Les variables bloquantes fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Bonjour,
J'ai analysé les données d'une expérience mesurant la croissance des cellules humaines avec 3 facteurs : dont 2 sont des variables indépendantes qui ont été contrôlées, et la 3ème variable est le donneur d'où proviennent les cellules humaines (il y en a deux). J'ai un n = 8, et la conception était une factorielle 2 ^ 3. Cependant, je trouve actuellement qu'il y a 3 façons d'aborder l'analyse des données en ce qui concerne la variable "Donateur":
1. Je peux simplement l'inclure en tant que facteur catégoriel de niveau 2, auquel cas il entre dans le modèle et apparaît également dans le profileur de prédiction. Il s'avère qu'il existe des interactions entre le "donateur" et les deux autres facteurs, qui sont des conclusions qui peuvent également être facilement visualisées. Cependant, avoir cela dans le profileur de prédiction n'est pas particulièrement utile car la variabilité des donneurs est quelque chose que je devrai toujours gérer - je ne peux pas continuer à "maximiser" en revenant encore et encore à ce même donneur.
2. Je peux changer le 'Design Role' en une variable bloquante. Cependant, je remarque que lorsque j'adapte un modèle, il en résulte essentiellement le même modèle, à l'exception que "Donor" n'apparaît plus dans le Prediction Profiler. C'est bien parce que je peux élucider ce que les 2 autres facteurs (qui étaient des variables indépendantes réelles et contrôlables que j'aimerais manipuler) contribuaient. J'ai lu dans un article précédent que les variables bloquantes ne peuvent également apparaître que dans les effets principaux, mais ce n'est pas vrai car je suis toujours capable de modéliser les interactions. Pour le moment, je considère que c'est la meilleure approche.
3. Étant donné que les 2 donateurs que j'ai choisis sont un sous-ensemble de la population infiniment grande de personnes présentes et futures, je considérerais probablement cette variable de blocage comme étant en fait "aléatoire" et non "fixe". Cependant, sur la base de certaines lectures, il semble que vous ayez besoin d'environ 5 niveaux ou plus de la variable de blocage pour que l'estimation de la variance soit précise. En tant que tel, étant donné que mon ensemble de données est petit (n = 8, seulement 2 niveaux de la variable de blocage), ce n'est peut-être pas idéal.
Ma réflexion est-elle sur la bonne voie ?
Exploration et visualisation des donnéesRe : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Ouais!
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Oui, mais les parcelles fractionnées ne sont pas créées à partir de facteurs de bruit et ne sont pas analysées de la même manière (c'est-à-dire que vous n'analysez ni n'interprétez les résultats pour les plans à parcelles fractionnées de la même manière que pour les plans bloqués).
En fait, c'est Cox dans les années 1950 qui a eu le premier l'idée d'expérimenter sur des variables de bruit pour chaque traitement de l'expérience du facteur de conception. Il a appelé ces tableaux de produits croisés (similaires aux tableaux internes et externes de Taguchi, mais avec une analyse plus proche des conceptions à parcelles divisées par rapport à l'agrégation des données pour obtenir 1 rapport signal sur bruit).
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Merci pour l'explication supplémentaire!
Ainsi, les facteurs de bruit ont été traités comme des facteurs difficiles à modifier (non randomisés), mais ils ont défini un bloc pour l'analyse. Cela me rappelle les conceptions de Taguchi avec des tableaux internes répliqués sur des séries dans le tableau externe.
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Marquer,
Je ne communique visiblement pas bien. Nous sommes presque toujours d'accord, alors laissez-moi réessayer.
Permettez-moi de clarifier l'exemple. Nous avons utilisé des blocs pour gérer le bruit pour l'expérience. Dans le premier bloc, nous avons utilisé un angle, une pression, un type de substrat et un ensemble de conditions ambiantes (essentiellement les niveaux bas pour ceux-ci). Dans le deuxième bloc, nous avons changé tout cela en un autre "niveau" (le niveau supérieur). Ainsi, ces variables de bruit ont été maintenues constantes dans le bloc, augmentant la précision, puis ont été confondues avec le bloc pour augmenter l'espace d'inférence et tester la robustesse du produit. Dans ce cas, traiter le bloc comme un effet fixe permet d'estimer s'il existe des interactions entre les variables de bruit (angle, pression, substrat et ambiant) et les facteurs de conception (formulations d'encre, conception de la pointe du stylet, etc.). Et oui il y en a !
Avec cette approche, vous pouvez étudier les effets du facteur de conception sur l'évolution du bruit pour :
- gagner en confiance que les résultats que vous avez initialement obtenus sont reproductibles sur un bruit changeant,
- estimer la robustesse des facteurs au bruit (quantifiée par des interactions bloc par facteur), ou
- déterminer si la direction de votre étude doit changer (les grands blocs d'effets doivent être désagrégés pour identifier les facteurs potentiels pour une étude plus approfondie).
Je l'ai fait avec de nombreux produits avec beaucoup de succès.
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Encore une fois, je suis entièrement d'accord avec vous. Je n'ai pas compris comment l'exemple du développement d'un stylo à bille illustrait le blocage. Tous les facteurs de cet exemple, tels que l'angle, étaient contrôlés et aucun d'entre eux ne définissait des blocs. Ils faisaient tous partie du traitement dans l'expérience de laboratoire.
Je suis désolé pour la confusion. On est vraiment d'accord !
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Marquer,
Hmmm je suis vraiment confus par votre déclaration " Je ne comprends pas ce que les facteurs de bruit ont à voir avec le blocage". Le blocage est fait pour que dans chaque bloc, le bruit est constant, augmentant ainsi la précision. Le bruit, qui était maintenu constant dans le bloc, est délibérément modifié entre blocs pour augmenter l'espace d'inférence.
C'est peut-être la définition du bruit. Je définis le bruit comme ces facteurs/variables que vous n'êtes pas prêt à gérer (futur). Ce que je veux dire par gérer, c'est contrôler ou fixer des niveaux pour. La raison pour laquelle vous ne souhaitez peut-être pas gérer les facteurs est la suivante :
1. Vous ne pouvez pas ou n'avez pas la technologie
2. C'est trop cher
3. C'est gênant
Je passe la plupart de mon temps dans le développement de produits (R&D). Une grande partie de ce temps est consacrée à comprendre comment les facteurs de conception affecteront les performances du produit, et nous essayons vraiment de comprendre la structure causale. Il y a des décisions qui doivent être prises quant aux facteurs qui peuvent être gérés et ceux qui ne le peuvent pas. Par la suite, nous obtenons des données pour étayer ou invalider ces décisions. L'ingénieur doit tenir compte de l'efficacité des facteurs de conception sur les performances du produit entre les mains du client. L'ingénieur doit tenir compte des sources de variation : matériaux, fabrication/assemblage, test, distribution, stockage, utilisation, etc. Historiquement, le développement de produits se fait avec un nombre extrêmement réduit d'échantillons à partir d'un espace d'inférence extrêmement réduit. En fonction de la complexité et du coût du produit, il se peut qu'ils n'obtiennent que quelques unités "bêta" pour déterminer les performances de leur conception DANS LE FUTUR. C'est peut-être pour cette raison qu'ils ont choisi de tester les performances du produit à cette petite échelle tout en maintenant le bruit aussi constant que possible (augmentant ainsi la précision de leurs expériences). Les unités "bêta" proviennent d'1 lot de matière première, 1 ligne de fabrication (qui n'est probablement pas une ligne de production), 1 personne faisant l'assemblage, testées sur une courte période où les conditions ambiantes changent peu, avec 1 système de mesure , les variations d'utilisation par le client sont toutes maintenues constantes (en utilisant l'exemple d'encre précédent... maintenez la pression, l'angle, le substrat et les conditions environnementales CONSTANTES). Ensuite, ils extrapolent ces résultats dans le futur et revendiquent également des statistiques de performances et de fiabilité. Vous le savez probablement ! La question est de savoir comment tester un petit échantillon d'unités bêta avec une précision accrue et un espace d'inférence accru. Merci mon Dieu pour DOE !Les ingénieurs/scientifiques ont besoin de stratégies pour gérer le bruit dans ces situations. La structure de conception n'est qu'une partie de l'équation. Sur quel pourcentage de tous les facteurs d'un processus et généralement expérimenté ? Comment les « autres » facteurs sont-ils gérés ? Le blocage est l'une de ces stratégies (bien qu'il y en ait bien sûr d'autres). Bien que le blocage confond de nombreux facteurs de bruit, il offre l'opportunité de répondre aux questions suivantes : si le bruit change à l'avenir, ce qui sera invariablement le cas puisqu'il n'est par définition pas géré, le produit fonctionnera-t-il toujours comme prévu ? Si la effet des facteurs de conception un ingénieur choisit d'améliorer les performances du produit DÉPEND du bruit (c'est la définition d'une interaction), alors comment l'ingénieur de conception spécifiera-t-il le réglage du facteur de conception ? Plus cela est découvert tôt, plus vous avez d'options et plus il peut être corrigé ou atténué de manière rentable. Lorsque les facteurs de conception ont le même effet sur les performances du produit par rapport au bruit changeant, vous disposez d'une conception de produit robuste.
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Je suis d'accord avec toi. Je suis maintenant confus par votre exemple de facteurs de bruit. Je ne comprends pas ce que les facteurs de bruit ont à voir avec le blocage.
Non, je suggère qu'il existe un autre facteur à effet fixe qui n'est pas un simple bloc, comme Lot ou Day. Il n'a peut-être pas été identifié, mais il s'agit d'une variable cachée incontrôlée qui varie avec les changements de bloc. Le blocage tient compte des changements de moyennes simples. Une interaction indique qu'un autre facteur est actif. C'est tout ce que je voulais dire.
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Je ne comprends peut-être pas votre point de vue @Mark_Bailey ? Hum, "ils ne sont pas censés faire ça" ? Devinez quoi, cela arrive fréquemment dans le monde réel. Ceci indique que la conception du produit ou du processus n'est pas robuste. Afin de créer de la robustesse, vous devez expérimenter les facteurs de conception pendant que le bruit change.
Suggérez-vous que les interactions bloc par facteur ne peuvent pas exister d'un point de vue scientifique ? Si c'est le cas, je dois être en désaccord. Permettez-moi de donner un exemple (parmi des centaines sur lesquels j'ai travaillé). Concevoir une encre pour stylos à bille. Le système de distribution de l'encre est fonction de la gravité et de la capillarité. L'utilisateur tient le stylo sur un substrat (par exemple, du papier) et la bille se déplace "dans" le stylo et permet à l'encre de s'écouler. Le substrat absorbe l'encre. Il existe un certain nombre de facteurs de conception associés au produit (par exemple, géométries, dimensions, matériaux, chimie). Voici une courte liste des bruits associés à l'opération. Aucun de ceux-ci ne peut être contrôlé par le fabricant du stylo.
Angle auquel le stylo est tenu
Pression appliquée au stylo
Capacité d'absorption du substrat
Conditions ambiantes
Historiquement, ces « facteurs » étaient maintenus constants lors de l'exécution du « test d'écriture » pour quantifier les mesures de performance de l'ensemble encre/stylo. Les conceptions étaient "optimisées" pour une situation qui ne se produit pratiquement jamais dans le monde réel. Ce que nous avons découvert par l'expérimentation, c'est que la performance des facteurs de conception dépend du bruit (Ceci a été découvert à l'origine via RCBD puis optimisé via Cross Product Arrays (split-plots)). Tout à fait rationnel et scientifiquement raisonnable. La raison des plaintes des clients était due au fait de ne pas tester les conditions dans lesquelles le stylo serait utilisé.
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?D'autres ont bien abordé les problèmes. Je veux aborder uniquement l'idée d'exclure le facteur de blocage des effets d'interaction. C'est un peu une décision philosophique. La conception attribue un bloc d'exécutions à un niveau d'un facteur de bruit, tel que Jour ou Lot. Considérez l'effet de bloc comme un ajustement local à l'interception. Il s'agit d'un changement par rapport à la réponse moyenne globale pour tenir compte d'un décalage dans un bloc. Nous excluons les interactions car elles indiquent que les effets fixes des facteurs changent. Ils ne sont pas censés faire ça. La relation entre la réponse et les facteurs doit être la même dans chaque bloc. Si ce n'est pas le cas, il doit y avoir des facteurs cachés et inconnus qui changent entre les blocs et contribuent à des effets plus fixes. Ce n'est donc pas les mathématiques ou le modèle linéaire; c'est un point de vue scientifique derrière l'exclusion.
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Puisqu'il y a des interactions, je serais tenté d'utiliser votre solution 1, et de traiter le donneur comme un facteur, d'autant plus que le profileur peut alors aider à visualiser ces interactions.
Cependant, avoir cela dans le profileur de prédiction n'est pas particulièrement utile car la variabilité des donneurs est quelque chose que je devrai toujours gérer - je ne peux pas continuer à "maximiser" en revenant encore et encore à ce même donneur.
Alt-cliquer sur le donneur dans le profileur peut atténuer le problème de maximisation si vous sélectionnez "Verrouiller le paramètre de facteur". Cela incitera le profileur à maximiser les autres facteurs, tout en empêchant le donneur de bouger. Bien sûr, j'ai peut-être mal interprété ce que vous avez écrit, et le verrouillage du paramètre de facteur peut être exactement ce que vous essayez d'éviter.
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Salut @QW ,
Il y a beaucoup de bons conseils dans les réponses jusqu'à présent.
"...t ici, il ne semble pas y avoir de différence pratique entre l'attribution de ma variable de nuisance en tant que facteur de blocage et le simple fait de l'appeler catégorique. "
Correct. Dans ce cas, il n'y aura aucune différence dans la conception.
Que vous spécifiiez le facteur donneur comme facteur de blocage ou facteur catégoriel, pour 8 exécutions, la factorielle complète 2^3 est la solution optimale avec une corrélation de 0 des effets des facteurs (orthogonal).
J'espère que cela aide.
Phil
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Permettez-moi d'être aussi clair que possible. Ce n'est pas JMP qui décide du déroulement de l'analyse, c'est l'utilisateur. Beaucoup énumératif les statisticiens considèrent les effets de bloc comme des effets aléatoires. J'adopte une approche plus analytique pour comprendre la structure causale. Lorsque j'ai fait preuve de diligence raisonnable pour identifier le bruit, il existe, à mon humble avis, un moyen plus efficace de comprendre le bruit et les ramifications du bruit. Oui, j'inclurais les interactions bloc et toutes les interactions bloc par facteur dans le modèle saturé pour RCBD.
voir: Doug Sanders, Mary G. Leitnaker et Robert A. McLean (2002) Conceptions de blocs complets randomisés dans les études industrielles, Ingénierie Qualité, 14:1, 1-8, EST CE QUE JE: 10.1081/QFR-100106880
En ce qui concerne votre deuxième paragraphe, il est peu probable que vous puissiez déduire TOUS les donneurs en échantillonnant seulement deux d'entre eux. Vous pourriez avoir des hypothèses sur les raisons pour lesquelles les donneurs affecteraient la réponse (par exemple, l'âge, les conditions sous-jacentes, le sexe, la génétique...). Si vous pouvez sélectionner des donneurs qui capturent les conditions extrêmes des donneurs (comme le réglage du niveau en gras), vous pourrez peut-être augmenter suffisamment l'espace d'inférence pour que les résultats de votre étude soient utiles à l'avenir. Cependant, si cela n'est pas possible, vous devrez saisir la variation d'un donneur à l'autre sur un échantillon beaucoup plus grand.
La règle d'or :
"Malheureusement, les expériences futures (essais futurs, production de demain) seront affectées par des conditions environnementales (température, matériaux, personnes) différentes de celles qui affectent cette expérience... Ce n'est que par la connaissance du sujet, peut-être aidé par d'autres expériences (italiques ajoutés) pour couvrir un plus large éventail de conditions, que l'on peut décider, avec un risque de se tromper, si les conditions environnementales du futur seront suffisamment proches de celles d'aujourd'hui pour permettre l'utilisation des résultats en main.
Dr Deming
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Merci, @statman . Par rapport à cette phrase : " Avec cette stratégie, vous pouvez évaluer la taille de l'effet de bloc et l'avantage supplémentaire de pouvoir évaluer si les effets du facteur de conception sont cohérents par rapport au bruit changeant (comme quantifié avec les interactions bloc par facteur)." Êtes-vous en train de dire que même si JMP ne considère pas les interactions bloc:facteur comme une caractéristique d'une variable bloquante (c'est-à-dire que cela serait considéré comme une caractéristique d'un facteur catégoriel et non comme une variable bloquante), vous devriez quand même essayer d'ajuster les interactions bloc:facteur ?
Deuxièmement, concernant le point : "Maintenant, si vous n'avez pas identifié le bruit, il vous reste à traiter le bruit comme un effet aléatoire. Puisque vous n'avez aucune idée de la représentativité du bruit par rapport aux conditions futures, vous devrez probablement augmenter la taille de l'échantillon pour augmenter la confiance dans l'extrapolation des résultats dans le futur." Il y a tellement de sources possibles de variabilité des donneurs que je cherche simplement à les confondre en une seule variable, plutôt que d'essayer de déterminer ce qui cause spécifiquement la variabilité chez les donneurs. Dans ce cas, il serait plus logique de traiter cela comme un effet aléatoire. Cependant, étant donné que la main-d'œuvre limite le nombre de donneurs que je peux filtrer à 2 ou 3, j'ai probablement besoin de modéliser les donneurs comme des effets fixes ("Je trouve ces donneurs spécifiques intéressants au cas par cas"). Existe-t-il des règles empiriques/statistiques pour tester le nombre de donneurs que je pourrais devoir dépister avant de pouvoir faire des prédictions fiables sur le bruit associé à la variabilité des donneurs, que je peux extrapoler à l'ensemble de la population ?
Merci.
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Merci, @Victor_G . J'ai lu les réponses données, mais je suis toujours confus sur une chose concernant le blocage par rapport à l'ajout simple d'un facteur catégorique.
Dans le concepteur personnalisé, si j'ai 8 exécutions et 2 variables, et que je choisis de les regrouper en blocs de taille 4, j'obtiens essentiellement un plan factoriel complet où chaque bloc est orthogonal. Si je choisis plutôt d'inclure ma variable de blocage en tant que variable catégorielle, j'obtiens à nouveau un plan factoriel complet, où chaque niveau de ma variable catégorielle est orthogonal. En ce sens, il ne semble pas y avoir de différence pratique entre attribuer ma variable de nuisance comme facteur de blocage et simplement l'appeler catégorique.
Pour moi, il semble alors que le seul point de blocage est de :
1. Supprimez les interactions bloc:facteur de la boîte de dialogue de conception personnalisée, car l'idée est que les effets du facteur intra-bloc doivent être indépendants du bloc dans lequel il se trouve.
2. Rendre le profileur de prédiction plus simple à comprendre, car vous ne vous souciez pas vraiment de trouver le "meilleur niveau" de votre bloc.
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?J'ai une "prise" différente sur les questions que vous posez. Le blocage est une méthode pour gérer le bruit dans une expérience. Le bruit est le facteur que vous n'êtes pas prêt à gérer à l'avenir (soit parce que vous n'avez pas la technologie, soit parce que le coût est prohibitif, soit simplement parce qu'il n'est pas pratique à gérer). Les blocs sont destinés à agréger de gros morceaux de bruit (vous pouvez avoir de nombreuses variables de bruit confondues avec l'effet de bloc). Les blocs augmentent l'espace d'inférence sans diminuer la précision de conception (en fait, les blocs peuvent augmenter la précision de conception. En fin de compte, vous serez peut-être intéressé par la taille de l'effet du blocage, mais vous ne pouvez pas sélectionner un "meilleur" niveau. Ceci, bien sûr, n'est pas vrai pour un facteur catégoriel. Vous pouvez choisir un niveau plutôt qu'un autre.
En ce qui concerne le blocage, si vous avez identifié ce qu'est le bruit (c'est une étape importante), vous avez la possibilité de traiter le bruit comme un effet fixe. Avec cette stratégie, vous pouvez évaluer la taille de l'effet de bloc et l'avantage supplémentaire de pouvoir évaluer si les effets du facteur de conception sont cohérents par rapport au bruit changeant (comme quantifié avec les interactions bloc par facteur). C'est la véritable mesure de la robustesse du facteur de conception. La question est de savoir comment représenter ce bruit dans l'expérience. Le même conseil vaut pour les facteurs d'enquête. Étant donné que l'expérience est réalisée à petite échelle (espace d'inférence relativement étroit), vous devez exagérer les effets pour augmenter l'espace d'inférence. C'est pourquoi, dans les expériences de dépistage, vous définissez les facteurs sur des niveaux en gras. Cela est également vrai pour les effets de bruit, exagérez le bruit dans votre espace de conception. Par exemple, vous pouvez exécuter un bloc où les conditions ambiantes sont froides et sèches et le second bloc chaud et humide. Pourquoi les donateurs seraient-ils différents? Quelles caractéristiques physiques du donneur pourraient avoir un impact sur les variables de réponse ? Qu'est-ce que vos facteurs de conception pourraient interagir avec le donateur ? Les réponses à ces questions forment la base des hypothèses qui peuvent aider à déterminer comment sélectionner les donneurs.
Maintenant, si vous n'avez pas identifié le bruit, il vous reste à traiter le bruit comme un effet aléatoire. Puisque vous n'avez aucune idée de la représentativité du bruit par rapport aux conditions futures, vous devrez probablement augmenter la taille de l'échantillon pour augmenter la confiance dans l'extrapolation des résultats dans le futur.
"Bloquez ce que vous pouvez, randomisez ce que vous ne pouvez pas" GEP Boîte. (Bloquer le bruit qui a été identifié, utiliser la randomisation là où vous n'avez pas identifié le bruit)
Re : Les variables de blocage fixes sont-elles la même chose qu'une variable catégorique, simplement qu'elles n'apparaissent pas dans le profileur de prédiction ?Salut @QW ,
Votre réflexion est sur la bonne voie, facteur catégorique et facteur bloquant ont des réalités et des usages différents (effet fixe que vous pouvez modifier indépendamment dans vos expérimentations vs effet aléatoire avec nombre de niveaux connu (jour de la semaine) ou inconnu (caractéristiques du donneur) ).
Je suggérerais de jeter un œil aux sujets qui traitaient de ce sujet (avec d'excellentes réponses de @Mark_Bailey et @Dan_Obermiller ), car cela peut vous aider à choisir l'option la plus raisonnable dans votre cas :
Il existe également un webinaire enregistré sur le blocage dans DoE : Utilisation du blocage lors de la conception d'expériences - JMP User Community
En espérant que cette première réponse vous aidera,
