Je suis un nouveau venu dans l'utilisation de DOE en R&D : j'étais sceptique depuis longtemps, mais j'ai récemment constaté l'ÉNORME puissance qu'il offre et j'ai adopté JMP comme outil de choix. Dans le processus d'apprentissage de l'application des méthodologies DOE, j'en suis venu à penser à sa mise en œuvre préférée comme une sorte d'approche "ascendante": nous commençons par identifier TOUS les facteurs qui pourraient contribuer à un résultat mesuré, puis créons une conception qui nous permet de filtrer l'impact de chaque facteur, en identifiant les plus critiques. Nous pouvons générer un modèle pour représenter le système d'intérêt, en supprimant de ce modèle les facteurs qui ne contribuent pas de manière significative, puis en affinant notre modèle avec ces moteurs. Il me semble que nous pourrions occasionnellement constater que notre modèle ENCORE ne représente pas bien nos observations - et peut-être avons-nous oublié un facteur ou deux. Nous pouvons y remédier en augmentant notre modèle. Pour un système complexe avec un ensemble de facteurs, cette approche conventionnelle crée une grande matrice de test. Je sais que je peux réduire la taille de cette matrice en utilisant des factorielles fractionnaires et des conceptions personnalisées/optimales. Pour un client sceptique ET un système complexe, cela reste difficile à vendre. Mais : y a-t-il forcément quelque chose de MAUVAIS à commencer par une approche « top-down » ? Pourrions-nous utiliser notre connaissance du sujet pour identifier quelques facteurs que nous pensons être les moteurs de performance, et avec eux une matrice de test, puis un modèle statistique des données observées ? Si cela conduit à un bon ajustement des données observées, alors GRAND. Mais si ce modèle ne parvient pas à répondre de manière adéquate aux observations, nous pourrions alors utiliser cette lacune évidente du modèle pour l'améliorer en incorporant des facteurs supplémentaires (une partie de ce gros paquet que nous avions choisi de mettre de côté au départ…) et plus de test ? Les mathématiques des approches « top-down » et « bottom-up » ne tendraient-elles pas à converger vers un même modèle ? Ou est-ce que ma notion d'une approche "descendante" n'est vraiment qu'une variation sur une conception personnalisée ?
