Tout au long de mon séjour à JMP , J'ai rencontré de nombreux problèmes de conception qui nécessitaient l'utilisation de covariables, à la fois pour mes propres problèmes et pour aider les clients à trouver une solution à leur problème de conception. Ce que j'ai remarqué, c'est que de nombreux clients, même les plus expérimentés, ne connaissent pas l'option covariable de la plateforme Custom Design.
Pour commencer, je tiens à souligner qu'il se trouve directement dans la liste déroulante Ajouter un facteur dans la conception personnalisée depuis JMP 10, et vous ne l'avez peut-être même pas remarqué jusqu'à présent :
Qu'est-ce qu'une covariable ?
Une partie de la confusion vient de l’utilisation du terme covariable. Dans certains contextes, vous le verrez utilisé comme un effet de contrôle, mais pas d'intérêt principal (ANCOVA), et vous pourrez même le voir vaguement utilisé pour tout facteur indépendant dans la définition d'un modèle.
Dans une expérience conçue, une covariable est une variable d'entrée que nous voulons prendre en compte dans notre expérience, mais nous ne pouvons pas contrôler sa valeur comme nous le pouvons pour d'autres types de facteurs. Cependant, si nous pouvons mesurer les valeurs de ces intrants à l’avance, nous pouvons en tenir compte lors de la conception de l’expérience.
Quand devrais-je utiliser une covariable ?
Si vous envisagez une covariable du point de vue « non contrôlé, mais observable à l’avance », plusieurs cas d’utilisation différents se présentent. On entend souvent l'idée d'un ensemble de candidats . Dans Custom Designer, la spécification des facteurs de covariables produit un « ensemble candidat » d'exécutions que Custom Designer peut utiliser. Dans Custom Design, l'ensemble de candidats est spécifié à partir d'une table de données. Très souvent, nous disposons de facteurs contrôlables supplémentaires (qui peuvent prendre n'importe quelle valeur dans la plage), que nous pouvons permettre au concepteur personnalisé de choisir comme bon lui semble (de la manière dont nous définissons habituellement les facteurs).
D'une manière générale, j'ai tendance à diviser l'utilisation des covariables en deux cas :
- Utilisation d'un sous-ensemble de lignes.
- Utiliser toutes les lignes.
Utiliser un sous-ensemble de lignes
Lorsque vous utilisez Custom Designer pour sélectionner un sous-ensemble de l'ensemble de covariables, l'idée est d'utiliser les valeurs des covariables que nous pouvons mesurer à l'avance pour sélectionner les meilleures exécutions de l'ensemble candidat en fonction de l'objectif expérimental. Cela s’avère bien plus efficace que le simple prélèvement d’un échantillon aléatoire.
Pour un excellent exemple, j'aime diriger les gens vers le chapitre 9 de Conception optimale d'expériences : une approche d'étude de cas . Si vous n'avez pas d'exemplaire du livre, vous pouvez lire un aperçu de l'idée dans un article précédent. article de blog de Bradley Jones .
Un autre cas d'utilisation courant consiste à fournir un ensemble de candidats qui impose une certaine contrainte sur l'espace de conception. Bien que cela puisse être fait en utilisant contraintes de facteur du Custom Designer , l'approche par ensemble de candidats est utile lorsque la région est assez complexe ou si vous souhaitez que les exécutions d'une expérience aient une certaine structure. Par exemple, vous souhaiterez peut-être que les variables continues ne prennent que cinq valeurs distinctes ou restreignent le nombre de facteurs non nuls dans une exécution expérimentale donnée.
Utiliser toutes les lignes
Comme dans le cas du sous-ensemble décrit ci-dessus, cela peut se produire lorsque toutes nos unités expérimentales sont choisies, et nous pouvons mesurer certaines valeurs incontrôlables avant de concevoir l'expérience.
Un cas d’utilisation courant, mais peut-être moins évident, consiste à forcer une structure souhaitée pour un sous-ensemble de facteurs.
Par exemple, disons que vous conceviez une expérience de 12 essais avec un facteur catégoriel à deux niveaux, X1 avec les niveaux A et B, et quatre facteurs continus, X2-X5, avec une restriction supplémentaire que pour le facteur catégoriel, 1/3 des courses doivent être au niveau A et 2/3 au niveau B.
Tout ce que nous avons à faire est de créer un tableau de données pour le facteur catégoriel avec 12 exécutions et une colonne portant le nom de ce facteur. Mettez quatre lignes comme A et huit lignes comme B.
Dans Conception personnalisée, choisissez Ajouter un facteur->Covariable, puis ajoutez les quatre facteurs continus restants. Si nous gardons le nombre d'exécutions à 12 avant de cliquer sur Make Design, comme ceci,
le plan résultant forcera les exécutions pour X1 comme spécifié par l'ensemble candidat (avec le rapport souhaité) et le plan pour les paramètres optimaux pour les facteurs continus.
D'autres exemples utilisant cette idée tirés d'articles de blog précédents incluent la création d'un expérience robuste à une tendance linéaire de la réponse au fil du temps ou garantir une structure de conception de sélection définitive pour un sous-ensemble de facteurs, comme un expérience pour les œufs durs .
Rien d'autre?
Nous avons apporté quelques améliorations à la gestion des covariables dans JMP16 . J'ai mis en avant ces nouvelles pièces dans un autre message .
Serait plus utile avec des exemples de facteurs que nous ne pouvons pas facilement contrôler tels que l'humidité relative, l'heure de la journée, etc.
@Byron_JMP Excellente question ! J'aurai plus de détails/exemples dans le prochain article, mais effectivement, si vous avez des lignes sélectionnées dans la table de données lorsque vous la chargez, cela forcera ces lignes même si elles ne constituent pas un choix optimal.
Quel est l'effet de « Imposer l'utilisation des lignes de covariables sélectionnées à l'huile » sur la conception ?
@Peter_Hersh - Correct, depuis JMP 16, il utilise les critères d'optimalité tels que définis par la spécification Custom Design.
@Ryan_Lekivetz Merci, existe-t-il un moyen d'appliquer le critère MaxPro dans les conceptions de remplissage d'espace FFF pour la sélection des candidats ?Quels critères seront utilisés si vous augmentez la conception ?Un cas d'utilisation de niche, l'espoir est de créer une conception de remplissage d'espace, puis d'augmenter pour capturer les coins, les points axiaux et d'utiliser le critère MaxPro pour sélectionner un ensemble candidat.
Merci @Ryan_Lekivetz pour l'explication. Nous exploitons une machine d'assemblage avec des adhésifs et contrôlons les réglages de la machine dans un DOE. La covariable dans ce cas est le poids d’adhésif appliqué par la machine, car il change continuellement d’un cycle à l’autre. Nous n'avons pas de moyen de contrôler précisément le poids, seulement un contrôle approximatif de la dose.
La question : peut-on ajouter le poids mesuré comme covariable ? Ces informations sont obtenues lorsque nous effectuons l’exécution du DOE. À quoi cela ressemble-t-il dans JMP 17 ?
Salut @MichaelR1 . Si je vous comprends bien, le poids mesuré serait considéré comme un facteur « non contrôlé », que vous sélectionneriez dans le même menu (première capture d'écran sur cette page).
@Jed_Campbell c'est correct. Nous essayons de le contrôler avec les réglages de la machine mais cela pourrait être considéré comme un facteur incontrôlé. Je ne savais pas qu'on pouvait ajouter un facteur incontrôlé dans la conception. Comment cela marche-t-il?
@MichaelR1 En supposant que vous utilisez le concepteur personnalisé, vous sélectionnerez « Non contrôlé » dans le menu déroulant « Ajouter un facteur ». Pendant l'expérience, enregistrez le poids de chaque exécution et le modèle en tiendra compte.
