Comment créer mon modèle à partir de données sensoriellesChère communauté JMP,
pour mon mémoire de master, je souhaite optimiser le processus d'une boisson chaude. J'ai 5 facteurs (X1 – X5), dont l'un est un facteur difficile à modifier (X1) et 10 variables de réponse (Y1-Y10). Les réponses sont mesurées avec un panel sensoriel formé (8 à 11 évaluateurs).
J'ai créé une conception RSM personnalisée avec 243 exécutions (en gros, la conception comporte 27 exécutions (nombre minimum), mais chaque évaluateur (supposons 9 évaluateurs) note les 27 exécutions pour obtenir un score plus précis (27*9=243)) . Chaque évaluateur peut évaluer 3 échantillons par parcelle entière (= jour).
J'ai considéré l'inclusion de la température de l'échantillon dans la coupelle comme un facteur incontrôlé. Cependant, elle est mesurée après évaluation de l'apparence visuelle et peut donc varier en fonction du temps qu'une personne met pour évaluer l'apparence de l'échantillon. La température dans la tasse pourrait être en corrélation avec le processus (par exemple, une température élevée dans la tasse -> de l'eau plus chaude a été utilisée pendant le processus -> pourrait affecter la saveur globale). Dois-je l'inclure ?
Pour l'évaluation de la conception, je pensais utiliser la fonction de désirabilité pour optimiser simultanément mes réponses et obtenir les paramètres de facteurs optimaux.
Maintenant mes questions :
- J'ai entré les facteurs comme continus, car je pense que les estimations seront alors plus précises. En fin de compte, cependant, j'aimerais atteindre au mieux un niveau de facteur déjà défini (par exemple, la température dans le processus est un facteur (87 - 95 °C ; les niveaux définis sont 87, 89, 91, 93 et 95 °C) et en optimisation, je préférerais atteindre l'un de ces niveaux). Dois-je plutôt choisir des facteurs discrets, ou simplement arrondir les paramètres optimaux à mes niveaux de facteurs (le cas échéant) ?
- Est-il exact que je génère une conception avec 243 exécutions ? Parce que je pense que je veux considérer les «réplicats» non pas comme des réplicats, mais comme des mesures répétées, pour obtenir un résultat plus précis comme je l'ai dit. Mais je veux tenir compte de la variabilité des évaluateurs (c'est pourquoi je ne veux pas utiliser les valeurs moyennes).
- Comment puis-je inclure les évaluateurs dans ma conception ? J'ai généré une colonne supplémentaire et inclus le terme comme effet aléatoire dans mon modèle. De plus, comment définir le rôle de conception et le type de données ?
- Et est-ce que les évaluateurs doivent toujours être les mêmes 9 personnes ou peuvent-ils varier d'une parcelle entière à l'autre ? (Chaque évaluateur a un identifiant individuel.)
- La fonction de désirabilité est-elle suffisante pour construire mon modèle et optimiser toutes les réponses simultanément ou dois-je utiliser d'autres méthodes de modélisation prédictive (Bootstrap Forest, K Nearest Neighbor,…) pour recevoir une bonne estimation de mon modèle ?
- Et j'utilise une référence de boisson pour « calibrer » le panel (les évaluateurs boivent et évaluent toujours la référence en premier, puis les échantillons suivent ; la boisson de référence provient d'un processus différent). Dois-je inclure la référence dans mon modèle ? Si c'est le cas, comment?
Merci pour votre aide et j'apprécie toutes les erreurs que vous trouvez dans ma conception/modèle !
PS : Le fichier ci-joint contient mon modèle précédent et pour la fausse évaluation, j'ai utilisé d'anciennes données sensorielles (je n'ai pas encore commencé mes mesures).
Personnalisation de masseIngénierie Qualité et ProcédésRe : Comment créer mon modèle à partir de données sensoriellesSur la base de votre réponse, je vous suggère de lire quelques livres sur le DOE, ou peut-être de consulter certains documents de référence en ligne sur le DOE fournis par JMP, par exemple :
https://www.jmp.com/en_us/events/getting-started-with-jmp/doe-intro-kit.html
1. Pardonnez ma simplification excessive, mais le DOE n'est pas un test. Lors de l'expérimentation, vous recherchez des indices sur la structure causale liée à chaque variable de réponse. Un test est effectué pour désigner un gagnant. C'est pourquoi, en exécutant une expérience, vous commencerez probablement avec plusieurs facteurs définis à 2 niveaux gras pour évaluer l'effet linéaire, éliminerez les facteurs les moins intéressants, puis continuerez à itérer (déplacer l'espace et augmenter) avec les facteurs restants. Si vous expérimentez plusieurs facteurs à 2 niveaux, vous pouvez obtenir des estimations des effets principaux linéaires et des effets d'interaction, en fonction de la résolution du plan. Si vous ajoutez des niveaux, vous pouvez obtenir des estimations des effets non linéaires (3 niveaux - quadratiques, 4 niveaux - cubiques, etc.). En règle générale, vous construisez vos modèles dans une approche en série de Taylor où vous commencez par des effets Maine linéaires, puis des effets d'interaction linéaires, puis quadratiques, etc. (construction du modèle du premier au 2ème au 3ème... ordre). Mais l’intention n’est pas de créer un modèle complexe, l’intention est de garder le modèle aussi simple que possible tout en ayant un modèle qui fonctionne pour la prédiction.
2. Les covariables sont un moyen de gérer un facteur que vous ne pouvez pas contrôler/gérer spécifiquement, mais qui peut être mesuré. Nous intégrons cette variable aléatoire dans le modèle à effets fixes (du DOE). La prise en compte de la covariable augmente la précision de l'expérience sans compromettre l'espace d'inférence. Bien entendu, vous analysez maintenant un modèle mixte.
3. Je ne connais pas la méthode d'analyse descriptive quantitative, mais elle semble intéressante. Je suis toujours préoccupé par la perception sensorielle humaine en tant que variable de réponse. D'après mon regard rapide, la mesure est un intervalle.Comment assurer la cohérence et atténuer les biais est un défi. Je ne vois pas comment cette méthode gère l'un ou l'autre de ces problèmes. Il existe de nombreux documents de recherche sur le nombre d'unités d'une échelle qui peuvent être utilisées de manière cohérente pour la perception humaine.
Re : Comment créer mon modèle à partir de données sensoriellesMerci pour cette réponse rapide @statman
Je ne suis pas statisticien et je n'ai jamais entendu parler du DOE avant mon mémoire de maîtrise et malheureusement je n'ai pas de superviseur qui puisse me guider. C'est pourquoi je cherchais de l'aide ici dans la communauté 
Il y a en effet deux températures comme vous l'avez décrit. Pour la température de production, je ne veux pas trouver de polynômes du 4ème ordre. Les 5 niveaux peuvent être choisis dans la machine et j'essaie d'en « tirer le meilleur ».
Et pour la température de consommation : Si je la définis comme une covariable, alors les températures doivent être connues à l'avance et seront ajoutées à mon design. Mais je ne peux pas garantir cette température pour le traitement. Ou est-ce accessoire ?
En fait, j'utilise une variante de la méthode d'analyse descriptive quantitative pour mon évaluation sensorielle, donc je ne pense pas avoir de données ordinales. Les évaluateurs évaluent les intensités des attributs définis à l'aide d'une échelle linéaire non structurée avec deux points d'ancrage verbaux aux extrémités. La longueur totale de l'échelle est convertie en valeurs numériques entre 0 (intensité la plus faible) et 100 (intensité la plus élevée) après la mesure. La distance entre les données est donc connue et a une signification. Les échantillons de référence sont utilisés pour, espérons-le, calibrer les mesures d'intensité des évaluateurs et obtenir une évaluation plus cohérente.
Mais je pense que je peux toujours utiliser certains conseils du journal. Ou en avez-vous également un pour les données quantitatives ou l'évaluation de la cohérence y est-elle différente ?
Re : Comment créer mon modèle à partir de données sensorielles@kPvDoE Ma première pensée est la suivante : puisque cela fait partie de votre mémoire de maîtrise, quels conseils devrions-nous fournir ? Je n'ai pas regardé votre design/modèle.
Les évaluations multiples pour chaque traitement ne doivent pas être incluses dans la création de la conception. Ces évaluations multiples sont bien des répétitions et ne sont pas indépendantes des traitements, et ne constituent donc pas des degrés de liberté supplémentaires. Les « notes » au sein du traitement doivent être évaluées avant de résumer puis d’analyser les effets du traitement. Le facteur température pose un petit dilemme. Il y a deux températures ? L’un pour préparer (ou fabriquer) la boisson et l’autre pour l’évaluation de la boisson ? Il semble que vous expérimentiez le facteur de conception à 5 niveaux (pourquoi, vous attendez-vous à un effet polynomial du 4ème ordre ? Ou essayez-vous de « choisir un gagnant » ? La température à laquelle la boisson est consommée pourrait être une covariable.
Pour l'évaluation intra-traitement, je suppose que vous utilisez une échelle ordinale sensorielle ? Pour une évaluation sur une échelle ordinale, vous devez d’abord évaluer la cohérence des évaluations entre les 9 évaluateurs et identifier toute valeur aberrante ou biais potentiel. Il serait utile de tracer leur réponse et de rechercher des modèles systématiques. Ensuite, le cas échéant, résumez ces évaluations avec une moyenne/médiane et une certaine mesure de dispersion (plage ou écart type). En ce qui concerne la référence, je vous suggère d'avoir un échantillon réel de chaque catégorie de l'échelle ordinale. L'évaluation doit être « à quel échantillon correspond l'échantillon de test » par rapport à celui que vous préférez (car cela implique des préjugés personnels). J'ai joint un document simple que j'utilise pour fournir des conseils sur l'utilisation de l'échelle sensorielle/ordinale.
