Simplifier les étapes du DoE
Je fais une feuille de route de l'utilisation du DoE ici dans notre département. Voici mes pensées. S'il vous plait corrigez moi si je me trompe.
Étape 1. Identifiez si les facteurs sont continus et catégoriels à 2 niveaux. Ensuite, utilisez DSD car identifie les effets principaux et les effets de second ordre.Les effets quadratiques sont orthogonaux aux effets principaux et ne sont pas complètement confondus avec les interactions à deux facteurs. Un effet quadratique pourrait être corrélé avec des effets d'interaction. Une grande utilisation de ceci est pour la synthèse organique puisque la plupart des facteurs sont continus et catégoriels à 2 niveaux (type de catalyseur, acides ou bases). Que diriez-vous si le facteur catégoriel est de niveau 3, puis-je toujours utiliser DSD ?
Étape 2. Si les facteurs ne sont pas continus et catégoriels à 2 niveaux, utilisez une conception personnalisée.
Je crois que l'approche standard dans le DoE consiste à effectuer un dépistage (effets principaux) et à effectuer une augmentation pour ajouter des effets d'ordre supérieur.
Mais, je veux simplifier notre protocole DoE ici dans notre laboratoire. Généralement, nous n'avons que 6 facteurs ou moins. Pouvons-nous aller de l'avant dans l'optimisation sans faire de filtrage (effets principaux uniquement) en utilisant une conception personnalisée ?
Quels sont les avantages et les inconvénients de faire les deux ?
Enfin, je suis confondu avec le numérique catégoriel et le numérique discret. Pouvez-vous développer et donner des exemples ? Les notes sont-elles catégoriques ? J'ai un équipement qui ne peut être réglé que sur 1, 3 et 5, est-ce numérique catégorique ou discret ?
Merci
Merci.
BICHERe : Simplifier les étapes du DoEBonjour @Alainmd02 ,
Je pense qu'il n'y a pas de design parfait pour tous les cas d'utilisation, et la difficulté est de choisir et de créer le design le plus pertinent pour chaque cas d'utilisation. DSD est une conception de dépistage efficace, mais vous pourriez peut-être trouver d'autres solutions acceptables (ou peut-être meilleures) en utilisant directement la conception personnalisée, avec un critère d'optimalité défini sur D-Optimal ou Alias-Optimal. Le choix de conception dépend également du nombre et du type de facteurs que vous avez : si nombre de facteurs > 5 et que vous avez 1 ou 2 facteur(s) catégoriel(s) maximum, alors DSD peut être intéressant à considérer. En dessous de 5 facteurs ou avec plus de 2 facteurs catégoriques, la conception personnalisée peut être la voie à suivre.
Pour vos questions :
-> DSD ne peut traiter que des facteurs catégoriels à 2 niveaux, aucun critère à 3 niveaux n'est autorisé.
-> L'augmentation peut être la meilleure façon de procéder, car vous n'augmenterez que sur des facteurs significatifs. Si vous essayez de tout faire en même temps, il est probable que vous vous retrouviez avec quelques expériences supplémentaires (car vous vous attendez à construire un modèle complet avec des effets principaux, des interactions et peut-être des effets quadratiques) à faire par rapport à la méthode d'augmentation. Si la différence en termes de nombre d'expériences n'est pas si grande, c'est peut-être un petit prix à payer pour plus de simplicité. Vous pouvez également considérer la nouvelle conception OMARS comme un compromis entre les conceptions DSD et RSM complètes, peut-être ?
-> Pour une bonne explication sur le type de facteurs, le cours STIPS sur le DoE peut vous aider.
Très brièvement, lorsque vous avez des facteurs catégoriels, votre objectif est de choisir un niveau parmi l'ensemble des options que vous avez saisies. Vous ne pouvez pas avoir d'effets quadratiques pour les facteurs catégoriels, uniquement les effets principaux et les interactions. Pour N niveaux dans votre facteur catégoriel, vous aurez N-1 coefficients à estimer pour les effets principaux. Exemple d'effet catégoriel pouvant être : Opérateurs (opérateur 1, opérateur 2, opérateur 3...), nature chimique du réactif, ... Quelque chose qui n'est pas décrit par des chiffres.
Les numériques discrets sont des nombres, la seule contrainte est que vous ne pouvez avoir aucune valeur entre deux nombres. Dans votre cas, avec votre équipement qui peut être réglé sur 1, 3 ou 5, vous pouvez choisir n'importe lequel de ces trois paramètres, mais pas 2,244434 par exemple. Même exemple pour la température du four où vous aurez des valeurs numériques discrètes, vous pouvez régler la température à 180, 200 ou 220°C, mais pas à 195 ou 210°C.Pour les facteurs numériques discrets, vous pouvez estimer les effets principaux, les interactions, les effets quadratiques... comme pour les facteurs numériques continus.
Selon la "nature" de la notation, ils peuvent être vus comme différents types de réponses :
- Pour les élèves et les enseignants, les notes sont plus susceptibles d'être une réponse continue,
- Si la note est comme une cotation (1 : très bon, 2 : bon, 3 : moyen/neutre, 4 : mauvais, 5 : très mauvais) alors c'est numérique discret,
- Si la note est comme A, B, C, ... alors la réponse est catégorique.
Je pense que dans JMP 17, un nouveau module sera très utile pour vos collègues : il s'appelle "Easy DoE", et les types de facteurs, paramètres à prendre en compte... sont expliqués étape par étape jusqu'à la construction de votre conception finale.
J'espère que cette réponse vous aidera ! 
Re : Simplifier les étapes du DoEJe comprends ce que vous essayez de faire, mais vous avez probablement trop simplifié le processus de sélection appropriée (sélection de la conception la plus efficace et la plus efficiente pour répondre à vos questions). Il y a beaucoup de choses à prendre en compte pour choisir l'outil approprié à utiliser. Ce que j'insiste, c'est le développement d'un ensemble de diagnostics de situation pour guider la sélection des outils. Sans une compréhension de la situation, vous risquez d'avoir une expérience mal conçue. Une analogie : votre stratégie DOE est d'utiliser DSD comme un marteau, mais vous voulez faire une coupe. Il n'y a pas de stratégie unique qui convienne à toutes les situations.
Voici une liste abrégée de critères pour vous aider à choisir la conception appropriée :
- Contraintes : Temps, argent, disponibilité du matériel, capacité de mesure/équipement, etc. Combien de traitements pouvez être fait (cela devra probablement être négocié) ?
- Combien de facteurs sont à manipuler (le nombre d'hypothèses à comparer) ?
- Comment le bruit sera-t-il géré ou partitionné (Repeats, RCBD, BIB, Split-plots, covariables...) ?
- Certains facteurs sont-ils plus difficiles à modifier que d'autres ?Existe-t-il d'autres restrictions à la randomisation ?
- Quels sont les effets prioritaires (voir ci-dessous) que vous souhaitez estimer ?
- Des effets d'ordre supérieur sont-ils suspectés/prédits (par exemple, interactions, courbure) ?
- Quelle est la résolution souhaitée ? (Quels effets voulez-vous estimer/séparer ?)
- Quel polynôme d'ordre est nécessaire ?
À mon humble avis, le type de facteur a moins à voir avec la sélection de l'expérience et plus avec la façon dont l'expérience doit être analysée (quel modèle ou plate-forme d'analyse)
Re : Simplifier les étapes du DoEje vais ajouter à @statman que ce sujet est approfondi et bien couvert par des manuels et des cours, à partir desquels vous pourriez glaner des idées sur la façon de dire aux enquêteurs de votre région comment procéder. Les livres de statistiques ont souvent une mauvaise réputation, mais les livres sur le DOE sont plutôt bons (bien écrits, compréhensibles, pratiques, exploitables, etc.). Si vous souhaitez en savoir plus de cette façon, faites-le nous savoir. Nous pouvons vous proposer des livres en fonction de vos besoins.
Il existe également une formation sur le DOE proposée par JMP et elle utilise JMP afin que vous acquériez les principes et les compétences pratiques. En réalité, il y aura un cours dans deux semaines.
Re : Simplifier les étapes du DoEJe veux clarifier ce qui suit :
1er. J'ai dit que j'utiliserai DSD si le les facteurs sont continus et catégoriels à 2 niveaux.Cependant, cet outil n'est pas approprié s'il existe des contraintes d'inégalité linéaire sur les facteurs ou des combinaisons non autorisées de niveaux de facteurs. Je n'ai pas dit qu'il convient à toutes les situations.
DSD répondra à votre point numéro 1 (contraintes). Temps, argent et disponibilité des matériaux car il est plus efficace que d'autres conceptions. Utilisez DSD si cela convient à la situation.
2ème.Si un critère ne correspond pas au DSD. Ensuite, je pense que la conception personnalisée polyvalente fonctionne le mieux.
Dans la phase de dépistage, recommandez-vous d'ajouter une interaction à deux facteurs ou des effets principaux est déjà suffisant ?
ou Principaux effets uniquement et rendre l'alias optimal ? Quelle est la meilleure façon de le faire étant donné que j'ai tout le temps, l'argent, etc. ?
Compte tenu du temps, de l'argent, etc. Recommandez-vous toujours Répétitions, RCBD, BIB ?
Les parcelles divisées sont utilisées pour les facteurs difficiles à modifier.
En fait, je ne comprends pas bien les facteurs covariables, quand les utiliser.
Comment savoir si j'élimine le bruit ?
3e Après la phase de dépistage. Puisque je connais déjà les facteurs qui sont importants. Je peux utiliser Augment Design pour ajouter des effets d'ordre supérieur comme l'interaction à 2 facteurs et/ou quadratique pour les facteurs de processus et les effets à 3 ordres (interaction à 3 facteurs et cubique) pour le mélange/formulation.
Si je connais déjà les facteurs significatifs. Je peux ignorer la phase de sélection et continuer directement en ajoutant une interaction à 2 facteurs, des effets quadratiques pour les facteurs de processus et des effets de 3e ordre pour le mélange/formulation.
Veuillez m'éclairer sur l'effet de levier/stabilité, l'incertitude de mesure et la moyenne/variation ?
Merci beaucoup
Re : Simplifier les étapes du DoEBonjour @Victor_G
Merci pour les conseils complets. OMARS est intéressant !!!
Re : Simplifier les étapes du DoEJe ne suis pas en mesure de discuter avec vous via ce forum.
Je crois que vous devriez toujours avoir une stratégie pour gérer le bruit. Le maintenir constant est une idée terrible car cela réduit l'espace d'inférence. Le dilemme est toujours de savoir comment augmenter l'espace d'inférence sans affecter négativement la précision de la conception. Ces stratégies incluent celles que j'ai énumérées. Si vous ne les comprenez pas, vous devriez chercher à en savoir plus sur eux. Les parcelles fractionnées ont de nombreuses utilisations (les facteurs difficiles à modifier ne sont que l'un de ces objectifs). Je vous recommande de lire "Split-plot designs for robust product experimental" de Box et Jones.
Je suggérerais des conceptions de mélange pour les formulations (pas des conceptions augmentées).
Si vous avez plus de 15 facteurs, vous voudrez peut-être avoir une idée des composants à étudier plus avant. Vous pouvez le faire avec des plans d'échantillonnage imbriqués et systématiques pour déterminer cet effet de levier.
Si vous ne comprenez pas la variabilité des mesures, vous devez le faire avant l'expérimentation (ou imbriquer ce composant dans le traitement) .
Si votre problème est un problème de variation (au lieu de la moyenne), vous devez obtenir une estimation de la variabilité pour chaque traitement. Cela peut être accompli en collectant plusieurs "points de données" (mesures répétées). Par exemple, si vous avez une variabilité intra-partie ou intra-lot, vous avez besoin de plusieurs mesures de la partie intra-groupe ou intra-lot, puis utilisez une statistique récapitulative pour estimer la variation. Cette statistique devient l'une des variables de réponse au modèle.
