Je dois donc interdire certaines combinaisons basées sur la capacité de l'équipement, MAIS cela diminue considérablement la variance et la puissance de prédiction. Y a-t-il un moyen de contourner cela? Et si je ne peux pas, comment pourrai-je faire confiance aux résultats si la puissance est faible et la variance de prédiction élevée ?
Merci à vous deux! La conception que j'ai choisie est juste un DOE personnalisé avec toutes les interactions, sauf que j'ai supprimé les 4 exécutions qui n'étaient pas possibles et que j'ai ajouté 2 points centraux. Là où je suis bloqué, ce sont les paramètres pour effectuer des exécutions supplémentaires pour réduire la variance de prédiction si je ne peux pas tester à ces paramètres extrêmes.
Limiter l'espace d'exploration des facteurs se fera toujours au détriment du pouvoir. La façon de contourner cela est d'ajouter plus de pistes au DOE.
Bonjour @evtran ,
En lisant votre question et en regardant le profileur de variance de prédiction, nous pouvons en effet voir que votre conception n'est pas totalement équilibrée, car la variance relative prédite aux niveaux inférieurs de vos facteurs (température de bascule, vitesse de bascule) semble plus petite que celle du haut niveaux de vos facteurs, nous pouvons donc voir certaines contraintes. Il peut être assez difficile de vous aider sans regarder la conception elle-même, mais voici quelques remarques générales et conseils pour vos questions liées à la puissance et à la variance de prédiction :
- La puissance est significative lorsque vous connaissez la taille relative du signal que vous souhaitez détecter et que vous disposez de bonnes estimations du bruit de mesure expérimental et de réponse (RMSE) (voir la réponse de @Phil_Kay ici : Résolu : Dois-je envisager l'analyse de puissance dans le DOE ? - Communauté d'utilisateurs JMP ),
- En fonction de votre objectif (et de votre conception), vous ne serez peut-être pas intéressé par la signification des termes, mais plutôt par la précision prédictive. Dans ce cas, vous devez rechercher et comparer différentes variances relatives prédites (et Fraction of Design Space Plot) pour différentes conceptions afin de choisir celle qui minimise le mieux cette variance relative prédite.
- Il n'est peut-être pas très utile d'examiner la puissance et/ou la variance de prédiction relative, sans les comparer avec d'autres conceptions. Vous pouvez peut-être essayer de générer plusieurs plans avec plusieurs modèles et critère d'optimalité.
- Critère d'optimalité : Si vous souhaitez mettre en évidence des effets significatifs, un plan D-optimal (ou A-optimal) peut être approprié. Si vous ne vous souciez que de la prédiction de la réponse, peut-être qu'une conception I-optimale répondrait mieux à vos besoins.
- Plusieurs modèles : lorsque vous concevez votre modèle, vous pouvez essayer de modifier les termes du modèle. Par exemple, vous pourriez peut-être filtrer uniquement les effets principaux, si vous êtes au début de votre étude (et plus tard augmenter votre conception pour examiner les interactions et peut-être les effets quadratiques ?). Ou vous pouvez entrer des termes d'interaction dans le modèle (et des effets quadratiques ?) et changer l'estimabilité en "Si possible", pour vous concentrer sur les effets principaux tout en pouvant entrer les autres effets si vous avez suffisamment de degrés de libertés dans votre analyse .
- Taille de l'échantillon : je ne sais pas combien d'exécutions sont considérées dans votre cas concret ici, mais si le coût expérimental n'est pas trop élevé, l'augmentation de la taille de l'échantillon peut vous aider beaucoup à gagner plus de confiance dans votre capacité de dépistage (et à augmenter la puissance et à réduire la variance de prédiction relative).
Pour pouvoir "faire confiance" au résultat, vous pouvez comparer quels sont les effets significatifs détectés, par rapport à votre domaine d'expertise : est-ce logique ? Vous pouvez également préparer des exécutions supplémentaires (exécutions de validation), que vous utiliserez pour comparer les prédictions avec les mesures réelles (afin de vérifier si la précision de vos prédictions est acceptable pour vos besoins).
Parfois, vous n'avez pas d'autre choix que d'essayer une conception car en fonction du budget des expériences, de vos objectifs et des contraintes de conception, aucune autre conception ne peut être meilleure que celle que vous avez.
La seule façon d'être sûr que la conception était "suffisante" pour vos besoins et votre situation spécifique est d'exécuter les expériences et d'essayer d'analyser les résultats. S'il y a des difficultés, vous aurez toujours la possibilité d'augmenter votre conception.
En espérant que cette réponse vous aidera,
