Analyse des résultats du CCDSalut tout le monde,
J'ai fait un dépistage et une ascension la plus raide qui m'a montré un point de selle. Ensuite, j'ai mené une expérience (plan composite central ordinaire) sur cette zone pour capturer la courbure. Mais je ne sais pas comment analyser les résultats, mon modèle n'est pas significatif avec les termes quadratiques et le manque d'ajustement est important (le modèle ne devient significatif que lorsque j'élève mon modèle à la puissance 4).
Quelqu'un pourrait-il m'aider à mieux comprendre ?
Conception d'expériencesPartager et communiquer les résultatsRe: Analyse des résultats du CCDJ'ai essayé de suivre votre processus de réflexion, mais, bien sûr, je ne comprends pas la « science » de votre enquête. Je vais partager certaines de mes réflexions.
Je vois que vous avez dirigé une Res. V factorielle fractionnaire avec 3 points centraux (bien qu'il n'y ait pas de CP pour le facteur catégoriel). Il n’y a aucune mention de la signification pratique de la réponse ? Dans quelle mesure un changement dans la réponse a-t-il une importance pratique ? La signification statistique est un peu un défi car vous disposez de 3 répétitions du CP. L'un des DF est utilisé pour estimer la courbure et les autres ne sont pas attribuables et peuvent donc servir de base à l'estimation de la MSE. Comment le MSE se compare-t-il à la variation que vous constatez normalement dans le processus ? E semble être le plus "actif" avec C en seconde. Je ne vois pas grand chose (encore une fois je n'ai aucun contexte par rapport à la variable de réponse) avec le reste. Pourquoi avez-vous continué avec A et B ? Aucune trace de courbure. Un modèle basé sur E et C semble poser quelques problèmes (un événement inhabituel et les résidus ne sont certainement pas distribués normalement).
Quel modèle avez-vous utilisé pour la montée la plus raide ? On dirait que vous avez utilisé des facteurs insignifiants dans ce modèle ? Vous ne savez pas pourquoi vous avez continué si loin au-delà des meilleurs résultats dans votre méthode SA ?
Le facteur le plus important a été réglé au niveau le moins optimal... hein ? Je voudrais enquêter davantage sur ce facteur. Pourrait-il être plus quantitatif ?
Vous ne savez pas pourquoi le CCD ? Quel est le rapport avec les autres travaux que vous avez réalisés ? Soyez également prudent ici, car la signification statistique ne joue pas un rôle aussi important dans l'optimisation. Au point d’optimisation, vous connaissez déjà les facteurs importants, alors que recherchez-vous ? Des points doux (maximums locaux difficiles à maintenir) ou des points plats qui fournissent des résultats plus robustes.
Enfin, je ne vois aucune stratégie pour « gérer » le bruit ? Pas de répétitions/imbrications (bruit à court terme comme une erreur de mesure) ou de blocs ou de parcelles divisées (pour le bruit à long terme comme l'ambiance, les lots de matières premières) ?
Re: Analyse des résultats du CCDD'accord. Je ne sais pas quel niveau de E a été utilisé dans l'expérience d'ascension la plus raide - j'ai supposé SA. J'ai également fait quelques hypothèses sur la façon dont les facteurs CCD correspondent aux facteurs A, B, C, D.
J'ai rassemblé toutes les données dans un seul tableau de données (ci-joint). Je pense que cela a été utile mais ne vous donne probablement pas la réponse que vous espériez.
Il semble que quelque chose d’étrange se soit produit entre l’expérience d’ascension la plus raide et le CCD. Les résultats de ces deux phases ne correspondent pas au même modèle. Les plages de facteurs utilisées dans le CCD sont très similaires aux meilleures courses dans la montée la plus raide, mais la réponse est beaucoup plus faible dans le CCD (<100 contre 240 à 260). Encore une fois, je suppose que le réglage du facteur E est SA pour la montée la plus raide et les expériences CCD.
Quoi qu’il en soit, je ne suis pas sûr de recommander l’approche que vous avez adoptée. Les résultats de la sélection suggèrent à eux seuls que seuls les facteurs E et C sont importants. Je ne sais donc pas pourquoi vous avez également reporté les autres facteurs pour l'expérience de montée la plus raide. Je ne comprends pas la méthode de montée la plus raide car je n'ai pas utilisé cette approche. L'utilisation de plages de facteurs très étroites pour le CCD n'est pas non plus quelque chose que je recommanderais, à moins que votre objectif ne soit de déterminer si le processus est robuste sur ces plages.
J'espère que cette expérience vous a été utile, même si vous n'avez pas obtenu le résultat que vous espériez. Vous souhaiterez peut-être explorer certaines ressources pour en savoir plus sur le DOE avant votre prochain projet. Le Cours de réflexion statistique pour la résolution de problèmes industriels a un bon module sur DOE.
Re: Analyse des résultats du CCD- Le facteur D ne varie pas en CCD en raison de sa faible implication dans la réponse, je l'ai fixé constant à 0,24.
- E était un facteur catégorique, donc SA a été sélectionné au lieu de SB (malgré un meilleur résultat...., SA est plus vert)
- Ainsi, en supprimant la valeur de SB, des valeurs plus élevées sont obtenues lors de l'expérience de dépistage.
Re: Analyse des résultats du CCDIntéressant.
Quel est le lien entre les facteurs A, B, C et D et les facteurs de votre CCD ?
Lesquels des facteurs A, B, C, D ne varient pas dans le CCD et quel est le réglage ?
Quel est le niveau du facteur E pour les expériences de montée la plus raide et CCD ? (D'après votre conception de sélection, cela semble être de loin le facteur le plus important)
La réponse est-elle la même pour le dépistage, la montée la plus raide et le CCD ? (Vous avez atteint des valeurs beaucoup plus élevées avant le CCD)
Merci,
Phil
Re: Analyse des résultats du CCDBien sûr!
Ce modèle semble pertinent avec un manque d'ajustement non significatif, une valeur p significative et R2, Radj et R pred également élevés.
J'ai donc fait la montée la plus raide pour savoir comment incrémenter chaque facteur. Cette deuxième expérience fait ressortir la zone de courbure entre les expériences 4 et 5.
Re: Analyse des résultats du CCDJe suis sûr que c'est possible. Je ne connais pas vraiment rien aux méthodes d'ascension les plus raides.
Je pense toujours qu'il vaudrait la peine d'examiner votre ensemble complet de données avec vos expériences de dépistage et CCD combinées.
(Je suppose que les données de l'expérience de dépistage ne font pas partie des données que vous avez partagées - d'après votre description, il semble que vous ayez effectué un CCD complet sur une région factorielle différente par rapport à l'expérience de dépistage.)
Peut-être pourriez-vous également inclure vos données d'ascension la plus raide.
Re: Analyse des résultats du CCDMerci beaucoup @Phil_Kay et @Dan_Obermiller pour vos commentaires perspicaces.Sachant que j'ai fait la montée la plus raide avec 9 marches et que le point de selle était indiqué entre la marche 3 et 4 qui correspondent à ma plage (176-180°C) (la réponse diminue de 4 à 9). Est-il possible qu'il ne s'agisse que d'un optimum local ?
Re: Analyse des résultats du CCD非常感谢您的回复Re: Analyse des résultats du CCDje suis d'accord avec @Dan_Obermiller . Les facteurs ne semblent pas avoir beaucoup d'effet sur la réponse dans les plages que vous avez utilisées. En tant que chimiste, la plage de température semble très étroite : intuitivement, je ne m'attendrais pas à voir un grand changement dans la réponse si je change la température de 175 à 182 degrés.
Cela pourrait être une bonne chose s’il s’agit d’une étude de robustesse. Les résultats ici vous indiquent que vous pouvez faire varier les facteurs sur ces plages et obtenir une réponse cohérente.
Mais il semble plutôt qu’il s’agisse d’une étude d’optimisation. Dans ce cas, vous devrez expérimenter avec plus d'audace pour obtenir un modèle utile. Vous pouvez utiliser Augment Design dans le menu DOE pour ajouter des analyses à partir d'une plage de facteurs étendue.
Une option consiste à inclure les données de votre conception de dépistage. L'ensemble de données combiné ne sera probablement pas équilibré, mais je pense qu'il inclura des données provenant d'un espace factoriel plus large et pourrait vous permettre de créer un modèle plus utile.
Je vous ai joint des données sous forme de tableau de données JMP.
J'espère que tout cela aidera.
Phil
Re: Analyse des résultats du CCDJe ne vois pas grand chose de significatif ici non plus. En fait, je ne vois PAS de manque d'ajustement significatif puisque la valeur p pour ce test avec le modèle de surface de réponse complète est de 0,2195. Le principal problème semble être qu’il n’y a pas de changement important dans la réponse dans les plages que vous avez sélectionnées.
Même la suppression des points axiaux du plan et l'ajustement d'un modèle factoriel complet ne montrent aucun effet significatif (et ne montrent pas non plus un manque d'ajustement). Je pense que la variabilité sur vos points centraux (écart type = 5,22) est grande par rapport à l'écart type dans le reste des données. Je dirai que les plages de vos variables ne sont pas très larges. En règle générale, vous souhaitez que les plages soient suffisamment larges pour pouvoir détecter un effet. Un écart de sept degrés entre le point axial bas et le point haut et une différence de seulement quatre degrés entre les niveaux -1 et +1 ne sont pas très importants.
Re: Analyse des résultats du CCDSalut, Aaron
看起来温度是一个重要因子。
从3D plot上看，任意2个维度组成的曲线看起来不像一个抛物线。因此二次拟合效果会不好，高次拟合会造成过度拟合。
同理，如果把温度当作Z轴，剩余的两个参数当作X和Y轴，也看不出一个抛物曲面（想象一座山）。因此响应曲面应该不会很好。
高次拟合会取得更好的R平方，但是很有可能是过度拟合。
希望可以帮助到你。
