Conception d'expérience de dépistage factoriel avec réponse nominale ?Salut tout le monde,
Je me demandais s'il existe une bonne stratégie pour concevoir un ensemble d'expériences afin de trouver les facteurs ayant le plus d'effet sur la réponse, qui est nominale (type de réponse oui/non, réussite/échec) au lieu de la réponse continue typique ? Bien que pour une réponse nominale, une régression logistique puisse être effectuée sur les données disponibles, je doute que le plan factoriel factoriel/fractionnel habituel fonctionne toujours dans ce cas (puisqu'il est destiné à une réponse continue). Quelle serait l’approche appropriée dans ce cas ? Veuillez m'indiquer tous les termes/théories pertinents si quelque chose vous vient à l'esprit.
Merci d'avance.
Conception d'expériencesRe : Conception d'une expérience de dépistage factoriel avec réponse nominale ?Bienvenue dans la communauté. Vous avez raison : avoir une réponse nominale présente des défis particuliers, et le conseil de Pete est juste. L’un de ces défis est que la réponse peut être le résultat de multiples mécanismes de défaillance. Il manque une discrimination pour séparer ces mécanismes (qui peuvent avoir des structures causales différentes).
Bien entendu, vous pouvez utiliser l'expérimentation pour mieux comprendre les relations causales potentielles entre les variables indépendantes et la ou les variables de réponse dépendantes. Cela est vrai quelle que soit la variable de réponse. Certes, l’expérimentation n’est peut-être pas très économe en ressources pour les réponses nominales, mais elle sera néanmoins efficace. Mon premier conseil serait de réfléchir à la manière de quantifier les « phénomènes » (réponse). Que signifie la réponse oui ou réussite ? Passer quoi ? À titre d'exemple, le Dr Box décrit une expérience sur des ressorts fissurés dans l'un de ses articles (« Le contexte scientifique de l'amélioration de la qualité »). Il a pu utiliser le % bon comme réponse et découvrir des moyens d'améliorer les performances du ressort. Existe-t-il d’autres moyens de quantifier les phénomènes ? Comme suggéré, si vous êtes capable de détecter des gradations ou des catégories de « bonté », vous pourrez peut-être utiliser une échelle ordinale. Lors de mes discussions avec le Dr Taguchi, il a toujours souligné l'importance de développer des variables de réponse appropriées... dans de nombreux cas, en créant une nouvelle variable de réponse pour donner un aperçu du problème en question.
Dans tous les cas, supposons que vous n’ayez qu’une réponse nominale. Quel type de taux d’échec existe actuellement ? Si le taux d'échec est élevé (peut-être> 10%), alors vous devriez pouvoir détecter assez facilement un changement dans ce taux grâce à l'expérimentation. Si le taux d'échec est faible (<5 %), l'expérimentation pourrait être inefficace car vous devrez peut-être disposer d'échantillons de grande taille pour détecter les différences. De plus, compte tenu de la nature de la réponse, assurez-vous que l’espace de conception est large (de nombreux facteurs potentiels sont définis en gras).
Re : Conception d'une expérience de dépistage factoriel avec réponse nominale ?Il n’y a absolument aucune raison a priori pour laquelle une réponse nominale exclut ou fait de la bonne pratique de la conception expérimentale une mauvaise voie vers la découverte. Tous les principes des bonnes méthodes du DOE s’appliquent toujours. En tant qu'ingénieur système senior chez JMP (aujourd'hui à la retraite), j'ai fait appel à de nombreuses entreprises de produits de consommation qui utilisent le DOE comme élément vital de leurs efforts de conception de produits. Industries et segments de marché aussi variés que les bonbons, les soins personnels/hygiène/cosmétiques, jusqu'aux additifs alimentaires/épices. Très souvent, ils utilisent des panels sensoriels d'évaluateurs de produits et presque universellement, les personnes qui siègent dans ces panels fournissent des données de réponse de type nominal pour les conceptions expérimentales spécifiques qui ont été exécutées. En fait, en fonction du problème spécifique à résoudre, vous pouvez trouver l'une des conceptions les plus spécialisées qui supposent des réponses nominales prises en charge par JMP, telles que Choice, Max Dif ou Covering Arrays. Mais il n'y a aucune raison pour qu'un bon vieux plan factoriel fractionnaire à 2 niveaux ou plus moderne tel qu'un plan D-optimal ne puisse pas ou ne devrait pas être utilisé à des fins de sélection.
