Solution en RS (D-optimal)Bonjour tout le monde,
J'ai réussi à exécuter ma première conception RS mais j'ai du mal à comprendre la solution fournie après l'ajustement du modèle. Ma conception comprend 5 facteurs continus avec 4 points axiaux et 2 points centraux. J'ai fait 1 réplique et ajusté le modèle. Il n'y a pas de manque d'ajustement significatif.
L'objectif est de minimiser la réponse et mais la solution est supérieure à toutes mes valeurs mesurées. J'ai inclus un contrôle de gamme pour mes facteurs mais pour la solution 3 des 5 facteurs sont négatifs, ce qui est impossible dans la réalité. Comment puis-je obtenir une solution qui ne prend en compte que les facteurs positifs ?
Merci!
Meilleures salutations,
FacteurAlligator
BICHERe : Solution dans RS (D-optimal)Je ne suis pas tout à fait sûr de ce que vous voyez ou demandez. Il est impossible pour un modèle de toujours prédire des valeurs supérieures à toutes vos données. Qu'entendez-vous par facteur positif ? Vos facteurs sont-ils codés entre -1 et +1 ou les avez-vous laissés dans leurs unités naturelles ? Vous serait-il possible de partager votre tableau de données JMP ? Vous pouvez anonymiser les données, si nécessaire.
Re : Solution dans RS (D-optimal)Je suis d'accord avec Dan. Vous n'avez pas fourni suffisamment d'informations pour répondre à votre requête. Dans votre analyse, avez-vous regardé la surface ?
Les modèles peuvent facilement être extrapolés au-delà des conditions raisonnables (ils sont simplement un modèle des données). C'est vous qui devez interpréter le modèle.
Re : Solution dans RS (D-optimal)Merci pour votre réponse. Le tableau de données est joint. En attendant, j'ai réanalysé deux valeurs aberrantes et cela a résolu le problème des valeurs négatives. Je voulais dire par là que mon facteur est codé entre -1 et +1 et en réalité il peut descendre jusqu'à -2,5 (à ce stade la concentration du facteur est de 0) mais ma solution était à -3 ce qui ne peut pas l'être. Je serais toujours intéressé par la façon de gérer ce cas si cela se reproduisait.
Comme vous pouvez le voir sur mon modèle, les meilleures valeurs dans l'espace de conception donnent une réponse Y min de 162. La réponse la plus basse que j'ai obtenue dans le modèle 00A00 à 213. Mais la solution calculée est à Y=296. Si mon objectif est de minimiser la réponse, je m'attendrais à une solution limite de l'espace de conception (comme lorsque je maximise la désirabilité).
@statman Merci également pour votre réponse. J'ai également vérifié la surface dans la vue du modèle, mais je ne peux rien en tirer, malheureusement, car certaines surfaces affichent un maximum et d'autres un minimum.
Re : Solution dans RS (D-optimal)J'ai exécuté le modèle que vous aviez enregistré dans la table de données. Le modèle a besoin de travail. Les résidus suggèrent une variance non constante et vous avez des termes non significatifs dans le modèle. La signification statistique semble être basée sur les répliques du point central et les interactions quadratiques d'ordre supérieur. Je ne sais pas ce que vous entendez par votre commentaire sur les surfaces de réponse. Vous devriez obtenir quelque chose comme ce qui suit (bien que cela utilise votre modèle):
Re : Solution dans RS (D-optimal)Merci pour votre participation. J'essaie de comprendre vos suggestions et j'espère que vous pourrez me donner d'autres commentaires sur mes pensées.
Les résidus suggèrent une variance non constante et vous avez des termes insignifiants dans le modèle.
Déclarez-vous qu'en raison du "résiduel par tracé prédit" qui montre une diminution de Y résiduel, plus Y prédit est élevé ? Dois-je bien comprendre que je dois réduire le modèle en supprimant tous les termes non significatifs ? Si oui, comment traiterais-je les effets principaux qui sont insignifiants comme le facteur X1 alors que l'interaction à 2 voies X1*X5 est significative ?
La signification statistique semble être basée sur les répliques du point central et les interactions quadratiques d'ordre supérieur (votre erreur n'est pas basée sur des répliques randomisées).
Est-ce que cela se voit dans "l'analyse de la variance" où la majorité de ma variance provient du modèle et seulement une petite quantité d'une erreur aléatoire ? Je pensais qu'il était souhaitable d'avoir peu d'erreurs inexpliquées.
