Salut @Al_Perr_1988 ,
Bienvenue dans la Communauté !
Le moyen le plus simple et le plus pratique d'augmenter une conception est d'utiliser la plate-forme Augmenter les conceptions.
Cette plate-forme permet d'ajouter des exécutions expérimentales à un DoE existant, et permet de faire des répliques, des replis, du remplissage d'espace, d'augmenter la complexité du modèle, de modifier la plage de facteurs ...
Pour votre exemple spécifique, j'ai créé un plan de mélange D-optimal (pour les effets principaux et les interactions à 2 facteurs, 12 exécutions) respectant vos contraintes afin que vous puissiez suivre les étapes.
Le design original est créé avec ce script :
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ), Add Factor( Mixture, 0, 0.25, "A", 0 ),
Add Factor( Mixture, 0.2, 0.3, "B", 0 ),
Add Factor( Mixture, 0.45, 0.8, "C", 0 ), Set Random Seed( 324812 ),
Number of Starts( 30462 ), Add Term( {1, 1} ), Add Term( {2, 1} ),
Add Term( {3, 1} ), Add Term( {1, 1}, {2, 1} ), Add Term( {1, 1}, {3, 1} ),
Add Term( {2, 1}, {3, 1} ), Set Sample Size( 12 ), Simulate Responses( 0 ),
Save X Matrix( 0 ), Make Design}
)
Si on vérifie l'espace expérimental avec un diagramme Ternaire, on voit que les contraintes sont respectées :
1. Depuis votre tableau de conception, vous pouvez aller dans le menu "DOE", puis "Augment Design". Spécifiez vos facteurs A, B, C et votre/vos réponse(s), et vous devriez avoir ce panneau, où vous pouvez changer les plages de vos facteurs avec les nouvelles :
2. Cliquez sur "Augmenter", spécifiez le modèle supposé (effets principaux, interactions à 2 facteurs, Scheffé Cubic ...) et spécifiez un nombre d'exécutions ou laissez celle par défaut (vous pouvez essayer plusieurs conceptions augmentées et les comparer à l'aide du Évaluer les conceptions plateforme).
Vous avez maintenant une conception augmentée avec de nouvelles exécutions ajoutées dans votre espace expérimental nouvellement défini qui prennent en compte les informations précédentes des exécutions d'origine.
Voici le script à titre d'exemple :
dt = Current Data Table();
dt2 = dt << run script( "Original Data Table" );
Current Data Table( dt2 );
DOE(
Augment Design,
X( :A, :B, :C ),
Y( :Y ),
{Group new runs into separate block, Augment Method( Augment ),
Set Random Seed( 1381653403 ), Number of Starts( 67362 ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {1, 1}, {2, 1} ),
Add Term( {1, 1}, {3, 1} ), Add Term( {2, 1}, {3, 1} ), Add Term( {4, 1} ),
Set Sample Size( 20 ), Make Design, Save X Matrix( 0 ), Simulate Responses( 0 ),
Make Table}
);
Comme vous pouvez le voir, il est assez facile d'augmenter un design.
Cependant, j'ai quelques questions à vous poser concernant ce nouvel espace d'expérimentation défini par vos nouvelles contraintes :
Avec les nouvelles contraintes, vous êtes dans une zone très petite et inexplorée par rapport à votre espace expérimental précédent.
- Est-ce voulu ? Avez-vous vérifié vos contraintes ?
- Quel était le modèle assumé en premier lieu ? Combien de courses ? Pourquoi avez-vous choisi un design D-optimal ?
- Le premier DoE a-t-il déjà été réalisé et les réponses mesurées ?
- Quelle est la précision que vous pouvez avoir pour mesurer les quantités relatives de A, B et C ?
- Avez-vous une idée de la répétabilité/reproductibilité de votre/vos réponse(s) ?
Il semble que les gammes de facteurs de mélanges B et C dans ce nouvel espace expérimental semblent trop étroites pour pouvoir disposer d'un modèle informatif et robuste.
Plus d'informations sur le contexte de ce DoE et pourraient nous aider à vous guider dans la recherche d'une solution appropriée.
J'espère que cette première réponse vous aidera,
Salut Alex,
Merci beaucoup pour les réponses et les précisions apportées.
J'étais curieux de connaître l'espace expérimental final (qui avait l'air très petit et totalement déconnecté de votre espace expérimental initial, et donc ne bénéficiant pas de vos informations initiales recueillies par les expériences), mais avec les contraintes que vous avez mentionnées dans votre dernière réponse (avec des plages plus larges pour B et C que dans votre post initial), j'ai le même espace expérimental et un design similaire :
J'imagine que vous avez eu des résultats intéressants dans le coin de votre espace expérimental initial (A entre 0 et 7 %, B entre 20 et 25 % et C entre 70 et 80 %) ce qui vous amène à explorer une zone expérimentale plus proche avec un A plus bas, plus bas Proportions/rapports B et C supérieurs.
C'est logique, merci pour les précisions, précisions et corrections !
