Re : Doe ajoute des données aux courses de doe existantesVoici ce que je suggère... créez une deuxième table de données JMP qui est la conception originale fusionnée avec les exécutions supplémentaires. La manière dont vous procédez peut aller de la saisie manuelle des exécutions supplémentaires à la concaténation d'une table de données. Ensuite, AVANT l'analyse, je suggère d'exécuter la plate-forme Compare Designs pour voir comment le plus grand design se compare au design original. Voici un lien vers la plateforme Compare Designs.
Comparer les conceptions
Accorder une attention particulière aux diagnostics de conception pour l'estimation des effets. Si les points ajoutés changent matériellement de manière négative, votre capacité à estimer les effets, vous devrez prendre une décision concernant l'opportunité d'une telle fusion si l'estimabilité des effets est très importante pour vous. L'une des caractéristiques les plus souhaitables de la plate-forme JMP Custom Design est que la conception est pilotée par le modèle. Par conséquent, la conception prendra en charge de manière optimale l'estimation des effets que vous articulez. En ajoutant des combinaisons de traitement supplémentaires à l'expérience, vous pouvez par inadvertance avoir un impact négatif sur la capacité à estimer les effets.
Re : Doe ajoute des données aux courses de doe existantesPierre, salut ! Merci pour une belle explication. Mes collègues souhaitent également ajouter des exécutions supplémentaires à certains points spécifiques de l'espace de conception. Je ne comprends pas, pourquoi le ferais-tu ? Quel est le rationnel derrière cette approche? Y a-t-il un terme spécifique utilisé pour cela (cela m'aiderait à trouver des références) ? Merci et salutations.
Re : Doe ajoute des données aux courses de doe existantesSalut @Aziza ,
@P_Bartell suggère d'exécuter en parallèle les deux plans (plan original et plan avec points supplémentaires), pour vérifier et calculer que les estimations des paramètres trouvées dans le modèle original sont suffisamment similaires à celles du plan avec points supplémentaires, et/ou que vous ne manquez aucun autre terme/effet, et/ou que vous n'avez pas de manque d'ajustement avec un éventuel degré de liberté supplémentaire ajouté avec les nouveaux points.
Notez qu'en fonction des nouvelles valeurs ajoutées (et du bruit), cela peut changer les termes du modèle. Vous devrez peut-être :
- ajouter de nouveaux termes dans votre deuxième modèle (s'il n'y avait pas assez de points pour les estimer/détecter précédemment dans le DoE ou s'ils n'étaient pas assez significatifs),
- supprimez les termes existants dans votre deuxième modèle (car les nouveaux points montrent un comportement inverse/opposé par rapport aux expériences précédentes faites dans le DOE, donc les effets ne sont plus significatifs),
- conserver simplement les mêmes termes qu'auparavant, avec une augmentation possible de la précision de l'estimation des paramètres (en fonction de la variance expérimentale).
Une "autre" option (à faire peut-être avant la comparaison des modèles) pourrait également être d'utiliser les points nouvellement ajoutés (pas de la conception d'origine) comme points de validation (dans la tradition de la validation définie dans Machine Learning). De cette façon, vous vérifiez que le modèle créé sur la base du DoE est suffisamment précis et peut se généraliser à de nouvelles expériences réalisées en visualisant les résidus et en comparant votre ou vos métriques de performance (R², R² ajusté, RMSE, ... selon votre objectif) entre les points du modèle (ensemble d'apprentissage) et les points nouvellement ajoutés (ensemble de validation).
En fonction des différences que vous trouvez entre les résultats du modèle sur les ensembles d'apprentissage et de validation, vous devrez peut-être explorer les modèles plus précisément et passer à la méthode de comparaison des modèles, pour découvrir et comprendre quelles sont les différences et les conséquences de l'ajout de nouveaux points.
J'espère que cela vous aide 
Re : Doe ajoute des données aux courses de doe existantesJe vais apporter quelques réflexions à vos questions :
1. "Quel est le rationnel (sic) derrière cette approche ?" Je pense que tu voulais dire "rationnel" ? Voici donc mes pensées. Commençons par l'ajout d'exécutions AVANT de mener l'expérience. Quelqu'un pourrait rationaliser cela en disant quelque chose comme, eh bien, la conception optimale n'inclut PAS les combinaisons de traitements pour lesquelles nous avons très certainement besoin de résultats empiriques, donc ajoutons-les simplement à la conception plutôt que de lancer une deuxième expérience avec ces combinaisons. Une question de confort et de praticité surtout. Un autre exemple de ce genre de chose consistait à ajouter ce que nous appelions des "vérifications" à l'expérience originale. Une « vérification » pour nous était une ou plusieurs combinaisons de traitement où nous avions une très bonne idée de ce que seraient les réponses et nous utilisions la « vérification » comme un moyen de nous rassurer qu'il n'y avait pas de gros bruit ou de facteurs de nuisance. influencer l'équilibre des résultats. Nous n'avons jamais inclus les « chèques » dans l'analyse. La grande mise en garde est que l'approche DOE optimale est basée sur le modèle, et l'ajout de combinaisons bon gré mal gré ET l'inclusion de ces combinaisons dans l'analyse peut par inadvertance rendre plus problématique l'obtention des informations de l'analyse que vous recherchiez avec la conception d'origine.
2. Si vous ajoutez les combinaisons de traitement à la conception originale APRÈS la réalisation de l'expérience originale, c'est ce que beaucoup appellent « augmenter » la conception originale. La raison derrière cela est souvent assez simple... l'analyse de la conception originale ne nous a pas permis de résoudre le problème pratique à résoudre... mais nous pensons que nous sommes sur la bonne voie... et en ajoutant bien pensé ( en utilisant des stratégies et des tactiques DOE optimales) les courses à la conception originale nous mèneront plus près de la résolution du problème à résoudre. Des exemples pourraient être... nous devons estimer des interactions ou des effets quadratiques qui n'étaient pas estimables à partir de notre conception d'origine. Ceci est assez facile à réaliser dans JMP à l'aide de la plate-forme Augment Design. Voici un lien vers cette section de la documentation en ligne de JMP qui décrit les stratégies et les tactiques de conception d'augmentation et la "comment faire" dans JMP, y compris un exemple : Conceptions améliorées dans JMP
Enfin, pour une référence et un exemple, je suggère le chapitre 3 de Joos et Jones "Optimal Design of Experiments A Case Study Approach".
J'espère que cela t'aides?
Re : Doe ajoute des données aux courses de doe existantesMerci beaucoup, Peter pour une formulation très perspicace et claire de la réponse. Je comprends mieux maintenant. Je ferai également bon usage des références que vous avez mentionnées. J'apprécie votre aide. Sincèrement.
Re : Doe ajoute des données aux courses de doe existantesJ'ajouterai mes réflexions aux excellentes suggestions déjà notées:
L'ajout de répétitions supplémentaires des mêmes combinaisons de traitement "plus tard" ajoute du bruit supplémentaire à l'étude. Vous devez faire attention à la façon dont vous analysez les exécutions supplémentaires. Puisqu'il semble que vous (et/ou vos collègues) choisissez "sélectivement" les traitements à répliquer, soyez conscient de ce biais. (voir les articles sur les modèles de blocs aléatoires complets (et incomplets, BIB)), par exemple :
Sanders, D., Leitnaker M. et McLean R. (2002) "Conceptions de blocs complets randomisés dans les études industrielles" Ingénierie Qualité, Vol. 14, Numéro 1
Il peut être extrêmement avantageux d'augmenter l'espace d'inférence en exécutant des répétitions sur un bruit changeant. Si cela est fait systématiquement/délibérément, vous pourriez obtenir une meilleure compréhension des mécanismes à l'œuvre (quels facteurs ont un effet) et si ces effets de facteurs sont robustes aux conditions changeantes (bruit). Si cela est fait de manière aléatoire, vous augmentez l'espace d'inférence, mais cela affecte négativement la précision de la conception.
Re : Doe ajoute des données aux courses de doe existantesMerci beaucoup pour votre contribution. Je vais en tenir compte et revoir les références. J'apprécie votre temps et votre soutien.
Doe ajoutant des données aux courses de doe existantesSalut,
J'ai conçu et exécuté une biche personnalisée. De plus, j'ai des résultats avec les mêmes paramètres que je veux également mettre dans l'analyse d'ajustement. y a-t-il une option pour cela?
merci
Conception d'expériencesPartage et communication des résultats
