Le plan d'expériences (DOE) est souvent utilisé dans des secteurs tels que les soins médicaux, la biotechnologie, les produits pharmaceutiques et la fabrication de haute technologie comme méthode permettant de réduire le nombre d'expériences et les coûts. Quels sont les principes et les étapes importants lors de la réalisation d'un plan d'expérience ? Quels sont les concepts et les applications du plan de dépistage classique et du plan factoriel complet dans les méthodes expérimentales traditionnelles ? Cet article présentera les principes de base du DOE, les concepts et les cas d'application du plan de dépistage classique et des méthodes de plan factoriel complet.
Qu'est-ce que le plan d'expériences (DOE)
Le plan d'expériences (DOE) consiste à concevoir des expériences en sélectionnant les conditions expérimentales et en réduisant les facteurs externes pour réduire l'impact sur l'expérience. La caractéristique est qu'il peut être efficace grâce à moins d'expériences, moins de coûts et de temps expérimentaux. Il peut être utilisé pour collecter données ou trouver des corrélations et des problèmes entre des facteurs, etc. Il a un large éventail d'applications.
Trois moteurs majeurs de la conception expérimentale
Dans les années 1920, Ronald Fisher a introduit le concept de conception expérimentale dans l'agriculture. Aujourd'hui, la conception expérimentale DOE est utilisée non seulement dans l'agriculture, mais également dans les secteurs médical, biotechnologique et pharmaceutique, de fabrication de haute technologie et dans d'autres industries. Plus tard, dans les années 1950, Genichi Taguchi a publié la méthode Taguchi, introduit les tableaux orthogonaux et publié le concept de fonction de perte de qualité au début des années 1970 ; en 1951, le statisticien britannique George EP. Box et K. B. Wilson a introduit la méthodologie des surfaces de réponse, George EP en 1960. Box continue avec Hunter, J. Stuart a publié le plan factoriel partiel à deux niveaux, qui a permis aux expériences et aux chercheurs de trouver rapidement les facteurs d'influence et a introduit le concept de résolution.
Méthodes expérimentales traditionnelles : essais et erreurs, un facteur à la fois et conception traditionnelle
- Méthode par essais et erreurs : basée sur des règles empiriques et limitée à des processus simples ou moins variables
- Un facteur à la fois : les autres facteurs sont fixes et un facteur est testé dans une expérience
- conception traditionnelle
- Plan factoriel partiel de première étape
- Le but est de filtrer et d'identifier les facteurs importants. Il est généralement utilisé lorsqu'il y a trop de facteurs ou lorsque le processus est inconnu.
- Plan factoriel complet de l'étape 2
- L'objectif est de déterminer s'il existe des effets principaux et d'autres effets qui affecteront la précision de l'estimation ; d'estimer les effets principaux et les effets d'interaction ; et de comprendre les caractéristiques du système.
- Surface de réaction Stage3
- Optimisation (optimisation) : trouver les meilleurs paramètres pour les amorces significatives
- Estimer les effets principaux, les effets d'interaction et les effets non linéaires
- Concentrez-vous sur l’exactitude et la précision des prédictions
Lignes directrices pour la conception expérimentale
- Définir le problème et les objectifs
- Identifier les variables de réponse
- * important! Confirmer le système de mesure (MSA) – trop d’erreurs auront un effet facteur insignifiant
- Identifier le nombre de facteurs et leur numéro de niveau
- Identifier s'il existe des restrictions ou d'autres restrictions
- Créer un design
- Préparation avant expérience
- Effectuer des expériences
- Analyser les données
- tirer des conclusions et décider des prochaines étapes
Objectif du plan expérimental
Écran --> Explorer --> Optimiser --> Valider --> Robuste
- Dépistage : recherchez les facteurs qui affectent le plus significativement les variables de réaction. Il y a généralement trop de facteurs ou le processus est inconnu.
- Explorer : découvrez s’il existe de nouveaux facteurs ou de nouveaux niveaux
- Optimisation : trouver les meilleures valeurs de réglage pour les facteurs significatifs qui correspondent aux variables de réponse souhaitées
- Vérification : confirmez si le système ou le processus est conforme au comportement attendu. Par exemple, utilisez différents lots de matières premières pour vérifier que les résultats sont le même modèle, mais des machines différentes pour vérifier si les paramètres peuvent être directement appliqués.
- Robuste : minimisez la variation des variables de réaction, y compris les conditions de contrôle et les paramètres de facteurs.
Utiliser JMP Six étapes pour mener des expériences
- Étape 1. Décrire Définir les réponses, les facteurs et les niveaux
- Étape 2. Spécifier détermine quels termes d'effet sont inclus dans le modèle
- Étape 3. La conception détermine s'il convient d'ajouter des points centraux ou des répétitions au nombre d'expériences et fournit des éléments d'évaluation expérimentale pertinents
- Étape 4. Collect collecte les données selon les conditions expérimentales et l'ordre
- Étape 5. Ajuster le modèle Ajustez le modèle et découvrez les facteurs clés
- Étape 6. Predict trouve un modèle adapté et l'optimise en fonction de l'objectif
Conception de criblage classique CONTRE plan factoriel complet
(1) Conception de criblage classique Conception de dépistage
- Détectez si l'effet principal est significatif ou linéaire. Bien que le point central puisse détecter s'il y a un effet de surface, il ne peut pas savoir exactement de quel facteur il s'agit.
- Dans le plan factoriel partiel, il est nécessaire de prendre en compte l'effet de confusion. Habituellement, la résolution est fixée à quatre ou plus.
- Il se peut qu'il soit impossible de distinguer si le terme d'alias ou le terme d'effet est significatif en raison de la diaphonie, et des expériences d'amplification supplémentaires sont nécessaires pour faire la distinction.
Quand utiliser la conception de projection classique et la conception des effets principaux
Partage de cas : comparaison des plans à facteurs partiels et à effets principaux
(2) Plan factoriel complet Plan factoriel complet
- Considérez le niveau de chaque facteur pour générer chaque combinaison
- Plus il y a de niveaux ou de facteurs, plus l’efficacité est faible et plus le coût est élevé.
- Avantages : Tous les termes d'interaction peuvent être estimés et considérés de manière plus globale que les méthodes un facteur à la fois et les essais et erreurs.
- Inconvénients : Trop d’expérimentations, coût trop élevé
Partage de cas : expérience sur la durée de vie de la batterie
Des milliers d'ingénieurs ont participé [ BICHE Cours d'introduction]
Ce qui précède est une brève introduction au plan de sélection classique et au plan factoriel complet du plan expérimental du DOE.
Si vous souhaitez bien comprendre l'application de la conception de criblage classique, n'hésitez pas à regarder le cours d'introduction du DOE préparé pour vous par les consultants professionnels de JMP.
Cliquez ci-dessous lien , vous pouvez le regarder gratuitement.
