Biche et pouvoirSalut,
Lors de la planification d'une expérience et de l'examen de la conception et de la puissance de chaque paramètre (lors de l'étape de conception initiale), il existe une option permettant de modifier le RMSE. En le changeant, évidemment la puissance est modifiée. La question est de savoir comment prédire ou supposer ce paramètre à l’avance (dans une expérience de dépistage par exemple)
MerciConception d'expériencesRe : Biche et pouvoirPas de débat sur la remise en question du système de mesure toujours. Vous pouvez soit le comprendre a priori, soit lors d'une expérimentation avec des composants imbriqués au sein des traitements. Je crois qu'il existe de meilleures méthodes que le R&R "typique" des jauges (voir Wheeler).
Mais mon argument a moins à voir avec les erreurs de mesure qu’avec la manière dont l’erreur expérimentale est estimée et ce qu’elle représente au cours d’une expérience.
Re : Biche et pouvoir@statman vous soulevez un très bon point ici. Dans la plupart des cas, nous souhaiterions probablement que le bruit (RMSE) de l'expérience reflète la variation typique du processus, car nous voulons vraiment comprendre si les effets du traitement sont importants par rapport à ce à quoi nous nous attendons généralement en production.Si nous effectuons, disons, 3 répétitions sur la durée d'un DOE de 15 ou 20 analyses - une vers le début, une vers le milieu et une vers la fin - et si en moyenne nous obtenons des résultats "similaires" avec peu de diffusion. , nous avons alors une indication raisonnable que le processus de mesure est stable.
Mais à quel point la propagation est-elle « peu » ?Un R&R de jauge devrait nous aider à réfléchir à un moyen de définir la précision de notre méthode de mesure pour Y, peut-être même avant de réaliser un DOE (pour la caractérisation et la découverte des processus).Si nous pouvons caractériser la répétabilité et la reproductibilité (précision) du système de mesure dans Gauge R&R, nous avons au moins une base de référence pour ce que nous déterminons comme « précision acceptable » dans la mesure de Y avant d'exécuter ce DOE. Bien sûr, nous pourrions le faire en même temps qu'un DOE. Tout dépend vraiment -- dans mon esprit, de choses comme la « robustesse » du système de mesure (qui dépend de choses comme : dans quelle mesure nous l'avons caractérisé auparavant, à quel point nous pensons que le système est complexe). , dans quelle mesure nous comprenons l'interaction du système de mesure avec la partie d'intérêt qui peut ou non entrer dans le cadre de l'étude R&R de la jauge... et c'est un autre sujet de débat !)
Re : Biche et pouvoirPeut-être, mais la question est la suivante : les effets du traitement (facteurs et interactions) sont-ils significatifs par rapport à la variation « typique » du processus ? Si les analyses du point central correspondent aux conditions actuelles, alors des répétitions de celles-ci (randomisées sur l'ensemble de l'ordre de conception) pourraient fournir une bonne estimation de la variation actuelle du processus et si l'un des traitements est significatif par rapport à cette variation. L’objectif n’est pas de déterminer l’importance des effets du traitement dans l’espace de conception. Il s’agit de déterminer si les effets du traitement seront significatifs et utiles à l’avenir.
Re : Biche et pouvoirExcellente discussion ; en tant que l'un de mes chers mentors dans l'industrie, @charles_chen aime dire : "Évaluez R&R et DOE ensemble."
Re : Biche et pouvoirSalut Phil,
C'est un bon point et je suis d'accord sur le bruit dans l'espace des facteurs. Lorsque nous effectuons des expériences et mesurons les résultats dans des contextes extrêmes, ils peuvent être variables en raison des limitations des propriétés des équipements/machines/matières premières. Dans ce cas, je pense qu'il faut considérer la valeur moyenne du bruit et du signal pour lancer la conception du DoE.
Re : Biche et pouvoirOui, @PatrickGiuliano , je pense qu'il y aura de nombreux cas où le "bruit" n'est pas une constante dans l'espace factoriel. Intuitivement, si vous définissez les facteurs aux extrémités de leurs plages, la variation expérimentale sera plus élevée. Ceci est souvent avancé comme un argument contre l’utilisation d’analyses répétées du point central pour l’estimation post-expérience du RMSE ; la variation au centre de l’espace des facteurs n’est probablement pas une bonne estimation de la variation ailleurs dans l’espace des facteurs.
Re : Biche et pouvoir@Phil_Kay tout cela a beaucoup de sens vu la manière dont vous l'avez expliqué merci d'avoir répondu et clarifié ma réflexion sur quelques points.Le RMSE reflète la variance de Y en tant que fonction des X.Nous devons donc au moins mesurer Y à des niveaux fixes à travers les X pour obtenir une estimation « historique » raisonnablement précise du RMSE, c'est tout à fait clair.
L'autre chose que vous avez mentionnée sur le fait que la variance pourrait ne pas être constante à différents niveaux de X est une bonne considération.Si nous n'avons pas testé (à plusieurs reprises) à ces niveaux, alors nous n'en sommes pas sûrs et nous faisons donc une hypothèse qui parfois ne tient pas. Il est très évident que la variance de Y peut différer à différents niveaux de X, par exemple pour un certain nombre de raisons, dont la moindre pourrait inclure des problèmes avec le système de mesure. Je me souviens de cas dans l'industrie où nous avons observé une « parallaxe » dans les mesures de métrologie optique, par exemple lorsque la mesure près du bord d'une pièce cylindrique provoquait plus de variation dans le champ visuel qu'au centre de la pièce en raison de la réflectance du rétro-éclairage provoquant des variations de bord. problèmes de détection.
Re : Biche et pouvoird'accord, merci pour vos contributions utiles @Mark_Bailey
Re : Biche et pouvoirmerci, tout à fait d'accord avec vous - l'approche du DOE elle-même est beaucoup plus analytique et professionnelle que toute autre (généralement basée sur l'intuition).
Re : Biche et pouvoirVoici une autre approche. Les valeurs initiales du RMSE et des coefficients peuvent sembler irréalistes. À quelle fréquence les valeurs anticipées seraient-elles 1 ? Très peu probable en pratique. D'un autre côté, ensemble, ces valeurs représentent également le cas où vous vous attendez à ce que l'effet (deux fois le coefficient) apporté par chaque terme soit deux fois le RMSE. Autrement dit, il s'agit d'une mesure relative de la variance de la réponse. Cette approche peut être utile lorsqu'il est difficile de déterminer des valeurs absolues pour le RMSE et les coefficients.
Re : Biche et pouvoir@PatrickGiuliano - Vous pouvez utiliser des estimations de la variance des prédicteurs (facteurs), mais vous aurez également besoin de savoir comment ces facteurs affectent la réponse afin de calculer la manière dont la variance se propage dans la réponse. Cela signifie que vous auriez besoin d'un modèle de la réponse par rapport aux facteurs, dont vous disposez uniquement après vous avez fait l'expérience. (Et vous devrez également ajouter une estimation de la variation de mesure pour la réponse.)
Tout simplement, vous avez juste besoin de l'écart type de la réponse pour des exécutions répétées avec des paramètres de facteur constants. Il sera utile d'examiner l'IC pour cette estimation, comme vous le dites, car à moins de disposer d'un grand échantillon pour estimer l'écart type, vous aurez une grande incertitude. Et cela aura un impact important sur l’estimation de la puissance. Vous devez également vous demander si cette estimation reflète la variation pour l'ensemble de l'espace factoriel ou uniquement pour les paramètres pour lesquels vous avez effectué des analyses répétées.
Revenons donc à mon point de vue selon lequel l'estimation absolue de la puissance n'est très souvent pas utile dans les expériences industrielles.
Re : Biche et pouvoirHeureux de pouvoir vous aider, @YanivD . Ma préoccupation concernant l'analyse de puissance est qu'elle pourrait empêcher les gens d'utiliser le DOE. On entend souvent dire que la puissance doit être >0,8. Donc, s'ils regardent l'analyse de puissance dans leur logiciel DOE et qu'ils voient quelque chose de inférieur à 0,8, ils pensent simplement qu'ils pourraient tout aussi bien ne pas s'embêter avec une expérience conçue. Mais vous devez comprendre que le nombre absolu n’a de sens que si vous utilisez de bonnes estimations du bruit et du signal que vous devez détecter. Bien souvent, nous ne disposons pas de bonnes estimations de l’un ou des deux. L’estimation de la puissance n’est donc pas significative. Mais cela ne veut pas dire qu’il y a quelque chose de mal dans l’expérience conçue.
Re : Biche et pouvoir@ih , @Phil_Kay Je pense que l'estimation totale du RMSE pour la réponse pourrait simplement être la somme des carrés des variances attribuées à chacun des prédicteurs.Cela semble-t-il être une estimation ponctuelle raisonnable pour le RMSE ?Ou devriez-vous nécessairement mener une expérience multifactorielle préliminaire (ou collecter des données par observation) et calculer le RMSE sur la réponse sur la base d'un modèle ajusté à la réponse par rapport aux prédicteurs ?
Serait-il judicieux d’envisager éventuellement d’utiliser l’estimation la plus défavorable (la plus élevée possible) du RMSE (par rapport à la plus basse possible) ?Je pense que, par exemple, considérer une limite de confiance supérieure de 95 % sur l'estimation du sigma moyen pourrait être plus conservateur (ce qui entraînerait des estimations plus faibles de la puissance en supposant que le sigma moyen total (RMSE) est en fait plus grand dans la population. que ce qui a été observé dans l’échantillon).
Re : Biche et pouvoirMerci, je vais l'essayerRe : Biche et pouvoirMerci Phil, j'apprécie votre soutien également ici, comme toujours :folded_hands: :smiling_face_with_smiling_eyes:Re : Biche et pouvoirJe suis entièrement d'accord avec @ih . Je dirais aussi que parfois la réponse est que c'est tout simplement impossible. L'alimentation (et autres diagnostics de conception) ne sont souvent vraiment utiles que dans la mesure où relatif mesures pour comparer une conception à une autre. Bien souvent, nous ne disposons pas de suffisamment d’informations pour effectuer des estimations fiables de absolu pouvoir. Voici une réponse à une question précédente comme celle-ci qui pourrait vous être utile.
Re : Biche et pouvoirUne compréhension du système étudié est utile ici.Dans quelle mesure pensez-vous que vous serez capable de faire un bon travail lors de la modélisation du système ?Si vous disposez de données historiques, mesurez la variation de vos réponses lorsque le système est à l'état stable.Si vous n'en avez vraiment aucune idée, vous devrez peut-être d'abord prendre quelques mesures et utiliser l'écart type de ces réponses comme estimation approximative du RMSE le plus bas possible de votre modèle final.
