Comparaison des DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Salut,
Je travaille sur Custom DoE (JMP16). J'ai 4 facteurs (1 continu et 3 discrets, avec contraintes). J'ai 1 réponse. Je sais que ces 4 facteurs sont importants et ont des interactions. Mon le but est d'optimiser la réponse pour trouver les niveaux de facteurs optimaux qui se traduisent par la plus grande efficacité possible. J'ai inclus tous les effets quadratiques et d'interaction.
J'utilise l'optimalité I car il ne s'agit pas d'un plan de dépistage.
- Le premier plan (v5) n'a pas de répliques. Il compte 18 pistes au total.
- Le deuxième design (v6) a des doublons. Il a un total de 36 pistes (je l'ai augmenté).
- Le troisième design (v7) a des triplicats. Il a un total de 54 pistes (je l'ai augmenté).
Pour cette expérience que j'envisage de faire, il m'est plus facile d'ajouter des doublons ou des triples (des mêmes conditions) une fois dans le labo. C'est pourquoi cela ne me dérange pas si j'ai plus d'exécutions, tant qu'elles sont dans les mêmes conditions (doublons ou triples), car je suis capable de les exécuter toutes ensemble tant qu'il s'agit de répliques des mêmes 18 exécutions initiales.
[Si à la place, je devais simplement utiliser la fonctionnalité "ajouter des exécutions répliquées", alors JMP ajoute beaucoup trop d'exécutions avec trop de conditions différentes pour que je puisse tester (limitation des ressources). Par exemple, lors de l'ajout de seulement 4 exécutions répliquées, JMP génère une conception avec un total d'exécutions par défaut = 27, ce qui représente trop de conditions différentes à tester... C'est pourquoi J'ai décidé de reproduire l'intégralité de ma conception à la place en utilisant la fonction d'augmentation .]
- Je compare les designs v5, v6 et v7 (ci-joint). Cependant, mon tracé "Fraction of Design Space" est vide. Pourquoi est-il vide ? ou les données sont-elles très petites pour que je ne puisse pas les voir ?
- Le "Power Analysis" et le "Power Plot" semblent plutôt bons pour les v6 et v7. Mais, je suis intéressé par l'optimisation de la réponse de toute façon (pas dans les effets principaux).
- Cependant, les rendements D/G/A/I- sont terriblement PAUVRES et tous sont les MÊMES. Sont-ils tous identiques, car la conception v6 est un doublon de la conception v5 et la conception v7 est un triple exemplaire de la conception v5 ? et pourquoi ces valeurs sont-elles si FAIBLES (0,5 et 0,3) ?Mes dessins sont-ils mauvais ?
J'ai essayé de chercher cela mais, tout ce que j'ai trouvé sur le guide DOE est:
"Les valeurs d'efficacité relative supérieures à 1 indiquent que la conception de référence est préférable pour la mesure donnée. Les valeurs inférieures à 1 indiquent que la conception comparée à la conception de référence est préférable. La conception à 16 passages a une efficacité inférieure à celle des deux autres conceptions pour toutes les métriques, ce qui indique que les conceptions plus grandes sont préférables. »
Mais, cela ne m'a pas beaucoup aidé.
Merci d'avance!!
BICHEmacOSRe : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Salut @ADouyon ,
Je t'en prie ! Je suis heureux de lire que vous vous sentez à l'aise avec ce design et que vous l'essayerez en laboratoire.
Veuillez envoyer des nouvelles sur la façon dont cela s'est passé, et si vous avez des problèmes ou des questions, la communauté JMP est là ! 
Passe un bonne fin de semaine toi aussi @ADouyon !Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Merci beaucoup, @Victor_G , pour votre aide inestimable dans l'amélioration de ce design ! Je l'apprécie sincèrement !!!
Je me sens maintenant plus à l'aise et confiant pour tester cette conception en laboratoire 
Merci pour toutes vos précisions super utiles et de toujours répondre si vite !
Passe un bon weekend, @Victor_G !!
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Salut @ADouyon ,
Super, je pense qu'il est plus logique de s'assurer d'abord des principaux effets et interactions, puis d'augmenter la conception pour optimiser la prédiction de la variance.
1- Si vous pouvez exécuter vos expériences par lot de 12 exécutions, il est plus sûr et recommandé d'utiliser le blocage. Dans votre cas, un bloc aléatoire comme vous l'avez fait semble être un bon choix, car vous n'êtes pas particulièrement intéressé par la différence entre les deux exécutions, mais plutôt par la variabilité des deux exécutions.
2- Le problème avec la plateforme "Augment Design" c'est que vous perdrez probablement votre blocage aléatoire (car même si vous le mettez dans les facteurs avant de lancer la plateforme, il ne sera pas pris en considération après, et vous n'aurez que ont accès à l'option "Augmenter", pas à celle "Répliquer"). Deux options pour pouvoir augmenter votre design et le répliquer :
- Vous copiez simplement vos 24 premières lignes, collez-les après et modifiez les niveaux de bloc aléatoires (1 devient 3, 2 devient 4).
- Vous générez directement un plan de 48 passages, en spécifiant dans la génération du plan que vous voulez 24 passages répétés, par groupe de 12 expériences. Vous vous retrouverez avec le design tv8 (ci-joint), et à partir de là, vous pourrez exécuter directement les 48 expériences de ce design si vous disposez d'un budget expérimental suffisant.
Les deux approches sont similaires, même si la seconde (tv8 par rapport à tv7 augmentée par copier/coller) est plus efficace (meilleure répartition des runs expérimentaux dans les différents blocs, voir captures d'écran).
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Merci @Mark_Bailey pour les éclaircissements !!
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Bonjour @Victor_G , merci beaucoup pour la clarification et la réponse rapide, comme toujours !!
J'ai peaufiné ma conception maintenant pour inclure les 4 facteurs ( pas en ignorant X4 puisque l'effet de ce facteur est encore complètement inconnu) et toutes les interactions avec estimabilité définie sur « nécessaire », ainsi que l'effet quadratique de ma variable temporelle (X3) également définie sur « nécessaire ». J'ai conservé les autres effets quadratiques des 3 autres variables (X1, X2, X3) avec l'estimabilité définie sur "si possible" car je suppose qu'il y aura une courbure, donc j'aimerais augmenter la conception à l'avenir.
[Je m'attends à des effets significatifs des termes d'interaction avec la plupart des facteurs, à l'exception des interactions avec la variable X4, facteur pour lequel je n'ai aucune information à l'avance. C'est pourquoi, j'ai gardé toutes les interactions d'estimabilité définies sur "nécessaires" dans cette conception raffinée].
Dans ma conception précédente, "i_tv5_Iopt_changedEst_remov2_24runs" , j'avais supprimé les termes 'X1*X1' et 'X2*X4', mais comme je n'ai aucune preuve que ceux-ci ne sont pas significatifs , (et sur la base des différentes clarifications auxquelles vous m'avez aidé) J'ai décidé de les garder dans le nouveau design poli (« X1*X1 » avec l'estimabilité définie sur « si possible » et « X2*X4 » définie sur « nécessaire »).
Le design raffiné nommé "tv6_Dopt_24rns_QTermsIfPoss_ExceptX3X3_110322" est joint.
La variance semble avoir augmenté maintenant, mais d'après ce que vous m'avez expliqué, je comprends que ce n'est pas grave puisque je prévois d'augmenter cette conception à l'avenir.
Maintenant, je me demandais quelle est l'importance de la variable "blocage" ?
Mes expériences peuvent être exécutées dans un conteneur (de réaction) qui peut spécifiquement tester jusqu'à 12 conditions différentes (traitements) à la fois . Étant donné que cette conception comporte 24 traitements différents (24 passages), je devrai d'abord exécuter 12 traitements et terminer cette expérience. Ensuite, séparément, une fois que j'aurai terminé avec ce premier lot de 12 traitements, je ferai une autre expérience avec le reste des 12 traitements. Dois-je alors ajouter la variable "blocking" ?
J'ai essayé d'ajouter cette variable "bloquante" en saisissant le nombre "12" où il est écrit "Le groupe se heurte à des blocs de taille aléatoire" (= 12) (conception jointe, nommée "tv7_liketv6_withBlocking"). J'ai remarqué que cela augmentait légèrement ma variance (voir capture d'écran, couleur orange pour ce design tv7.
1- Ai-je bien fait cette partie @Victor_G ?
2- Et, comme j'ai de la place dans le conteneur pour les doublons, je peux aussi maintenant augmenter le design pour le dupliquer, n'est-ce pas ? Que dois-je faire avec la variable "bloc aléatoire" lors de la duplication du dessin ? Voir la 1ère capture d'écran ci-jointe, dois-je également l'ajouter dans la case "X, facteur" ?
Merci beaucoup @Victor_G !!
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?La variance de prédiction est une information utile lors de la comparaison de deux conceptions ou plus lorsque la prédiction est l'objectif principal de cette expérience - plus la variance est faible, meilleure est la conception.
N'oubliez pas qu'il n'y a aucune information sur la variance de la réponse avant la collecte des données. Ce graphique suppose que cette variance est de 1, ce qui est peu probable. Le graphique suppose également le modèle linéaire et ses hypothèses, y compris la variance constante sur toute la plage de réponse. Si vous avez une estimation de la réponse, multipliez l'échelle de ce graphique par votre estimation pour connaître la variance réelle de la prédiction. La racine carrée de cette variance est l'erreur standard de prédiction.
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Salut @ADouyon ,
- Vous avez raison, puisque vous ajoutez peu de facteurs à l'écran, je vous ai recommandé d'ajouter un effet quadratique pour le temps, car les processus chimiques ou biologiques sont rarement linéairement dépendants dans le temps, il peut donc être préférable d'avoir ce terme quadratique directement dans le modèle . Et puisque vous aviez des "contraintes" avec ce facteur temps (pour les décimales), vous choisissez un type numérique discret à 3 niveaux pour ce facteur, qui ajoute automatiquement les termes quadratiques dans le modèle avec l'estimabilité "si possible", donc vous devriez être ok avec ces paramètres.
- Ces buckets ne sont pas entièrement séparés les uns des autres, il s'agit plutôt d'une aide et d'un guide lors de votre processus de création de DoE, pour auto-évaluer à quel stade vous en êtes. Selon votre budget expérimental, il peut être tentant de ne faire qu'un seul gros DoE, mais cela peut être un manque de ressources, car la plupart des effets ne seront probablement pas significatifs ou n'auront pas une grande influence sur la réponse. C'est pourquoi j'ai tendance à décrire l'utilisation du DoE lors d'une étude avec ces 3 étapes : dépistage, optimisation et prédiction, car cela aide à déterminer ce que vous savez déjà sur le système et ce que vous aimeriez savoir pour mieux comprendre et prévoir votre système. J'ai utilisé dans les formations DoE précédentes la figure que j'ai insérée comme capture d'écran ici. Mais comme vous le dites, selon la situation, cela peut sembler un peu trop simpliste et toutes les études utilisant DoE ne passent pas par ces 3 étapes, car les connaissances antérieures, l'expérience du domaine ou les données historiques peuvent aider à avoir une bonne compréhension du système.
Dans votre cas, votre nombre de facteurs est assez faible, mais vous n'êtes pas sûr de la signification de certains effets (X4 et interactions/effet quadratique impliquant X4). Je choisirais donc un critère D-optimal afin d'évaluer le plus précisément possible les estimations des paramètres, et d'avoir la possibilité de trier les effets significatifs de ceux qui ne le sont pas.
Votre conception a du sens, et le DoE à 24 exécutions ("i_tv5_Iopt_changedEst_remov2_24runs") effectué avant la réplication semble être un bon compromis entre la taille des exécutions et le filtrage des effets. Et en raison de la présence de 5 exécutions répétées, vous devriez être en mesure d'estimer le bruit dans votre réponse et le manque d'ajustement.
Ce n'est peut-être pas déjà un modèle prédictif (selon la précision que vous voulez avoir), mais c'est une première bonne étape pour évaluer quels termes sont significatifs, et à partir de là, vous pouvez augmenter la conception pour améliorer la précision de la prédiction.
J'espère que cette réponse vous aidera,
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Merci @Victor_G pour la réponse rapide et pour la réponse claire !!
- Donc, mais si l'un de mes facteurs est le temps, alors ajouteriez-vous directement les effets/termes quadratiques dans cette première conception de "preuve de concept", ou attendriez-vous encore de l'ajouter plus tard (dans la prochaine itération) lors de l'augmentation ?
Je me souviens que dans mon tout premier message, vous m'aviez prévenu que si j'avais un facteur qui est le temps et qui est une variable continue, je devrais avoir des effets quadratiques ( https://docs.google.com/presentation/d/1BOYJfa54Kt2MnH5TrSpSOOr6-GLIwlJKUhZPFK8gxXM/edit?usp=sharing ). Bien que mon facteur temps soit un facteur numérique discret (car je ne peux pas accepter les décimales) avec 3 niveaux, cela fait-il une différence ?
- Dans JMP DOE, il semble que nous séparions vraiment les choses en compartiments en fonction de l'objectif ; 1) dépistage, 2) optimisation, 3) prédiction.
Mais, les gens ont-ils toujours une séparation aussi claire dans leur travail/conception ?
Ma conception a 4 facteurs, dont 3 que je sais avec certitude ont un effet principal significatif. Il n'y a qu'un seul facteur (X4) dont je ne suis pas sûr qu'il soit très important dans la conception (je suppose qu'il ne sera pas aussi important que les 3 autres, mais je n'ai aucune preuve). Je soupçonne que les effets d'interaction seront significatifs avec la plupart des termes d'interaction (probablement tous ceux sauf ceux qui interagissent avec X4, ce qui, encore une fois, je ne pense pas qu'il sera aussi significatif, mais je n'ai aucune preuve). [Et, je soupçonne que j'aurai aussi des effets quadratiques...]
Ainsi, il semble que ma conception soit comme un mélange de dépistage (parce que j'ai un facteur dont je ne sais rien) + optimisation (parce que j'ai 3 facteurs dont je suis sûr à 99,999..% qu'ils ont un effet significatif réel). Cela aurait-il un sens ? Pourriez-vous clarifier cela @Victor_G puisque cela affecte le critère d'optimalité choisi pour commencer (je suis confus si je dois choisir D- ou I-optimalité) ?
Mille mercis @Victor_G !!!
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Bonjour @ADouyon ,
Oui, généralement vous ne faites pas qu'une seule conception, mais vous continuez à l'augmenter plusieurs fois au fur et à mesure que votre connaissance du processus/système/formulation augmente.
Vous pouvez commencer par filtrer uniquement les effets principaux (en fonction du nombre de facteurs et du nombre d'exécutions requis, vous pouvez ajouter des termes d'interaction directement dans cette phase), puis les interactions pour optimiser les connaissances sur le système, puis les effets quadratiques pour construire un prédictif robuste. modèle.
En fonction du nombre et du type de facteurs, il peut y avoir de meilleures alternatives : par exemple, pour un nombre élevé de facteurs (>5, et uniquement des facteurs continus ou catégoriques à 2 niveaux), les Definitive Screening Designs (DSD) peuvent être un bon choix pour filtrer les effets principaux de manière impartiale, et avoir la possibilité de détecter certaines interactions et termes quadratiques.
En espérant que cette réponse vous aidera,
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Merci beaucoup @Victor_G !! Ça a du sens!
Donc, en général, est-il recommandé de tester d'abord les termes d'interaction avec les principaux facteurs, et de compléter ensuite en ajoutant des termes quadratiques ? (juste confirmation puisque votre suggestion a cet ordre).
Merci beaucoup @Victor_G !!
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Bonjour @ADouyon ,
Il n'y a pas de « règle stricte » ou de « valeur limite » sur la valeur minimale de la variance de prédiction (relative ?), car cette exigence peut différer selon le sujet, le domaine et la valeur commerciale. Dans certains domaines et applications spécifiques (comme la pharmaceutique), il existe des normes sur la précision requise des modèles, dans d'autres cette valeur est laissée à la discrétion des scientifiques/expérimentateurs. Il doit y avoir un compromis entre une précision adéquate en fonction du budget expérimental possible et des contraintes de l'espace de conception/expérimentation.
Je ne suis pas surpris par la comparaison et les résultats que vous avez entre les deux conceptions, car l'augmentation du nombre d'exécutions diminuera la variance de prédiction (vous aurez plus de degrés de liberté, et par conséquent une meilleure estimation des erreurs/bruit et des effets ).
Si vous êtes dans une phase de "preuve de concept" et que vous ne savez pas exactement quels facteurs entrer dans votre modèle et votre conception, je trouve assez dangereux de supprimer un facteur si vous n'êtes pas entièrement sûr que ce facteur n'a aucun effet sur la réponse (s).
Pour rester en sécurité, je préférerais commencer par un design qui a une variance de prédiction plus élevée (mais plus de facteurs évalués), afin d'être sûr de ne pas manquer un effet. Une fois cette sélection effectuée (sur les effets principaux et les interactions), vous pouvez toujours augmenter votre conception pour diminuer la variance de prédiction (modèle prédictif) et/ou entrer de nouveaux termes dans le modèle (comme les effets quadratiques pour l'optimisation du modèle).
Votre choix dépendra de l'étape à laquelle vous en êtes pour la conception (screening, optimisation, prédiction ?) et des connaissances que vous avez déjà sur votre procédé/produit/formulation/...
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Bonjour @Victor_G !
Merci beaucoup pour votre réponse, super utile !!
Pour poursuivre sur ce point, à quel point la variance de prédiction doit-elle être faible ? quelle serait la valeur seuil ?
Dans la page d'aide de JMP, il est écrit " Une faible variance de prédiction est souhaitée."
Je suis entre deux conceptions DOE, 'tv5' (24 traitements, 48 exécutions car dupliqué) et 'tv7' (12 traitements, 24 exécutions car dupliqué) , tous deux attachés. En termes de variance prédite, le plan 'tv5' a une meilleure (inférieure) variance prédite.
Mais, 'tv5' a le double du nombre de traitements de 'tv7' (24 contre 12), ce qui signifie que je peux faire les expériences beaucoup plus rapidement avec 'design tv7'. La conception 'tv7' n'a que 3 facteurs ; J'ai laissé tomber 'X4' pour essayer de réduire le nombre d'expériences nécessaires. J'aimerais que cette première expérience soit juste une preuve de concept, pour montrer ce que nous pouvons accomplir avec JMP, donc je préfère ne pas avoir trop de traitements/séries dans ma première conception, mais je crains que la variance prédite soit trop élevé pour tv7, n'est-ce pas ?
Merci beaucoup, @Victor_G !!
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Salut @ADouyon ,
Concernant votre première question sur votre efficacité G inférieure à votre efficacité D, il est assez difficile de comparer différentes mesures d'efficacité uniquement sur une seule conception. N'oubliez pas que les mesures d'efficacité sont des mesures/statistiques agrégées de critères d'optimalité, elles peuvent donc fournir un bon aperçu lors de la comparaison de conceptions, mais elles ne sont pas suffisantes pour prendre une décision.
- Si vous êtes préoccupé par la précision de vos réponses prédites, je pense que le "profil de variance de prédiction" est beaucoup plus informatif, car vous pouvez explorer et déterminer dans quelle zone de votre espace expérimental votre prédiction de variance relative est la plus élevée. Dans votre dernier design, vous aurez une prédiction de variance relative assez élevée lorsque X2 est au niveau le plus bas (1) et X4 au niveau le plus élevé (10), ce qui est normal car en raison des combinaisons non autorisées, aucun point ne sera dans cette zone (voir capture d'écran "Experimental-space-X4-X2"). Cela peut également expliquer pourquoi la mesure agrégée de G-optimalité, G-efficacité, est faible (en raison de la zone expérimentale restreinte, augmentant la variance de prédiction relative).
Ainsi, vous pouvez acquérir une bonne compréhension en visualisant vos points/espace expérimentaux et en regardant le "profil de variance de prédiction". Voir Profil de variance de prédiction (jmp.com) pour plus de détails et pour calculer la variance réelle de la prédiction.
Concernant votre deuxième question, ces valeurs de réponse anticipées ne sont pas une prédiction de la réponse, car si elles l'étaient, cela suppose que vous savez déjà quelle est la valeur exacte des coefficients dans votre modèle de régression, donc vous ne ferez probablement pas de plan expérimental si vous le saviez déjà.
Il s'agit plutôt d'un guide/aide que vous pouvez utiliser de deux manières différentes :
- Pour savoir, en fonction du modèle que vous créez et des coefficients du modèle que vous pouvez librement choisir/modifier, quelles valeurs vous pouvez attendre des réponses expérimentales (n'oubliez pas de modifier le coefficient de votre intercept pour avoir des valeurs de réponse dans la plage de ce à quoi vous vous attendiez, et non centré autour de 0/1, selon les autres coefficients).
- Pour évaluer, à l'aide de la colonne de puissance, quelle serait la différence la plus faible détectable (ou la probabilité de détection et d'effet) avec votre conception, pour un niveau de signification et une RMSE spécifiques.
J'espère que cette réponse sera utile,
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Ainsi, les valeurs par défaut de 1 pour la RMSE et tous les coefficients sont utiles. Cette configuration reflète le cas où vous vous attendez à ce que la valeur absolue de tous les effets soit au moins deux fois la RMSE. Il s'agit d'une comparaison relative.
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Merci @Mark_Bailey pour clarifier!
Ça a du sens!
Donc, en ce moment, les coefficients anticipés par défaut sont tous 1. Comme tous les coefficients ont la même valeur (=1), les réponses attendues sont très similaires entre les différents traitements/séries (allant de -0,9 à 9). Droite? Cependant, dans la vraie vie, ces valeurs ne seront probablement pas tous les mêmes et aussi probablement ces valeurs ne seront pas égales à 1 . Est-ce que j'ai bien compris ?
Merci beaucoup!!
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Oui, c'est exactement ce que cela signifie. Cette information est une vérification de cohérence si vous utilisez l'analyse de puissance de cette façon. Vous pouvez entrer des coefficients anticipés et revoir la réponse attendue pour chaque exécution, ou vous pouvez entrer la réponse anticipée et revoir les coefficients correspondants que vous obtiendrez de l'analyse de régression. Il s'agit simplement de deux manières différentes d'indiquer à JMP l'ampleur des effets que vous attendez pour effectuer l'analyse de puissance. Ils sont différents, mais ils doivent être cohérents.
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Salut @Victor_G , merci beaucoup d'avoir pris le temps de tout expliquer et de m'avoir indiqué des ressources supplémentaires ! C'est très utile !
Je me demandais, c'est le fait que le rendement G (32) est inférieur au rendement D (41) un souci si mon objectif est d'optimiser et prédire avec précision la réponse optimale (sans filtrer les facteurs) ?
Aussi, j'ai lu le Page d'aide de JMP sur "Conception et aperçu des réponses anticipées" . Il dit spécifiquement " Le plan Conception et réponses anticipées montre la conception précédée d'une colonne Réponse anticipée. Chaque entrée de la première colonne est la réponse anticipée correspondant aux paramètres de conception. La Réponse Anticipée est calculée à l'aide des Coefficients Anticipés... La réponse anticipée est le valeur de réponse obtenue en utilisant les valeurs de coefficient anticipé comme coefficients dans le modèle. Lorsque le plan apparaît pour la première fois, le calcul des valeurs de réponse anticipée est basé sur les valeurs par défaut de la colonne Coefficient anticipé. Lorsque vous définissez de nouvelles valeurs dans la colonne Réponse anticipée, cliquez sur Appliquer les modifications aux réponses anticipées pour mettre à jour les colonnes Coefficient Anticipé et Puissance" .
Cependant, je suis encore un peu confus car l'explication est assez brève. Ces valeurs de réponse anticipées ne sont pas une prédiction de la réponse, n'est-ce pas ? Ces valeurs ne signifient pas que ces valeurs de réponse sont ce à quoi je devrais m'attendre après avoir fait les expériences en laboratoire, n'est-ce pas ?
Ces valeurs vont actuellement de -0,9 à 9 dans ma conception dupliquée i_tv5 (ci-jointe), mais cela ne signifie pas que je devrais m'attendre à obtenir une réponse dans cette plage de -0,9 à 9 après avoir fait l'expérience en laboratoire, n'est-ce pas ?
Merci @Victor_G !!
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Salut @ADouyon ,
Tout d'abord, je viens de consulter la section d'aide de JMP, et lors de l'utilisation de la plate-forme "Comparer les conceptions", l'explication que j'ai donnée sur le taux d'efficacité est correcte. Voir Conceptions de différentes tailles de tirage (jmp.com)
Concernant vos nouvelles questions :
- Puisque les contraintes font partie de la création du design (elles sont prises en compte pour savoir quelle partie de l'espace expérimental est restreinte/interdite, et l'algorithme d'échange de coordonnées essaie de placer les points dans ce nouvel espace de la manière la plus optimale), vous pouvez ne modifiez pas les contraintes après avoir généré votre conception. Sinon, vous pouvez trouver des points qui se trouvent dans la partie nouvellement interdite/restreinte de votre espace expérimental, de sorte que ces exécutions ne seront pas réalisables. J'ai peur que tu doives recommencer. Si vous parlez des contraintes et du problème que j'ai identifié avec les noms des variables, vous pouvez modifier le script, mais veuillez vérifier que les noms des variables sont corrects dans mon édition pour être sûr que la table de conception que vous avez déjà respecter les contraintes.
Si vous cliquez sur le script "DoE Dialog", vous verrez une nouvelle fenêtre s'ouvrir, avec toutes les informations que vous aviez juste avant de cliquer sur "Make Design", vous pourrez ainsi vérifier quelle était l'estimabilité des termes dans votre conception (voir capture d'écran).
- Comme ce X4*X4 n'est pas un terme estimable "nécessaire", vous ne le verrez pas dans la plateforme "Evaluate Design", car le nombre d'exécutions est inférieur au nombre total de paramètres que vous souhaitez estimer (nécessaire + si possible). Dans l'aide de JMP sur les diagnostics de conception : " Ces diagnostics ne sont pas affichés pour les conceptions qui incluent des facteurs avec des changements définis sur dur ou très dur ou des effets avec une estimabilité désignée comme si possible. » (source: Diagnostic de conception (jmp.com) ). C'est pourquoi vous avez un diagnostic de conception "pire" lorsque vous comparez cette conception avec une conception dont le terme estimabilité est défini sur "Nécessaire" (car il est pris en compte dans l'évaluation de la conception cette fois).
Mais dans l'analyse, ce terme est encore conservé, car si un effet principal est par exemple non significatif, cela libère des degrés de libertés pour estimer un autre effet/terme. Vous pouvez lire plus de détails sur cette conception spécifique (avec des termes estimables "si possible") ici : Critères d'optimalité (jmp.com) Il existe plusieurs manières d'analyser ce type de conceptions, j'en ai évoqué quelques-unes dans un autre de vos post : Résolu : Re : Erreur lors de la comparaison de plusieurs conceptions DOE - JMP User Community
Je suggérerais de garder votre conception avec l'estimabilité du terme X4*X4 définie sur "Si possible", et d'essayer d'augmenter votre conception si les réponses que vous avez mesurées montrent une forte indication que ce terme peut être significatif, et/ou si vous manquez de précision pour vos réponses prévues. DoE n'est pas nécessairement une approche "tout faire en une seule fois", il est souvent préférable de commencer avec une conception plus petite et de les augmenter de la manière la plus efficace et optimale (approche séquentielle/itérative).
3. Vous trouverez vos réponses ici : Analyse de puissance (jmp.com) Vous pouvez modifier librement les valeurs de réponse anticipée (ou de coefficient anticipé) pour voir comment les coefficients anticipés se comportent (ou inversement comment les valeurs de réponse anticipées changent). N'oubliez pas de modifier le coefficient d'interception pour avoir des réponses supérieures à 10 dans votre cas concret si vous souhaitez vous rapprocher des réponses anticipées pour votre cas d'utilisation.
4. Le critère d'optimalité peut changer en fonction de la façon dont vous augmentez la conception. Par exemple, si vous passez d'un plan de criblage à un plan RSM (en ajoutant des interactions et des termes quadratiques dans le modèle), le critère d'optimalité peut passer de D à I optimal. La meilleure option est de vérifier lequel est défini par JMP (vous pouvez regarder dans le tableau, juste en dessous du nom du tableau et des scripts ci-dessus, quel critère a été choisi et comment la conception a été générée), ou de le définir si vous savez dans avancer (triangle rouge dans la plateforme Custom Design, critère d'optimalité, puis choisir le plus pertinent).
En espérant que cette réponse vous aidera,
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Salut @Victor_G et @Mark_Bailey ! Merci pour votre aide! Très appréciée!
@Mark_Bailey , merci pour la perspicacité ! Semblable à @Victor_G , je me demande également si ce rapport de 0,5 et ~ 0,333 (efficacité) que nous voyons lorsque nous comparons à une conception en double ou en triple, respectivement, a une signification alors ?
1- Merci @Victor_G pour attraper cette erreur dans les contraintes ! Je me demande si je peux réellement modifier les contraintes après avoir déjà généré la table DOE, ou dois-je recommencer ?
Sur la même note, après avoir déjà généré une table DOE, comment puis-je vérifier/voir "l'estimabilité" des différents termes (effets principaux, termes quadratiques, etc.) ?
2- J'ai aussi remarqué une autre chose étrange qui se passe avec mon design (maintenant mis à jour) (i_tv5 ci-joint). j'ai précisé le Terme X4*X4 comme "si possible" dans la sélection 'estimabilité'.
Après avoir généré la table DOE, lorsque je vais ensuite vérifier le '> Modèle' (sur le panneau de gauche), je vois tous les termes que j'ai inclus avant de générer la conception. Cependant, si je vais dans '> Evaluate Design' (également sur le panneau de gauche), je remarque que le terme X4*X4 a disparu. Cela ne s'affiche pas là.JMP a-t-il supprimé ce terme de la conception car il n'y a pas assez d'exécutions pour analyser ce terme x4*x4 (le nombre total d'exécutions est de 24) ?
Si je change l'estimabilité de ce terme en "nécessaire", alors la conception devient la pire (ci-jointe) : a) la variance de la prédiction est plus élevée, b) l'analyse de puissance est entièrement à 0 et c) les efficacités de conception sont 10 fois plus faibles.
Ce problème avec le terme x4*x4 me pose des difficultés lors de la comparaison des conceptions. J'essayais de comparer cette conception avec une conception dupliquée (ci-jointe). Le message d'erreur réapparaît ☹ « Le modèle pour la conception principale ne peut pas être adapté à toutes les conceptions. Suppression de termes de modèle inestimables.
Comment puis-je resoudre ceci? Dois-je simplement ignorer ce message d'erreur si JMP l'ignore de toute façon ? Je crois que ce terme X4*X4 n'est peut-être pas significatif (mais pas sûr à 100%).En raison de la limitation des ressources, je ne peux pas faire plus de 24 courses.
Que me conseilleriez-vous si je ne peux faire que 24 courses, et en même temps je pense que ce terme n'est peut-être pas très significatif (mais je ne l'ai jamais testé auparavant) ?
3- D'autre part; qu'est-ce que les valeurs sous la rubrique "Conception et réponses anticipées" (voir capture d'écran) moyenne? Ces valeurs n'ont aucun sens pour moi. Le but de cette conception est de maximiser la réponse. J'ai fixé la limite inférieure à 10. Les valeurs que je vois dans cette section "Conception et réponses anticipées" sont <10, ou 0 ou certaines sont des valeurs négatives. Est-ce une préoccupation ?
4- Une dernière petite question : Lorsque j'augmente un design, le critère d'optimalité reste-t-il dans le design augmenté ? J'ai remarqué que lorsque je duplique un design en l'augmentant, le design dupliqué semble revenir au critère d'optimalité 'recommandé'…. Mais, quelle est la recommandation de JMP, est-ce l'optimalité D ou I, qu'est-ce que c'est ?
Merci à tous pour votre aide!!
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Salut @Mark_Bailey ,
Les captures d'écran fournies sont issues de la plateforme "Comparer les designs", donc les efficacités sont "déjà" relatives, puisqu'elles sont calculées par rapport au "pire" design ici (v5 avec 18 runs).
Donc les efficacités de v5 vs. v6 (36 runs) sont de 0,5 (efficacités v5/v6 = 0,5) ce qui devrait signifier que les efficacités de v6 sont 2 fois supérieures à celles de v5 ?
Et si la logique est bonne, alors les efficacités de la v5 par rapport à la v7 (54 exécutions) étant de 0,333, cela signifie que les efficacités de la v7 sont 3 fois supérieures à celles de la v5, donc la v7 est la meilleure conception (comparativement aux autres), pas la v6 qui a efficacités de conception relatives égales à 0,5 par rapport à la v5.
Ou ai-je mal compris quelque chose ?
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?L'échelle de la variance de prédiction utilisée par le tracé FDS semble erronée. Je soupçonne que toutes les valeurs sont supérieures au maximum sur l'échelle. As-tu essayé de changer d'échelle ?
La puissance est toujours inférieure pour les termes d'ordre supérieur. De plus, la puissance n'est pas si importante lorsque vous n'utilisez pas l'analyse pour déterminer quels effets sont importants. La variance de prédiction est plus importante lors de l'utilisation du modèle pour optimiser les paramètres de facteurs.
Les efficacités sont normalisées pour le nombre d'exécutions, donc la reproduction d'une conception ne changera pas l'efficacité. L'efficacité n'est pas utile en tant que mesure absolue. Il vous renseigne sur la conception actuelle par rapport à une conception théorique, ce qui est souvent impossible. Utilisez-le comme mesure comparative pour comparer deux conceptions ou plus. Ainsi, la conception avec efficacité = 1/2 est meilleure que la conception avec efficacité = 1/3.
Re : Comparer les DoE - Pourquoi les efficacités D/G/A/I sont-elles toutes les MÊMES et terriblement FAIBLES ?Salut @ADouyon ,
Pour votre première question, la fraction du tracé de l'espace de conception est vide pour chaque conception individuelle, ce qui est étrange. En regardant votre script de combinaisons non autorisées, il peut y avoir un problème, car le nom de vos facteurs dans la table de données n'est pas le même dans votre script "Combinaisons non autorisées" (ainsi JMP peut être perdu dans l'interprétation de ce qui est "Pulses" et quelle colonne il est par exemple).
Lorsque je modifie le script "Combinaisons non autorisées" avec des noms anonymes pour les colonnes (X1, X2, X3, X4), je peux voir la fraction de l'espace de conception pour chaque conception individuelle et elle apparaît dans la comparaison des conceptions (voir capture d'écran ). Le script corrigé des combinaisons non autorisées est ici (assurez-vous que je n'ai pas fait d'erreur en inversant X1/X2/X4 dans le script) :
X2 == 1 & (X4 >= 0.0595238095238095 & X4 <= 10) | (
X2 == 2 | X2 == 3) & X4 == 0
Pour votre deuxième question avec la comparaison d'efficacité des conceptions, gardez à l'esprit que votre référence dans cette plate-forme basée sur vos captures d'écran est la v5 (donc la plus petite conception avec 18 exécutions). JMP calculera donc le relatif efficacités de v5 par rapport à v6 et v7 (en fractions : efficacité v5 divisée par efficacité V6 ou v7 pour tous les critères d'efficacité). Sur la base de votre capture d'écran, vous pouvez voir que la v6 sera 2 fois plus efficace que la v5 pour les critères d'efficacité D/G/A/I lorsque vous ajoutez 18 exécutions, et la v7 sera 3 fois plus efficace que la v5 pour D/G/A /I critères d'efficacité lorsque vous ajoutez 36 exécutions (car les efficacités relatives de la v5 sont de 0,333 par rapport à la v7).
Si vous voulez voir la comparaison basée sur votre conception "moyenne" avec 36 passes, lancez la plateforme de comparaison de conception à partir de la table de données de votre conception 36 passes. Vous devriez avoir la comparaison relative comme indiqué dans ma capture d'écran ci-jointe (et vous verrez en effet que la v6 a des valeurs d'efficacité relative 2 fois supérieures à celles de la v5).
