Micol Federica Tresoldi, statisticien de recherche principal, Dow Chemical
Xinjie Tong, statisticien de recherche principal, Dow Chemical
Cette étude de cas étudie des mélanges chimiques pour obtenir des propriétés optimales à l'aide de données de plan d'expérience (DOE). L'espace de formulation se compose de quatre variables d'entrée : le type de produit chimique A, le type de produit chimique B, le type de produit chimique C et la teneur en produit chimique D. Les deux premières variables représentent des compositions différentes pour la fabrication des produits chimiques A et B, respectivement, et en tant que telles, peuvent être codées à la fois comme facteurs catégoriques, ainsi que comme variables de mélange continues.
Nous avons créé le DOE en les traitant comme catégoriels en raison des contraintes expérimentales. Cependant, au stade de l'analyse des données, même après avoir examiné des milliers de formulations hypothétiques simulées, aucune d'entre elles n'a été prédite pour répondre aux propriétés souhaitées. À ce stade, pour pouvoir identifier des sous-régions prometteuses, nous devions surmonter la discrétion de l'espace. Nous avons donc recodé ces deux facteurs en tant que variables continues et mixtes, dérivé le modèle de régression équivalent et réexécuté les simulations. En effet, sous certaines hypothèses, cette stratégie de codage permet d'interpoler et de considérer les compositions manquantes non présentes dans le DOE d'origine.
Dans cette présentation, nous montrons comment utiliser la fonctionnalité de simulation de Profiler de JMP Pro 16 avec Graph Builder pour réaliser une exploration approfondie et perspicace de l'espace de formulation applicable à divers domaines.
