DOE - Modèle "Inversé"Je cherche à réaliser une conception DOE, qui devrait aboutir à un modèle « inverse ». Description des entrées et des sorties :
- 6 entrées que je peux contrôler pendant les expériences
- 6 sorties que je peux mesurer pendant les expériences (mais pas contrôler directement)
Mais le modèle résultant devrait me permettre de prédire quelle était l'entrée, en mesurant les sorties, d'où le modèle « inverse ».
Y a-t-il quelque chose que je dois prendre en compte lors de la conception de l’expérience, ou une conception donnée fonctionnera-t-elle aussi bien dans un sens que dans l’autre ?
Planification d'expériencesIngénierie de la qualité et des procédésRe: DOE - Modèle "inversé"Salut @Knekse ,
Je comprends votre idée en théorie, mais en pratique, cela peut être très difficile à faire, car vous n'avez aucune preuve ou certitude qu'il y aurait un unique combinaison de niveaux de facteurs donnant un unique sortie spécifique (ou avez-vous?).
Juste pour montrer un exemple avec les données d'exemple Coffee Data.jmp, vous pouvez atteindre une force de café optimale (ici à 1,30) de différentes manières avec seulement deux facteurs (temps et charge) : selon si la charge est faible, moyen ou élevé, il vous suffit d'ajuster le temps pour obtenir la force de café optimale.
Donc, si votre seule information est la sortie (force du café ici), vous ne savez peut-être pas comment vous avez obtenu cette valeur spécifique (avec quelle combinaison de niveaux de facteurs).
Et puisque vous avez 6 entrées et 6 sorties, la complexité peut augmenter.
En espérant que cela vous aide à comprendre mon point de vue,
Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimum 1Optimale 1
Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2Optimum 2
Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3Optimum 3
Re: DOE - Modèle "inversé"Salut @Victor_G
Merci pour la contribution. Dans l'exemple, vous reliez deux entrées à une sortie (Temps et Charge à Force). Ce que je ferais, c'est de relier les 6 sorties à chacune des entrées. Afin de comprendre quelles auraient pu être les entrées individuelles, à partir des 6 sorties. Ce serait une situation quelque peu différente de l'exemple du café que vous décrivez ?
BR Knekse
Re : DOE - Modèle "inversé"Salut @Knekse ,
Mon point était de mentionner que même si vous pensez que le facteur 1 est lié à la sortie 1, le facteur 2 à la sortie 2, etc., vous pourriez avoir des interactions entre vos facteurs, ou simplement plusieurs facteurs contribuant à différentes réponses (vous pourriez donc obtenir un solution avec plusieurs changements de niveaux de facteur possibles), et peut-être aussi des corrélations entre vos sorties (ainsi un changement dans une sortie n'est pas indépendant d'un changement dans une autre sortie).
Si votre point est de lier précisément une sortie à un facteur, je regarderais d'abord les données ou créerais un DoE pour vérifier si ces hypothèses d '"indépendance" et d'absence d'interactions semblent acceptables et raisonnables sur la base des données ou non.
j'espère que c'est plus clair,
Re : DOE - Modèle "inversé"Salut @Victor_G
Je ne pense pas que le facteur 1 soit lié à la sortie 1, bien au contraire. J'ai des raisons de croire que le facteur 1 est lié à toutes les sorties, et de même pour les autres facteurs.
Je m'attends également à avoir des interactions entre les facteurs, c'est donc un très bon point à garder à l'esprit.
Merci pour la contribution 
