Chère Communauté,
En conception personnalisée, quelle conception optimale serait la plus appropriée pour la sélection des paramètres critiques du processus et pour définir l'espace de conception pour l'étude de sept facteurs continus à 2 niveaux et chaque facteur avec un point central ? J'ai la limitation de 10 traitements à la fois.
@Manistat
Il y a une nouvelle fonctionnalité dans JMP version 17 qui, je pense, vous sera très utile. Après avoir spécifié vos facteurs et termes de modèle dans Custom DOE, il existe une nouvelle plate-forme appelée "Design Explorer" qui vous permet de construire et de comparer des conceptions avec différentes spécifications (critères d'optimalité, nombre de traitements, nombre de points centraux, etc.) puis de comparer leurs diagnostics. Je pense que cet outil aidera beaucoup avec les questions que vous posez.
Salut @Manistat ,
J'ai peut-être quelques questions pour vous aider davantage :
- Si je comprends bien votre objectif, vous aimeriez faire un examen des paramètres du processus pour identifier ceux qui sont significatifs sur les résultats de votre processus (donc examen des effets principaux) ?
- Pourquoi voulez-vous un point médian pour chaque plage de facteurs, attendez-vous une certaine courbure dans la réponse/les effets quadratiques ?
- Quelle est votre limite de 10 traitements "à la fois" ? S'agit-il d'une contrainte similaire à "10 passages par jour" (contrainte d'équipement/expérimentale) ?
- Quel est ton budget expérimental au total (un multiple de 10 je suppose) ?
- Avez-vous des restrictions dans l'espace expérimental à prendre en compte (combinaisons interdites telles que "Si X1 est défini sur 1, alors X2 ne peut pas être sur -1") ?
- Avez-vous des restrictions sur la randomisation des traitements à prendre en compte : un facteur "difficile à changer" et vous préférez le fixer à une certaine valeur pour un certain nombre d'exécutions avant de le redéfinir ?
En fonction de vos réponses, plusieurs conceptions peuvent être possibles (ici réalisées sans aucune contrainte supplémentaire) :
- Une conception personnalisée, avec les 7 facteurs continus et un facteur de blocage (10 exécutions par bloc), spécifiant un modèle avec des effets principaux et des effets quadratiques (qui sont définis comme « Nécessaire » par défaut mais peuvent également être définis comme « Si possible » pour sauf quelques essais expérimentaux) afin d'avoir des points médians pour chaque plage de facteurs. Cette conception peut nécessiter 20 exécutions par défaut (2 blocs de 10 exécutions).
- Un plan de dépistage définitif, avec 7 facteurs continus, l'option "Ajouter des blocs avec des passages centraux pour estimer les effets quadratiques" cochée avec 3 blocs et 4 passages supplémentaires. Cette option peut nécessiter 23 exécutions par défaut (1 bloc avec 9 exécutions, 2 blocs avec 7 exécutions chacun).
Vous pouvez jeter un œil aux deux designs ci-joints, et comparer les designs avec la plateforme DoE -> Design Diagnostics -> Compare Designs pour voir lequel serait le plus approprié (en cas de respect de votre budget expérimental, pas de restriction supplémentaire/ combinaisons interdites, etc...)
J'espère que cette première réponse vous aidera,
Mise à jour : Si votre question concerne les critères d'optimalité (D, A, I...), ce lien pourrait vous être utile : Critères d'optimalité (jmp.com)
Historiquement, le critère d'optimalité D est utilisé pour les plans de criblage (se concentre sur des estimations précises des effets), mais l'optimalité A est également très intéressante à considérer (se concentre sur la minimisation de la somme des variances des estimations des paramètres, et vous avez plus de liberté pour mettre davantage l'accent sur certains effets, par exemple plus sur les effets principaux que sur les effets quadratiques).
L'I-optimalité consiste à minimiser la variance de prédiction moyenne sur l'espace de conception, elle est donc plus adaptée aux modèles de surface de réponse (ce qui pourrait ne pas être votre cas).
