Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)En 2011, mon collègue le professeur Chris Nachtsheim et moi avons présenté Conceptions de dépistage définitives (DSD) avec un papier dans le Journal de technologie de qualité . Un an plus tard, j'ai écrit un Article de blog JMP décrivant ces conceptions à l'aide de tracés de cellules de corrélation. Depuis leur introduction, les DSD ont trouvé des applications dans des domaines aussi divers que la fabrication de peinture, la biotechnologie, l'énergie verte et la gravure laser.
Lorsqu’une méthodologie nouvelle et passionnante apparaît, les chercheurs de pointe sont naturellement enclins à l’essayer. Lorsque ces enquêteurs rapportent des résultats positifs, cela encourage d’autres à essayer également la nouvelle méthode.
Je suis bien sûr un grand fan des DSD, mais en tant que co-inventeur, je me sens responsable envers la communauté des praticiens de plans d'expériences (DOE) être clair sur leur utilisation prévue et leur éventuelle mauvaise utilisation.
Alors, quand dois-je utiliser un DSD ?
Comme leur nom l'indique, les DSD sont des conceptions de dépistage. Leur utilisation la plus appropriée se situe aux premiers stades de l’expérimentation, lorsqu’il existe un grand nombre de facteurs potentiellement importants qui peuvent affecter une réponse d’intérêt et lorsque l’objectif est d’identifier ce qui est généralement un nombre beaucoup plus restreint de facteurs très influents.
Puisqu'il s'agit d'expériences de dépistage, j'utiliserais un DSD uniquement lorsque j'ai quatre facteurs ou plus. De plus, si je n'avais que quatre facteurs et que je voulais utiliser un DSD, je créerais un DSD pour six facteurs et supprimerais les deux dernières colonnes. Le plan obtenu peut s’adapter au modèle quadratique complet pour trois des quatre facteurs.
Les DSD fonctionnent mieux lorsque la plupart des facteurs sont continus. En effet, chaque facteur continu comporte trois niveaux, ce qui permet à un enquêteur d'ajuster une courbe plutôt qu'une ligne droite pour chaque facteur continu.
Quand l’utilisation d’un DSD est-elle inappropriée ?
Ci-dessous, la conception optimale en parcelles divisées surpasse considérablement la conception de dépistage définitive créée en triant le facteur difficile à modifier, wp. Voir point 4) ci-dessous.
1) Lorsqu'il existe des contraintes sur la région de conception
Une hypothèse implicite derrière l’utilisation des DSD est qu’il est possible de fixer les niveaux de n’importe quel facteur indépendamment du niveau de tout autre facteur. Cette hypothèse n'est pas respectée si une contrainte sur la région de conception rend certaines combinaisons de facteurs irréalisables. Par exemple, si je prépare du pop-corn, je ne souhaite pas régler la puissance au maximum tout en utilisant un temps de cuisson long. Je sais que si je fais cela, je me retrouverai avec un désastre carbonisé.
Il pourrait être tentant de ramener les gammes de facteurs vers l'intérieur pour éviter de tels problèmes, mais cette pratique réduit la capacité du DSD à détecter les effets actifs. Il est préférable d’utiliser toute la région réalisable même si la forme de cette région n’est ni cubique ni sphérique.
2) Lorsque certains facteurs sont des ingrédients d’un mélange
De même, l’utilisation d’un DSD est inappropriée si deux facteurs ou plus sont des ingrédients d’un mélange. Si j’augmente le pourcentage d’un ingrédient, je dois diminuer le pourcentage d’un autre ingrédient, de sorte que ces facteurs ne peuvent pas varier indépendamment de par leur nature même.
3) Lorsqu'il existe des facteurs catégoriels à plus de deux niveaux
Les DSD peuvent gérer quelques facteurs catégoriels à deux niveaux, mais si la plupart des facteurs sont catégoriels, l’utilisation d’un DSD est inefficace. En outre, les DSD ne constituent généralement pas un choix souhaitable si les facteurs catégoriels comportent plus de deux niveaux. Une discussion récente dans le groupe LinkedIn The Design of Experiment (DOE) impliquait d'essayer de modifier un DSD pour s'adapter à un facteur catégoriel à trois niveaux. Bien que cela soit possible, cela nécessite l'utilisation de l'outil de conception personnalisée dans JMP traiter les facteurs du DSD comme des facteurs covariables et ajouter le facteur catégoriel à trois niveaux comme seul facteur dont les niveaux sont choisis par l'algorithme de conception personnalisée.
4) Lorsque le DSD est exécuté en tant que conception à parcelles divisées
Il est également inapproprié de modifier un DSD en triant les paramètres d'un facteur afin que le plan résultant soit un plan en parcelles divisées. Pour le DSD à six facteurs, le facteur trié n'aurait que trois paramètres. Il y aurait cinq courses au réglage bas, trois courses au réglage moyen et des courses au réglage élevé. L’utilisation d’un tel plan signifierait que l’inférence sur l’effet du facteur trié serait statistiquement invalide.
5) Lorsque le modèle d’intérêt a priori a des effets d’ordre supérieur
Pour les DSD, les termes cubiques sont confondus avec les effets principaux, il est donc impossible d'identifier un effet cubique.
Les plans factoriels fractionnaires classiques à deux niveaux et les plans de Plackett-Burman sont également inappropriés pour la plupart des cas ci-dessus. Ils ne constituent donc pas une alternative viable.
Quelle est l’alternative à l’utilisation d’un DSD dans les cas ci-dessus ?
Pour les utilisateurs de JMP , la réponse est simple : utilisez l'outil de conception personnalisée.
L'outil de conception personnalisée de JMP peut générer une conception conçue pour s'adapter à n'importe quelle combinaison des scénarios répertoriés ci-dessus. Le principe directeur derrière l’outil de conception personnalisée est
"Les conceptions doivent s'adapter au problème plutôt que de modifier le problème pour l'adapter à la conception."
Dernières pensées
Les DSD sont des conceptions extrêmement utiles dans les scénarios pour lesquels ils ont été créés. En tant que modèles de criblage, ils présentent de nombreuses caractéristiques souhaitables :
1) Les effets principaux sont orthogonaux.
2) Les principaux effets sont orthogonaux aux interactions à deux facteurs (2FI) et aux effets quadratiques.
3) Tous les effets quadratiques des facteurs continus sont estimables.
4) Aucun 2FI n'est confondu avec aucun autre 2FI ou effet quadratique bien qu'ils puissent être corrélés.
5) Pour les DSD avec 13 exécutions ou plus, il est possible d'adapter le modèle quadratique complet dans n'importe quel sous-ensemble à trois facteurs.
6) Les DSD peuvent prendre en compte quelques facteurs catégoriels ayant deux niveaux.
7) Le blocage des DSD est très flexible. S'il y a m facteurs, vous pouvez avoir n'importe quel nombre de blocs entre 2 et m .
8) Les DSD sont peu coûteux à déployer, nécessitant seulement un minimum de 2 m +1 courses.
9) Vous pouvez ajouter des exécutions à un DSD en créant un DSD avec plus de facteurs que nécessaire et en supprimant les facteurs supplémentaires. La conception résultante possède les sept premières propriétés ci-dessus et a plus de puissance ainsi que la capacité d’identifier davantage d’effets de second ordre.
À mon avis, les caractéristiques ci-dessus font des DSD le meilleur choix pour toute expérience de dépistage dans laquelle la plupart des facteurs sont continus.
Cependant, je tiens à préciser que l'utilisation d'un Le DSD n'est pas une panacée . En d’autres termes, un DSD n’est pas la solution à tous les problèmes de conception expérimentale.
Je suis un grand fan des DSD, mais en tant que co-inventeur, je me sens responsable être clair sur leur utilisation prévue et leur éventuelle mauvaise utilisation.
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Merci @bradleyjones @pepees @seanschubert ,
J'ai une question complémentaire sur l'exemple @pepees fourni. Je ne pense pas avoir bien compris le concept d'introduction de « référence ».
Ma question initiale concernait la faisabilité d'exécuter DSD sur des « ratios » de mélange, car les ratios peuvent varier indépendamment sans être affectés par d'autres facteurs. Ce rapport peut être recalculé en pourcentages (problème de mélange) ultérieurement. Par exemple, les ratios du mélange A:B:C:D = 30:5:10:1 peuvent être calculés en pourcentage comme A : 65 %, B : 11 %, C : 22 %, D : 2 %.
Dans l'exemple du caoutchouc, chaque ingrédient est normalisé par référence (100 phr de résine de base) et leur somme doit être de 100. Ce n’est alors pas différent de la situation du « mélange d’ingrédients ». Car changer la quantité d’un matériau (ou d’un ingrédient) affectera la quantité d’autres matériaux pouvant être introduits. Par conséquent, vous ne seriez pas en mesure d’utiliser DSD car chaque facteur ne peut pas varier indépendamment ?
Je ne pense pas avoir compris le concept d'introduction de la « référence » ni la manière dont la référence peut être utilisée. Pouvez-vous s'il vous plaît me donner plus de détails à ce sujet ?
Merci!
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Vous pouvez également introduire un facteur qui est la quantité d'ingrédients actifs (faible, moyenne, élevée), vous pourrez alors voir l'effet du rapport changeant et de la quantité changeante.
On pourrait affirmer que réaliser ce type d’expérience de mélange par porte dérobée au début de l’enquête est plus efficace, car l’ajout d’un processus ou d’autres facteurs à une véritable expérience de mélange fait réellement exploser la taille de l’expérience (même à des résolutions inférieures).
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Dans l'industrie du caoutchouc, les formulations sont généralement présentées en référence à 100 pce (parties pour cent) de résine de base, comme indiqué ci-dessous. Comme l'a indiqué le Dr Jones, il est beaucoup plus pratique d'utiliser l'ingrédient « de référence » que les proportions.Lorsque je travaille sur une formulation de caoutchouc, j'utilise souvent le DSD avec beaucoup de succès.
Exemple de formulation de caoutchouc :
Résine de base - 100 pce
Remplisseur 1 - disons 50-70 phr
Remplisseur 2 - disons 10-40 phr
Curatif - disons 1 à 5 phr
Co-agent - disons 0-2 phr
Accélérateur - disons 0,5-1 phr
Huile de traitement - disons 0,5 à 2 phr
Antioxydant – disons 1 à 5 phr
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)BJK - merci pour vos aimables paroles.
pour répondre à ta question, oui. Vous pouvez utiliser des ratios de proportions d'ingrédients comme facteurs. Si vous disposez de k facteurs de mélange, vous pouvez définir des ratios k-1 et traiter les ratios comme des facteurs dans l'expérience. En faisant cela, vous faites une hypothèse assez forte. L’hypothèse est que ce sont les relations fonctionnelles de la réponse en termes de ratios qui sont importantes. Ceci s’oppose à la réponse par rapport aux proportions des ingrédients.
Si vous faites cela, vous souhaiterez peut-être choisir un ingrédient « de référence » à mettre au dénominateur de tous les ratios. Généralement, cet ingrédient est meilleur s’il s’agit d’un agent de remplissage. Sinon, il pourrait s'agir de l'ingrédient dont les proportions sont généralement élevées dans toutes les analyses.
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Merci au Dr Bradley Jones d'avoir inventé un outil génial.
Je suis un débutant utilisant JMP ainsi que l'espace DOE. Vous avez mentionné que "l'utilisation d'un DSD est inappropriée si deux facteurs ou plus sont des ingrédients d'un mélange".
Et si je transformais ces deux facteurs en un seul en les transformant en ratios.
Par exemple, disons que j'ai les facteurs A et B et que leur somme doit être de 50. Si je transforme cela en un rapport A: B, cela deviendra un facteur et non plus une situation d'« ingrédients dans un mélange », du moins pour l'exécution du DOE.
L'utilisation de DSD serait-elle toujours déconseillée ? Si ce n’est pas le cas, dois-je utiliser la conception personnalisée pour les ingrédients d’un type de mélange ?
Comme vous le savez probablement, de nombreux travaux de formulation pharmaceutique comportent une situation de type « ingrédients dans un mélange » dans laquelle vous faites varier le pourcentage ou les ratios de chaque ingrédient en fonction de la masse totale des excipients pharmaceutiques.
Merci!
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Répondre à Varun_Bhatt :
Si un terme du modèle est corrélé +1 ou -1 avec un autre terme du modèle (disons deux 2FI), alors nous disons que ces termes sont confondus. Dans ce cas, il n’existe pas de moyen purement basé sur les données de séparer leurs effets sur une réponse intéressante.
Cependant, si la corrélation est inférieure à un en ampleur, alors les effets séparés des termes du modèle sur la réponse sont désormais estimables. Cependant, la variance des estimations de ces effets sera plus grande que si les deux termes n'étaient pas corrélés. Nous appelons ce phénomène l’inflation de la variance. Plus l’ampleur de la corrélation est grande, plus l’inflation de la variance est importante.
Si la variance de l’erreur est faible par rapport à l’ampleur des effets, alors l’inflation de la variance n’est pas un problème majeur. C’est pourquoi les règles empiriques traditionnelles quant au moment où il faut s’inquiéter de l’inflation de la variance sont déplacées.
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Pourriez-vous s'il vous plaît développer cette partie, " Aucun 2FI n’est confondu avec un autre 2FI ou effet quadratique bien qu’ils puissent être corrélés. »
Je voulais connaître la différence entre les facteurs confondus et ceux corrélés. Comment sont-ils différents? Et dans quelle mesure ont-ils un impact différent sur le modèle ?
Merci
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Brad,
Merci pour ces contributions supplémentaires sur la bonne utilisation du DSD.
Il y a environ un an, j'ai utilisé DSD pour une simulation informatique avec environ 100 facteurs continus qui nécessitaient également tous les effets de second ordre, avec un nombre total d'exécutions d'environ 200. Les résultats n’étaient pas aussi satisfaisants que ceux d’une conception personnalisée. Depuis lors, j'ai hésité à utiliser DSD pour la modélisation et la simulation où il y a beaucoup de facteurs, même si je trouve que DSD est très utile avec un plus petit nombre de facteurs, disons moins de 12. Aurais-je dû utiliser uniquement les effets principaux dans les exécutions M&S, puis exécuter un autre DSD avec un nombre beaucoup plus petit de facteurs pour confirmer les effets de second ordre ?
Manny
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Dr Jones,
J'utilise DSD depuis un certain temps maintenant, avec un certain succès. Cependant, j'envisage maintenant d'utiliser DSD pour les réponses binaires (croissance/pas de croissance). Cela peut-il être fait avec DSD et comment analyseriez-vous la réponse, puisqu'elle n'est pas intégrée à l'algorithme d'analyse DSD, je suppose ? Ou utiliseriez-vous d’autres types de designs ?
Meilleur,
Ewoud Schuring
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Docteur Jones,
Merci pour vos réponses approfondies et réfléchies. J’apprécie votre temps et votre considération. Je poursuivrai la discussion directement avec vous.
Acclamations,
Facture
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Dr Ross - Je suis très impressionné par vos 16 000 expériences au DOE. Merci pour votre utilisation à long terme de JMP. Vous êtes JMPer depuis plus longtemps que moi !
Ci-dessous, j'aborde vos cinq séries de questions et de préoccupations.
1) Vous soulignez que les expérimentateurs novices ont tendance à fixer les niveaux des facteurs continus trop proches les uns des autres. J'ai également vu ce comportement. Je crois que les ingénieurs pensent que le monde n'est pas linéaire. Ils savent également grâce au calcul que l’écart par rapport à la linéarité est faible si le changement est également faible. Le problème est que lorsque les changements d'un facteur sont faibles, le bruit dans la réponse peut se propager en un bruit important dans la pente estimée de la ligne, ce qui rend difficile l'identification des facteurs actifs. Ainsi, en enseignant le DOE, nous encourageons les étudiants à faire preuve d’audace en faisant varier les facteurs continus. Je pense qu'avoir des valeurs faibles, moyennes et élevées pour chaque facteur, comme le fournissent les DSD, peut donner aux ingénieurs plus de confiance pour répartir les niveaux du facteur. En effet, le DSD peut détecter une forte courbure si elle existe, ce qui évite les soucis de non-linéarité.
2. Je mentionne dans mon blog ci-dessus que les DSD sont des conceptions de dépistage appropriées lorsque la plupart des facteurs sont continus. Je serais réticent à utiliser un DSD lorsqu'il y a plus de trois facteurs catégoriels à deux niveaux. Lorsque la plupart, voire la totalité, des facteurs sont catégoriques à deux niveaux, je recommanderais des conceptions de pliage efficaces. Voici la référence à l'article sur ces conceptions.Anna Errore, Bradley Jones, William Li et Christopher J. Nachtsheim (2017) Avantages et construction rapide de conceptions pliables efficaces à deux niveaux, Technométrie , 59 :1, 48-57, DOI : 10.1080/00401706.2015.1124052
Je pense également que les enquêteurs pourraient redoubler d’efforts pour trouver des mesures quantitatives décrivant la différence entre les deux niveaux d’un facteur catégoriel, transformant ainsi avec succès un facteur catégoriel en un facteur continu plus significatif.
3. Vous soutenez que les points centraux peuvent détecter une courbure. C'est vrai, mais ils ne peuvent pas identifier le(s) facteur(s) à l'origine de la courbure. Cette ambiguïté oblige à effectuer des expérimentations ultérieures, ce qui n’est pas nécessaire si un DSD est utilisé. J'ai vu une étude de cas où un fort effet quadratique avait son minimum dans la région d'expérimentation.Une réponse minimale était souhaitable et le point idéal serait ici indétectable avec une conception à deux niveaux. Une autre étude de cas a révélé un fort effet quadratique où la réponse maximale se situait à l'intérieur de la région d'expérimentation.Ici , un Une réponse maximale était souhaitable et le point idéal serait, encore une fois, indétectable avec une conception à deux niveaux. Le coût pour inclure la capacité d'estimer tous les effets quadratiques dans un DSD est une augmentation de 10 % (ou moins) de la longueur des intervalles de confiance sur les effets principaux. Cela semble être un petit prix à payer pour le gain d'informations sur les effets de 2e ordre.
4. Vous soulignez, à juste titre, que parfois l'identification de la source du bruit peut être plus importante que l'estimation des effets fixes. Dans de tels cas, il est utile de reproduire les points du plan afin qu'il soit possible d'identifier un facteur affectant la variance de la réponse tout en évaluant simultanément les effets des facteurs sur la réponse moyenne. On pourrait répliquer un DSD entier au prix d’environ quatre fois plus d’exécutions qu’il y a de facteurs. Vous évoquez le blocage sur ce point. Le blocage peut identifier et quantifier une source de variabilité et supprimer son effet sur la variation d'une séquence à l'autre. Lorsque des conditions environnementales changeantes introduisent du bruit dans les réponses, le blocage est un remède utile. Les DSD peuvent être bloqués de manière plus flexible que les plans factoriels fractionnaires ou factoriels complets à deux niveaux. Vous trouverez ci-dessous une référence à un article décrivant comment bloquer les DSD.
Bradley Jones et Christopher J. Nachtsheim (2015) : Schémas de blocage pour les conceptions de dépistage définitives, Technométrie , DOI : 10.1080/00401706.2015.1013777
5. Votre dernière préoccupation concerne l'enseignement des DSD et les préoccupations concernant une approche itérative de l'expérimentation. Je ne présente pas les DSD comme des expériences « ponctuelles ». Il est vrai que la structure de crénelage des plans factoriels fractionnaires traditionnels est simple et assez facile à expliquer. Cependant, leur crénelage complet d’effets potentiellement importants n’est pas souhaitable à mon avis. Voir
Bradley Jones (2016) Expériences de dépistage du 21e siècle : quoi, pourquoi et comment, Ingénierie Qualité , 28 : 1, 98-106, DOI : 10.1080/08982112.2015.1100462
L'article ci-dessus était un document de discussion avec trois intervenants. Ma réplique traitait de nombreuses questions, notamment la conception séquentielle suite à une première étude DSD - référence ci-dessous.
Bradley Jones (2016) Réplique, Ingénierie Qualité , 28:1, 122-126, DOI : 10.1080/08982112.2015.1100468
La référence ci-dessous traite de l'avantage relatif de l'utilisation d'un DSD initial même lorsque la réponse optimale prévue se situe en dehors de la région d'expérimentation. Il fournit également une approche de conception de suivi puissante qui surpasse les ascensions les plus raides.
Christopher J. Nachtsheim et Bradley Jones (2018) Augmentation de la conception pour l'optimisation de la réponse et l'estimation du modèle, Ingénierie Qualité , 30 :1, 38-51, DOI : 10.1080/08982112.2017.1382298
Je ne pense pas qu'il soit nécessaire d'apprendre à un praticien comment créer un DSD. De nombreux logiciels peuvent le faire. Je pense qu’il est utile de familiariser les enquêteurs avec le tracé des cellules de corrélation. JMP fournit de nombreux outils de diagnostic pour évaluer et comparer les conceptions. Ceux-ci sont très utiles et enseigner leur utilisation dans des cours de courte durée et des cours universitaires bénéficierait à la communauté des praticiens du DOE. Il est utile pour les praticiens de savoir comment tirer parti de la géométrie particulière d'un DSD pour adapter les modèles appropriés. Ceci est abordé dans la référence ci-dessous.
Bradley Jones et Christopher J. Nachtsheim (2016) : Sélection efficace de modèles basés sur la conception pour les conceptions de criblage définitives, Technométrie , DOI : 10.1080/00401706.2016.1234979
Je serais heureux de poursuivre cette conversation et de vous envoyer les pdf des références. Vous pouvez me contacter à bradley.jones@jmp.com
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Dr Jones, je suis un utilisateur de longue date de JMP (depuis la première version) et je tiens à vous remercier pour vos contributions à l'industrie. J'ai participé à la conception et à l'analyse de plus de 16 000 expériences dans plusieurs secteurs. Ce n'est peut-être pas le bon forum, mais j'ai quelques questions/commentaires (j'espère ne pas offenser) et j'apprécierais vos opinions.
1. Lorsqu'il s'agit de conceptions de dépistage, l'un des modes d'échec les plus courants (en particulier pour les expérimentateurs débutants) est celui des niveaux qui ne sont pas suffisamment séparés (assez audacieux). Leurs effets ne sont donc pas réalisés et ces facteurs peuvent même être exclus d'une étude plus approfondie (mon hypothèse est que les ingénieurs sont réticents à créer trop de variations, ils recherchent toujours la solution plutôt que de comprendre les relations causales). Il me semble qu'augmenter le nombre de niveaux à trois complique encore davantage ce mode de défaillance ?
2. Au début de la conception, de nombreux facteurs sont qualitatifs. Il semble que la restriction imposée à l’ajout d’un trop grand nombre de facteurs qualitatifs à la conception soit un fardeau. Peut-être que cette stratégie est plus applicable comme dernière itération dans une étude séquentielle ?
3. Souvent, les conceptions de sélection visent à obtenir une orientation et à filtrer les facteurs insignifiants ou peut-être plus probablement à identifier les facteurs importants nécessitant une étude plus approfondie. Les équations quadratiques sont-elles vraiment nécessaires pour y parvenir ? OK, je suppose qu'il pourrait y avoir un cas où les niveaux sont définis de manière trop audacieuse et par conséquent des effets significatifs sont manqués, mais cela pourrait être résolu assez facilement avec des points centraux. Si le quadratique s'écarte essentiellement du linéaire, si vous êtes dans un espace de conception assez loin d'être optimal, ne seriez-vous pas plus intéressé par l'effet linéaire en premier ? L’équation quadratique à la base de la montagne ne vous mènera peut-être pas au sommet de la montagne.
4. De plus, et peut-être plus important encore, la stratégie de gestion du bruit peut être plus importante que la résolution des facteurs de conception (c'est, comme vous le savez, une lutte constante pour une utilisation efficace des ressources entre la résolution des facteurs de conception et la résolution des effets du bruit) . Si une conception par blocs complets randomisés (RCBD) est utilisée, avons-nous vraiment besoin de certaines des interactions bloc par effet d'ordre supérieur ? Si une conception de bloc incomplet équilibré est utilisée, est-il facile de comprendre l'alias ?
5. Enfin, et c'est peut-être le moins important pour le praticien, comment les DSD sont-ils enseignés ? L'utilisation de plans factoriels fractionnaires traditionnels avec un alias identifiable et des idées telles que le repliement vers le dé-alias est simple. Inculquer l’état d’esprit et la pratique de l’itération est primordial. Comment les DSD s’intègrent-ils dans une approche itérative et scientifique de l’expérimentation ?
Je vous remercie d'avance pour vos réflexions.
Si vous préférez mettre cette discussion hors ligne, cela me conviendrait. Vous pouvez m'envoyer un e-mail directement à statman sur comcast dot net
Acclamations,
Bill Ross
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Merci Brad, article informatif et bonnes réponses m'ont aidé à en apprendre beaucoup plus sur les DSD.
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Merci Dr Jones - Ce numéro n'est pas encore disponible sur le site ASQ Technometrics.Je vais chercher à ce qu'il soit publié bientôt.
Richard
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)http://dx.doi.org/10.1080/00401706.2016.1234979
Ce qui précède est l'URL d'un article dans la revue Technometrics, rédigé par Chris Nachtsheim et moi-même, intitulé Effective Design-Based Model Selection for Definitive Screening Designs.
Cet article fournit une forte motivation pour ajouter ce que nous appelons des « faux facteurs » (c'est-à-dire des facteurs qui sont utilisés dans la création du plan mais ne sont pas utilisés lors de l'exécution de l'expérience). Dans JMP 13, l'outil de conception DSD appelle cela "Extra Runs" avec une valeur par défaut de 4. Cependant, vous pouvez redéfinir ce champ sur 0 pour obtenir le DSD d'exécution minimum. L’ajout de ces analyses supplémentaires permet une approche analytique alternative puissante.
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Existe-t-il des exemples publiés dans lesquels des colonnes ont été supprimées comme indiqué ci-dessous ?
Si, à la place, vous utilisiez le DSD à 8 facteurs et ignoriez les 3 dernières colonnes, vous auriez un plan de 17 analyses et vous devriez être en mesure d'identifier quatre ou cinq effets de 2e ordre.
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Les DSD peuvent certainement rencontrer des problèmes lorsqu'il y a trop de facteurs et d'interactions ! J'en ai essayé un dans un système catalytique qui avait subi des générations d'optimisation et comportait de nombreux composants et interactions catalytiques fonctionnels. J'ai fini par devoir ajouter pas mal de courses.
Objet : Utilisation appropriée et inappropriée des modèles de dépistage définitif (DSD)Super article. Cependant j'ai une question qui me laisse perplexe. Vous mentionnez que vous pouvez facilement ajouter des exécutions supplémentaires en prenant une conception plus élevée et en supprimant les colonnes supplémentaires. Je me demandais s'il existait un moyen simple d'"ajouter" des pistes à la conception. Par exemple, j'ai effectué am=5 exécutions DSD, puis je décide que j'aurais besoin de plus de puissance et que j'aimerais ajouter quelques exécutions supplémentaires par la suite. Comment je fais ça? (Par exemple, si je prends le m=7, que je supprime les deux dernières colonnes et que je le compare au m=5, je n'obtiendrai plus les mêmes lignes). Merci!
Bradley Jones a écrit : Il est toujours bon de planifier la validation...Bradley Jones a écrit:
Il est toujours bon de planifier des cycles de validation. Il s'agit d'exécutions que vous effectuez après avoir exécuté l'expérience et analysé les données. Le résultat de l'analyse est un modèle que vous pouvez utiliser pour effectuer des prédictions de réponse à des paramètres de facteurs qui n'ont pas été exécutés dans l'expérience. En fonction de votre objectif de réponse, vous pouvez choisir d'exécuter vos vérifications avec un ou plusieurs paramètres de facteurs pour lesquels votre modèle prédit la plus grande amélioration.
Ceci est différent de l'augmentation du plan, qui étend la gamme des facteurs, ajoute des termes au modèle ou ajoute davantage d'exécutions pour réduire l'incertitude concernant les estimations du modèle actuel.
Bradley Jones a écrit : Je crois à l'utilisation courante du...Bradley Jones a écrit:
Je crois en l’utilisation routinière du Custom Designer pour la plupart des problèmes de conception industrielle d’expériences. Lorsque presque tous les facteurs sont continus et peuvent varier indépendamment sur l’ensemble de leur plage, les plans de dépistage définitifs constituent alors un bon choix.
J'utilise parfois des plans factoriels complets lorsque je réalise des études de simulation informatique de Monte Carlo où la seule dépense est le temps informatique. Je conviens qu'il existe désormais de meilleurs choix que les plans factoriels fractionnaires à deux niveaux habituels.
Steven Moore a écrit : Alors... J'utilise Definitive Sc...Steven Moore a écrit:
Donc... J'utilise des conceptions de dépistage définitives ainsi que des conceptions personnalisées depuis un certain temps. À mon avis, il n’y a plus de raison d’utiliser les plans factoriels traditionnels. ai-je raison ou est-ce que j'ai raté quelque chose ?
Jo Chotix a écrit : On dirait qu'on va pouvoir varier chacun...Jo Chotix a écrit:
Il semble que nous pourrons faire varier chacun des composants indépendamment. Dois-je prévoir des cycles de validation ? Comment planifier ces éléments/en tenir compte dans la conception (nombre d'exécutions, quels points de conception pour la validation, etc.) ? En quoi est-ce différent de l’augmentation du design ? Merci!
Bradley Jones a écrit : Il pourrait être approprié d'utiliser un DSD...Bradley Jones a écrit:
Il pourrait être approprié d'utiliser un DSD mais je crains que les 4 facteurs qui modifient la concentration du traitement puissent être considérés comme des ingrédients d'un mélange. Si tel est le cas, cela rendrait l'utilisation d'un DSD inappropriée à une exception près. Si l'ingrédient majoritaire du mélange est une charge inactive, alors les autres ingrédients peuvent varier indépendamment. Dans ce cas, un DSD serait acceptable.
Jo chotix a écrit : Je pensais utiliser DSD pour concevoir un...Jo Chotix a écrit:
Je pensais utiliser le DSD pour concevoir un plan de traitement pour une étude in vivo sur la souris. J'ai 4 facteurs qui modifient la concentration du traitement (par exemple, médicament conc, mélanges d'excipients, etc.) et un facteur axé sur l'âge des souris. Je me demandais si c'était quelque chose pour lequel vous recommanderiez DSD ?
Bradley Jones a écrit : Vous pouvez ajouter 3 facteurs catégoriques à...Bradley Jones a écrit:
Vous pouvez ajouter 3 facteurs catégoriels à un DSD sans rendre la conception inefficace. Vous trouverez ci-dessous une référence à un article que Chris Nachtsheim et moi avons publié sur ce sujet.
Jones, Bradley et Nachtsheim, CJ (2013) « Conceptions de dépistage définitives avec facteurs catégoriels à deux niveaux ajoutés », Journal of Quality Technology, 45 : 2, 120-129.
Ewoud Schuring a écrit : Bonjour Bradley, Blog intéressant, un...Ewoud Schuring a écrit:
Bonjour Bradley,
Blog intéressant, en fait, tout le DSD m'intéresse beaucoup. Cependant j'ai une question.
Quelle est la limite du nombre de facteurs catégoriels dans un DSD ? En ce moment, j'essaie de créer un DSD avec 3 facteurs continus et 3 facteurs catégoriels. Est-ce une bonne idée? Quels sont les risques ? Ou un rapport 1/1 entre continu et catégorique entraîne-t-il une conception non efficace ?
Bradley Jones a écrit : Paul, Le design personnalisé avec quelques r...Bradley Jones a écrit:
Paul,
La conception personnalisée avec quelques répétitions constitue une conception de surface de réponse très sûre. Mon expérience est qu'il y a généralement peu d'effets importants de 2e ordre. Ainsi, construire une conception capable d'estimer chaque effet d'ordre 2 peut finir par être excessif. Le DSD à 6 facteurs ne nécessite que 13 analyses et peut identifier de manière fiable deux ou trois effets de 2e ordre. Cela vous ferait économiser près de 50 % du coût.
Si, à la place, vous utilisiez le DSD à 8 facteurs et ignoriez les 3 dernières colonnes, vous auriez un plan de 17 analyses et vous devriez être en mesure d'identifier quatre ou cinq effets de 2e ordre.
Paul Prew a écrit : Bonjour Bradley, ce post me fait penser...Paul Prew a écrit:
Bonjour Bradley, cet article me fait réfléchir à des conceptions appropriées pour 4 à 6 facteurs. Plus précisément, la semaine dernière, j'avais un chimiste qui voulait étudier 5 facteurs continus. Des tests préliminaires, un facteur à la fois, lui ont révélé qu'ils étaient importants. Elle ne connaissait rien du DOE, mais son superviseur lui a dit que c'était une voie plus efficace : aller parler à un statisticien.
Nous étions dans une zone grise où un design de criblage pur aurait semblé un retour en arrière, inefficace. Nous avons donc choisi de concevoir un modèle quadratique, conduisant à une conception personnalisée de 25 essais avec quelques répétitions.
Merci Paul
Un DSD à 5 facteurs aurait représenté beaucoup moins d'exécutions, même en concevant pour 6 ou 7 facteurs et en supprimant les colonnes supplémentaires. Comment puis-je utiliser JMP pour évaluer le DSD comme une bonne conception pour l'ajustement d'un modèle de 2e ordre ? Quels outils d'évaluation de conception spécifiques recommanderiez-vous pour comparer le DSD avec la conception personnalisée ?
Ron Andrews a écrit : J'ai trouvé une application pour un DSD avec...Ron Andrews a écrit:
J'ai trouvé une application pour un DSD avec un mélange qui fonctionnait. Je devais confirmer les spécifications de pesée d'un mélange de monomères utilisé pour fabriquer des lentilles de contact. Il s'agit d'un véritable mélange, pas d'une solution, donc un DSD ne serait pas un bon choix dans la plupart des cas. Ce qui a fait que cela a fonctionné, ce sont les petites variations par rapport à la valeur nominale. La formule nominale a été utilisée comme point central. Chaque composant a varié de +/- 1% du nominal. Pour analyser l'expérience, j'ai calculé les concentrations réelles pour chaque mélange. Il y avait une corrélation significative entre les deux composants les plus importants du mélange, mais le plan permettait des estimations distinctes des deux facteurs.
J'ai soumis un résumé pour une présentation au sommet de la découverte qui l'inclut comme l'un des exemples d'alternatives de conception de mélange. Qu'il soit accepté ou non, je peux fournir plus de détails.
