Conception de dépistage des effets principaux ou OFAT : quel est le meilleur ?Bonjour,
Dans JMP, sous DOE > Classique > Criblage à deux niveaux > Conception de criblage > "Construire un plan de criblage des effets principaux", il est possible de créer un plan de criblage étudiant uniquement les effets principaux. Le résultat avec 8 paramètres est présenté en pièce jointe.
Quel serait l'avantage de cette conception par rapport à un OFAT, où chacun des 8 paramètres serait étudié à un niveau haut et bas (2 analyses par paramètre) ?
Dans les deux cas, le nombre de courses est de 16.
Merci d'avance pour votre aide!
Cordialement,
Claire
Conception d'expériencesRe : Conception de dépistage des effets principaux par rapport à OFAT : quel est le meilleur ?Salut @cbaril ,
La question de cet article est un peu dérangeante, car la réponse serait certainement DoE, je vous recommande donc de regarder quelques webinaires sur les bases du DoE pour mieux évaluer la pertinence et l'importance des DoE.
Le DoE présente de nombreux avantages par rapport à l'OFAT, en voici quelques-uns :
- Nombre d'expérimentations limité (et planifié/contrôlé à l'avance !),
- Les interactions et les effets non linéaires peuvent être étudiés,
- Modèle mathématique pour expliquer ou prédire les variations de réponse(s),
- Haute efficacité (informations vs nombre d'expériences) et flexibilité du modèle supposé,
- Les erreurs sont partagées de manière égale/homogène dans l’espace de conception,
- Possibilité de créer des contraintes/conceptions personnalisées,
- Processus itératif via "Augmentation" et de nombreuses stratégies possibles : vous pouvez commencer par filtrer les principaux effets, puis vérifier les interactions, et enfin construire un modèle de surface de réponse robuste pour prédire avec précision vos réponses, ...
- La randomisation des exécutions évite l'influence du bruit et/ou des variables non contrôlées (ce que vous n'auriez pas avec une approche OFAT).
Vous pouvez également répondre à votre question en créant un plan OFAT et le comparer à un plan factoriel fractionnaire (avec 16 passes, vous auriez la possibilité dans le cas du DOE d'ajuster certaines interactions à 2 facteurs, par rapport au "screening" OFAT ) :
- Analyse de puissance : Possibilité beaucoup plus élevée de détecter des effets principaux significatifs par rapport à OFAT
- Variance de prédiction sur l'espace expérimental : Meilleure répartition des runs dans l'espace expérimental, donc variance de prédiction plus faible
- Corrélations/alias entre termes : Avec la conception OFAT, aucune possibilité de détecter les interactions (alias)
Vous pouvez reproduire l'évaluation de la conception et la comparaison avec les tables de données en copie.
Vous pouvez trouver des ressources et des informations complémentaires dans ces articles :
Résolu : approche DOE - Communauté d'utilisateurs JMP
Résolu : utilisation de DOE pour les expériences OFAT - Communauté d'utilisateurs JMP
Vous pouvez également rejoindre le Club de Conception d’Expériences pour échanger et en savoir plus sur le DOE.
J'espère que cette réponse vous aidera,
Re : Conception de dépistage des effets principaux par rapport à OFAT : quel est le meilleur ?Bonjour Victor,
Merci pour votre réponse détaillée et désolé pour le dérangement !
Je ne voulais pas comparer le DoE à l'OFAT en général, mais je me demandais, pour le cas spécifique où quelqu'un voudrait filtrer uniquement les effets principaux, si un DoE aurait un avantage sur un OFAT. Dans ce cas, il serait nécessaire de contester la demande et d'expliquer qu'il existe une forte probabilité d'effets d'interaction. D’où la nécessité, dans tous les cas, de recourir à un DoE. Correct?
Ce qui me rend encore confus, c'est qu'il existe une conception DoE dans JMP appelée "Construire une conception de criblage des effets principaux", j'ai donc pensé qu'il étudiait exclusivement les effets principaux, ce qu'un OFAT peut également faire. Les termes du modèle qui apparaissent par défaut dans la boîte de dialogue Spécification du modèle du plan « Construire un plan de criblage des effets principaux » incluent en effet uniquement les effets principaux. Cette conception spécifique ne sert-elle alors à rien ?
Cordialement,
Claire
Re : Conception de dépistage des effets principaux par rapport à OFAT : quel est le meilleur ?Salut @cbaril ,
Même si vous souhaitez uniquement filtrer les effets principaux (et même pas examiner les interactions), la DoE est une méthodologie meilleure et plus efficace que l'OFAT, car vous aurez une puissance plus élevée (probabilité de détecter un effet significatif s'il est actif) et une variance de prédiction plus faible. , et une meilleure structure de corrélation entre vos entrées (vous pouvez voir et comparer les conceptions des tableaux de données envoyés précédemment).
Pour 8 facteurs, vous auriez besoin d'un minimum de 9 exécutions pour estimer les termes des coefficients des effets principaux avec un DoE, contre 16 avec OFAT (car vous créeriez une paire d'expériences pour chaque facteur, avec -1 et 1, et les autres facteurs à 0 ou à d'autres niveaux fixes).
Dans votre exemple de 16 exécutions-DoE, il y a plus d'exécutions que le minimum requis, il y a donc des exécutions supplémentaires qui contribuent à augmenter la puissance et la précision des coefficients d'effet principal dans le modèle de régression, et offrent également la possibilité d'inclure 2 -interactions de facteurs (ce qui est impossible à faire avec une approche OFAT).
Ainsi, même si vous souhaitez filtrer uniquement les effets principaux, DoE constitue une approche plus fiable, précise et informative que l’OFAT.
Re : Conception de dépistage des effets principaux par rapport à OFAT : quel est le meilleur ?Victor a déjà fourni beaucoup de détails, je serai donc bref. Une caractéristique importante de l'expérimentation par rapport à l'OFAT que je souhaite réitérer.Les OFAT ont un espace d'inférence extrêmement étroit.Les conclusions de l'OFAT dépendent du fait que tous les autres facteurs qui ont été maintenus constants seront maintenus à ces paramètres constants dans le futur.C’est probablement complètement irréaliste.Les 8 facteurs du DOE ont un espace d'inférence beaucoup plus large (l'espace de conception est à 8 dimensions).Les OFAT sont unidimensionnels. Même si vous pouvez donner la priorité aux effets principaux dans une expérience, les effets d'ordre supérieur sont toujours présents, ils sont simplement confondus.
