Bonjour, JMP prend-il en charge l'augmentation des conceptions de réseau simplex et de centroïde avec des points axiaux et centroïdes ? J'ai remarqué que lorsque j'augmente une conception de réseau simplex, l'augmentation des «courses axiales» est désactivée. Dans les documentations JMP que j'ai scannées, il semble que JMP n'autorise une augmentation de course axiale que si une conception de criblage a été utilisée ?
Salut @BryanG ,
@Phil_Kay vous a déjà fourni de bons conseils et des informations sur la façon de le faire.
De mon point de vue (ou du moins c'est comme ça qu'on m'a appris, et c'est peut-être pareil pour vous), les points axiaux étaient traditionnellement utilisés dans Simplex Centroid Design pour valider un modèle : vous utilisiez d'abord ces points comme points de validation de votre modèle pour évaluer la précision et la variance de vos valeurs de réponse prédites. En cas de fort écart entre les réponses prédites et mesurées, vous pouvez alors utiliser ces points pour augmenter la conception, améliorer la précision du modèle et augmenter la complexité du modèle au modèle Scheffé Cubic par exemple.
C'est l'approche traditionnelle que j'ai utilisée dans une présentation précédente en utilisant Mixture Design et Functional Data Explorer : https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Use-of-Functional-Data-Explorer-in-a-Mixture-Design-for/ta-p/349208
Mais comme le mentionne Phil, avec l'essor des logiciels avancés et des ressources informatiques, il existe désormais des options égales ou meilleures que celle traditionnelle.
J'espère que ma réponse aidera à comprendre le contexte,
Salut @BryanG ,
Je n'avais pas rencontré l'idée de points axiaux pour les conceptions de mélange. D'une recherche rapide, j'ai découvert qu'un point axial est un mélange à mi-chemin entre le point central et un sommet de l'espace de mélange.
Je ne connais personne qui recommande une approche consistant à augmenter les conceptions de treillis simplex ou de centroïde simplex avec des points axiaux dans le cadre d'une expérimentation séquentielle. Je ne pense pas que ce serait nécessairement une mauvaise idée. Mais ce n'est pas la meilleure façon de faire les choses.
L'approche recommandée dans JMP est l'augmentation optimale. Autrement dit, JMP trouvera les exécutions supplémentaires optimales pour tester le modèle que vous avez défini. Vous définissez les facteurs, les plages de facteurs, le modèle à estimer et le nombre d'exécutions supplémentaires. Ensuite, JMP vous donne les exécutions supplémentaires optimales.
L'augmentation de la course axiale est une option pour les conceptions avec des facteurs continus (pas de mélange). Mais il est vraiment là pour les personnes qui ont appris les méthodes DOE conventionnelles (pré-informatiques).
Comme solution de contournement, vous pouvez créer le Conception ABCD (DOE > Classical > Mixture Design) car cela contiendra les points axiaux. Vous pouvez ensuite les copier et les ajouter à votre conception existante.
J'espère que tout cela aide,
Phil
