Bonjour! Je pense que cette question a déjà été posée plusieurs fois. Mais je ne sais toujours pas comment obtenir le RMSE pour l'analyse de puissance pour le DOE avec plusieurs facteurs. Supposons que j'ai 7 facteurs et 10 réponses, dois-je d'abord mener 10 études pilotes différentes pour chaque réponse pour construire un modèle d'ajustement, puis obtenir le RMSE (ce sera beaucoup de travail !) ? Comment mettre en place l'étude pilote ? Quelqu'un peut-il fournir des procédures plus détaillées pour obtenir le RMSE ? Merci!
Salut @DendrogrammeSteer ,
Votre question autour de l'évaluation de l'analyse de puissance est en effet un sujet très fréquemment posé sur ce forum.
Il y a quelques discussions intéressantes que vous voudrez peut-être consulter ici (liste non exhaustive), sur l'utilisation de cette analyse et comment faire confiance aux résultats du modèle :
https://community.jmp.com/t5/Discussions/Should-I-consider-power-analysis-in-DOE/mp/501063
https://community.jmp.com/t5/Discussions/Comparing-DoEs-Why-DGAI-efficiency-are-all-the-SAME-and/mp/559266
https://community.jmp.com/t5/Discussions/Losing-Power-and-Prediction-Variance-in-Custom-DOE-constraints/mp/544828
La puissance est la capacité de détecter des effets significatifs s'ils sont effectivement présents.Je suppose qu'en fonction des caractéristiques de votre étude, vous êtes peut-être dans une phase de dépistage (ou de début d'optimisation), d'où votre besoin d'évaluer et d'évaluer la puissance de votre conception, pour être sûr de ne pas manquer d'effets significatifs.
Afin d'utiliser efficacement l'analyse de puissance, vous devez spécifier :
- La taille du signal que vous devez détecter (via les valeurs des "coefficients anticipés")
- Estimations du bruit de mesure expérimental et de la réponse (via la valeur "RMSE anticipée") (à déterminer pour chaque réponse, ou utiliser le scénario le plus défavorable (plus grande valeur))
- Seuil de niveau de signification (par défaut 0,05).
Vous pouvez trouver plus d'informations sur la plateforme d'analyse de puissance ici : Analyse de puissance (jmp.com)
Il se peut que vous n'ayez pas ces informations au début de votre étude ou dans une phase de dépistage si vous n'avez pas de données historiques (et créer ces études pilotes peut représenter beaucoup de travail comme vous le mentionnez, sans avoir beaucoup de valeur ajoutée par rapport à runs qui pourraient être effectués dans le cadre de votre DoE).
Vous pouvez cependant utiliser cette plateforme d'analyse de puissance pour comparer différentes conceptions et/ou modèles, et évaluer comment votre budget/contrainte expérimental peut affecter la possibilité de détecter efficacement des effets significatifs.
J'espère que cette première réponse vous aidera, je suis sûr que d'autres experts du DoE aiment @Phil_Kay peuvent également apporter de nouvelles perspectives ou enrichir cette discussion,
Si vous avez besoin d'une analyse de puissance pour les 10 réponses, vous avez besoin de RMSE pour les 10 réponses. Tout d'abord, je me demande pourquoi vous avez besoin d'une analyse de puissance pour les 10 réponses. Sont-ils tous si importants ? Peut-être qu'ils le sont.
Cela ne signifie pas que vous devez faire une étude pilote distincte pour chaque réponse. Ce serait très étrange. Après tout, vous n'allez pas effectuer d'expériences distinctes pour chaque réponse.
En fait, vous n'aurez peut-être pas besoin d'effectuer d'étude pilote du tout.
Vous avez besoin d'une estimation de la variabilité de la réponse lorsque les facteurs sont maintenus constants. Vous pouvez l'avoir à partir de données existantes sur le processus/système. Si ce n'est pas le cas, mesurez toutes les réponses pour 6 exécutions (plus c'est mieux si vous pouvez vous le permettre) avec tous les facteurs constants. Le std dev de chaque réponse sur ces 6 exécutions sera une estimation utile (pas parfaite) de la variabilité de la réponse que vous pouvez utiliser pour l'analyse de puissance.
J'espère que ça aide,
Phil
