Évaluation du DoE avec (essentiellement) l'ordre d'exécution comme facteurSalut,
J'ai une conception relativement simple que je ne sais pas comment évaluer dans JMP.
Nous essayons de trouver une conception I-optimale pour deux facteurs.Un (X1), est un facteur continu à 2 niveaux et points centraux. Le second (X2) est essentiellement juste l'ordre d'exécution multiplié par 4. L'ordre de cette variable ne peut pas changer.Nous savons que X2 entraîne des changements dans notre réponse et nous souhaitons modéliser correctement son impact et son interaction avec X1, ainsi que l'évaluation des effets quadratiques. J'ai joint un exemple d'ensemble de données à titre d'exemple.
Le problème que nous rencontrons est la configuration et l'évaluation appropriées de la conception dans JMP.
Toute aide serait grandement appréciée!
Merci.
Conception d'expériencesRe : Évaluer le DoE avec (essentiellement) l'ordre d'exécution comme facteurSalut @ian-weykamp ,
Si je peux m(u)mp dans la discussion, voici mes réflexions concernant votre question initiale et vos commentaires.
Il pourrait y avoir plusieurs options pour faire face à votre situation, si j'ai bien compris votre situation, et en voici quelques-unes :
- Comme vous vous attendez à une certaine "dégradation" de votre réponse en fonction du nombre d'utilisations de votre outil, il peut être intéressant d'envisager une analyse de dégradation, d'avoir un modèle reliant le nombre d'utilisations de l'outil et son impact sur la réponse ? Je ne suis pas tout à fait sûr que vous puissiez faire une analyse de dégradation avec un autre facteur, mais d'autres membres de la communauté plus familiers avec ce type d'analyse peuvent avoir des réponses sur la façon de gérer cela.
- Si vous comptez utiliser plusieurs "outils" dans vos expérimentations du fait de cette limite d'utilisation par "outil", pourquoi ne pas lancer également une analyse du système de mesure (complémentaire à votre sujet initial) ? Cela peut vous aider à définir la part de la variance totale dans vos expériences que vous pouvez attribuer à (la différence entre) vos outils. Et si vous savez avec une étude de dégradation combien d'exécutions vous pouvez avoir "en toute sécurité" avec un outil, connaître la variance due au changement d'outils peut vous aider à comparer les résultats provenant de deux outils dans une conception expérimentale.
- Connaissant le nombre de passages possibles avec un outil, vous pourrez peut-être filtrer plus de facteurs d'intérêt en utilisant "outil" comme facteur de blocage : 4/8/16 passages par outil possible par exemple.
- Comme le nombre d'exécutions (votre colonne X2) ne semble pas être aléatoire ni bloqué, vous pouvez peut-être basculer le rôle de conception sur " Non contrôlé" au lieu de " Continu". Voir Facteurs (jmp.com) . Créer la conception avec le bon rôle permet d'avoir un modèle plus fiable, au lieu d'essayer de modifier la conception après coup pour mieux répondre aux besoins.
J'espère que ces quelques options pourront vous aider dans votre réflexion et votre montage expérimental.
Re : Évaluer le DoE avec (essentiellement) l'ordre d'exécution comme facteurPeut-être quelques précisions supplémentaires :
Nous pouvons considérer X2 ici comme un très outil coûteux qui est utilisé 4 fois par mesure et n'est utilisé qu'une seule fois par processus.Les lectures pour X2 seront 4, 8, 12, ...Nous savons qu'à mesure que le nombre d'utilisations de cet outil augmente, il y a un impact sur notre réponse. Ainsi, nous ne pouvons pas réorganiser X2, et il peut être considéré comme essentiellement l'ordre d'exécution de l'expérience car il augmente avec l'ordre d'exécution.
Notre objectif avec cette conception est de modéliser une plage de valeurs acceptables de notre réponse sur une limite préalablement établie de valeurs X2. Essentiellement, les processus sont exécutés jusqu'à un certain nombre d'exécutions, puis arrêtés.
Re : Évaluer le DoE avec (essentiellement) l'ordre d'exécution comme facteurIntéressant, mais je suis confus .
Mes réflexions : comment l'ordre de passage peut-il être un facteur ? Disons qu'il est significatif, et que le 3ème niveau donne les meilleurs résultats. Comment pouvez-vous éventuellement fonctionner avec cette connaissance? Comment exécuteriez-vous ce processus ? En conséquence, vous pouvez également optimiser l'interaction de X1 et X2 d'un point de vue pratique. Maintenant, si vous dites que le facteur X2 est temps , vous avez un facteur continu à plusieurs niveaux. Naturellement, vous auriez une restriction sur la randomisation car X2 ne peut pas être randomisé. Qu'est-ce qui change dans le temps ?
Une autre idée consiste à exécuter chaque niveau de facteur X1 4 fois (dans l'ordre) pour un total de 12 exécutions. Essentiellement un OFAT au fil du temps.
Une autre idée est de faire un échantillonnage (vs. DOE) de chaque niveau au fil du temps... non limité à 4 moments spécifiques.
Je suis sûr que d'autres interviendront.
