Quelle conception est la plus appropriéeChers tous,
Je souhaite réaliser une DoE afin d'optimiser le rendement de mon extraction. J'ai 7 facteurs continus et 1 facteur discret. Mon idée est de commencer par une conception de sélection, de choisir les facteurs les plus importants, puis de continuer avec la surface de réponse.
Je ne sais pas quelle est la manière la plus appropriée de faire l'expérience ? quel type de conception de criblage et quel type de surface de réponse sont adaptés ?
J'apprécierai toutes les idées et suggestions
Merci beaucoup
quelle conception est la plus appropriée
Conception d'expériencesRe : Quel modèle est le plus approprié ?Un bon point de départ pour commencer vos recherches est la bibliothèque en ligne JMP de webinaires à la demande. Le DOE et les stratégies de conception optimales sont abordés dans de nombreux webinaires.
Re : Quel modèle est le plus approprié ?Certaines de mes réflexions, bien que Pete et Mark, aient fourni de bonnes suggestions.
Pas de facteurs de nuance , mais BRUIT facteurs (variables que vous avez décidé de ne pas contrôler à l’avenir pour quelque raison que ce soit (coût/commodité/incapacité technologique)). Impossible de ne pas avoir de bruit ! Par exemple : variation d'un lot à l'autre des produits chimiques, conditions ambiantes, erreurs de mesure, technique de l'opérateur, etc. Il n'est pas recommandé (par moi) d'exécuter des conceptions d'optimisation lorsque vous ne comprenez pas le bruit. C'est un problème d'espace d'inférence. Si vous optimisez sous un ensemble de conditions (par exemple, un lot de matériaux) et que ces conditions changent dans le futur, votre modèle n'est plus utile. Vous êtes-vous déjà demandé pourquoi nous optimisons constamment et n’y arrivons jamais ?
« Ce n'est qu'en connaissant le sujet, éventuellement aidé par d'autres expériences, couvrant un plus large éventail de conditions, que l'on peut décider, au risque de se tromper, si les conditions environnementales du futur seront suffisamment proches des mêmes. comme ceux d’aujourd’hui pour permettre l’exploitation des résultats disponibles. -- W. Edwards Deming
"Bloquez ce que vous pouvez, randomisez ce que vous ne pouvez pas" GEP Boîte
Je ne vais pas débattre ici de l'opportunité d'utiliser DSD ou de toute conception optimale, mais je vous suggère de reconnaître que vous allez itérer. Gardez les choses simples et séquentielles (KISS). Mon conseil est de concevoir plusieurs expériences, considérez : ce qui sera séparé, ce qui sera confondu et ce qui sera restreint. Comparez cela avec ce que vous pensez savoir et quelles connaissances devez-vous acquérir pour avancer efficacement (potentiel de connaissances acquises par rapport aux ressources dépensées). Prédisez tous les résultats possibles, puis choisissez celui qui correspond à votre comparaison connaissances/ressources.
Je préfère le RSM de Box qui ne réalise pas une conception composite centrale, mais des expériences séquentielles additionnées pour cartographier la surface.
Si vous envisagez d’imposer des restrictions, vous êtes dans le monde des split-plots.
Personne ne connaît la bonne expérience ("Le meilleur design que vous concevrez est celui que vous concevez après l'avoir exécuté" Ross). La sélection de la conception dépend de la situation et, honnêtement, vous n'avez pas fourni suffisamment d'informations pour donner ce conseil. Sachez également que, que l'expérience que vous choisissez vous donne ce que vous voulez ou non, vous apprendrez quelque chose (peut-être, post mortem, nous pourrons vous dire de quoi elle est morte).
Re : Quel modèle est le plus approprié ?Je devrais lire un peu sur la conception D-optimale. Avez-vous des liens utiles que je peux consulter ?
Re : Quel modèle est le plus approprié ?Sans connaissance a priori des effets du système, il est impossible d'être « sûr » que la rareté des effets persiste. La seule façon pour moi de « savoir » avec un certain degré de certitude est l’expérimentation elle-même. Vous pourriez être « d'accord » avec un DSD et un système dépourvus de la plupart des effets à deux facteurs et plus. Vous n'avez toujours pas répondu à ma question sur l'examen d'une conception D - optimale axée sur les effets principaux. Vous pouvez vous en sortir avec une conception beaucoup plus petite qu'un DSD si votre objectif est réellement de filtrer les effets principaux. Dépensez ensuite une plus grande partie de votre budget sur les méthodes RSM lors des expérimentations ultérieures. Le dernier problème concerne les combinaisons interdites... le DSD vous oblige vraiment à exécuter toutes les combinaisons de traitements prescrites. S'il y a des combinaisons qui pourraient être dangereuses, vous savez que "ne fonctionnera pas" sur la base des premiers principes... alors une conception D - optimale peut s'adapter aux combinaisons non autorisées. Juste des choses à considérer.
Re : Quel modèle est le plus approprié ?@P_Bartel Le principe de parcimonie des effets affirme que la majeure partie de la variation de la réponse s’explique par un nombre relativement restreint d’effets. Comment être sûr que cela tient ?Je suis seulement sûr que les interactions de troisième ordre et certaines interactions bidirectionnelles sont inactives dans mon système.
Il n'y a pas de facteurs de nuance
Je suis d'accord avec ce que vous avez dit, " En fait, je pense qu'une autre façon de résoudre ce problème est d'exécuter votre première conception... quoi qu'il en soit..." c'est pourquoi je voulais connaître votre avis sur le fait de commencer avec un DSD. Cependant, J'ai une restriction sur la randomisation, car changer la température (un de mes facteurs) des valeurs Max aux valeurs Min prend du temps. Comment gérer cela dans DSD ?
Merci d'avance
Re : Quel modèle est le plus approprié ?Un plan de dépistage définitif est une très bonne possibilité comme meilleure expérience initiale... mais pas si vite. Je suis un peu préoccupé par votre manque de confiance dans la rareté des effets au sein du système. Le DSD s'appuie sur la présence de cette propriété. Il y a d'autres questions auxquelles vous n'avez pas encore répondu. Par exemple, existe-t-il des restrictions sur la randomisation qui pourraient rendre approprié le blocage ou une conception de type parcelle divisée ? Existe-t-il des facteurs de nuisance qui pourraient être de bons candidats pour des covariables ou des blocages ? Ma dernière question est la suivante : avez-vous étudié une conception D - optimale qui est davantage axée sur un modèle qu'un DSD ? D – les conceptions optimales peuvent également être utilisées à des fins de sélection. Peut-être qu'un modèle d'effets principaux uniquement piloté D - Une conception optimale pour identifier les effets principaux actifs pourrait également être une voie à suivre ? Trop de questions sans réponse... et personne ne peut répondre à la question « Ou DSD est-il suffisant pour le dépistage et l'optimisation ? » question. En fait, je pense qu'une autre manière de résoudre ce problème consiste à exécuter votre première conception... quelle qu'elle soit... et si les résultats sont suffisants pour résoudre votre problème pratique... alors pourquoi poursuivre l'expérimentation ? Je suppose qu'il existe d'autres problèmes/questions plus urgents qui pourraient être résolus ?
Re : Quel modèle est le plus approprié ?Merci beaucoup, @P_Bartel et @Mark_Bailey pour vos commentaires
Il est vrai que c'est ma première expérience avec DoE mais j'ai beaucoup lu notamment le cours proposé sur la plateforme JMP. Comme je l'ai dit mon objectif est d'optimiser le rendement de mon extraction et j'ai 7 facteurs continus et 1 facteur discret. La faisabilité de l'expérience dans l'instrument a été testée à différents niveaux puis le domaine d'étude a été déterminé.
La conclusion de mon court voyage est comme tu l'as dit @Mark_Bailey pour utiliser un DSD. DSD peut également déterminer l'effet quadratique et je peux obtenir un tracé de surface de réponse et seulement 21 expériences sont nécessaires (y compris les 4 exécutions suggérées par JMP).
Mais je suis un peu perdu avec le DSD, est-ce juste une conception de dépistage et je devrai transmettre une conception de surface de réponse plus tard ? Ou DSD est-il suffisant pour le dépistage et l'optimisation ?
En effet Je ne sais pas si plus de la moitié de mes facteurs sont inactifs ou non (ce qui constitue également une condition pour le DSD)
Re : Quel modèle est le plus approprié ?Lorsque vous êtes prêt (c'est-à-dire que vous sentez que votre arrière-plan est confortable), je vous recommande d'utiliser un Conception de dépistage définitive pour votre première expérience visant à améliorer le rendement.
Re : Quel modèle est le plus approprié ?Je vais présumer que vous en savez très peu et que vous n'avez aucune ou peu d'expérience avec le DOE. Si ma présomption est correcte, je ferais une pause et courrais directement vers le SAS "Statistiques pour la résolution de problèmes industriels" et terminerais tous les modules liés à l'analyse des données et au DOE (et tout le cours si vous êtes également nouveau sur JMP). Il y a de très nombreuses questions qui doivent être abordées avant de sélectionner une voie de conception et d'analyse appropriée... L'OMI est trop nombreuse pour y répondre dans un forum comme celui-ci.
Voici un lien vers le cours : Statistiques concernant la résolution de problèmes industriels
