pourquoi n'y a-t-il pas de points vedettes dans la conception personnalisée RSMBonjour les experts JMP,
nous avons beaucoup discuté en interne de la raison pour laquelle il n'y a pas de points étoiles dans la conception RSM, que le concepteur personnalisé calcule.
Quelle en est la raison et le design classique est-il dans ce cas meilleur que le design personnalisé ?
Merci pour l'aide ici.
Conception d'expériencesRe : Pourquoi n'y a-t-il pas de points étoiles dans la conception personnalisée RSMPour être clair, la principale raison pour laquelle la conception Box-Behnken a été « inventée » était que les sommets extrêmes (coins de l'espace ou points étoiles) n'étaient pas des combinaisons possibles de niveaux à exécuter (essentiellement une contrainte). Encore une fois, il est important de visualiser l’espace dans lequel vous expérimentez.
Re : Pourquoi n'y a-t-il pas de points étoiles dans la conception personnalisée RSMSalut @SimonFuchs ,
Les conceptions Box Behnken sont très différentes des conceptions composites centrales ou des conceptions personnalisées/optimales de surface de réponse.
Cette conception classique est utilisée dans la littérature comme l'une des conceptions ayant la « meilleure précision », car plus de puissance est disponible pour la puissance quadratique, et aussi parce que cette conception a une précision uniforme dans l'espace expérimental, souvent pour un nombre d'essais inférieur à celui de la conception composite centrale. Il doit être centré dans l’espace expérimental optimal, ou très proche de celui-ci. Plus d'infos sur Box-Benhken : L'éducateur ouvert - 4. Méthodologie de surface de réponse Box-Behnken
En raison de ces caractéristiques et différences, la répartition des points est différente (différentes combinaisons de facteurs comme vous le mentionnez) :
Box-Behnken (15 runs par défaut pour 3 facteurs dans JMP, pas de points dans les coins) :
Conception RSM optimale (Conception personnalisée, 16 exécutions par défaut pour 3 facteurs) :
Et voici la comparaison pour la puissance (détection des effets) :
La conception RSM optimale a une puissance plus élevée pour les effets principaux et les interactions à 2 facteurs. Box-Behnken a une puissance légèrement supérieure pour les effets quadratiques.
Concernant le profil de variance de prédiction, le Custom Design fait un travail légèrement meilleur que le Box-Behnken.
Je recommande fortement l'utilisation du design personnalisé par rapport aux conceptions classiques (comme Box-Behnken, Central Composite, ...), car cela permet d'avoir des conceptions efficaces qui peuvent également gérer beaucoup de contraintes ou différents types de facteurs (catégoriques par exemple). , qui n'est pas géré dans les conceptions classiques de surfaces de réponse), et prennent en charge une méthodologie itérative (via l'augmentation de la conception) qui peut vous aider pendant toutes les phases de votre recherche (sélection -> exploration -> optimisation).
Re : Pourquoi n'y a-t-il pas de points étoiles dans la conception personnalisée RSMVoici mes réflexions concernant RSM, veuillez excuser mes divagations :
L'idée derrière ce type de conception est de carte (par exemple, une carte de contour) la réponse dans l'espace de conception afin que vous puissiez sélectionner les niveaux des facteurs qui optimisent la réponse.Les questions que vous devez vous poser sont les suivantes : êtes-vous dans l'espace de conception optimal (avez-vous identifié les facteurs importants et une enveloppe de niveaux dans lesquels ces facteurs doivent fonctionner, généralement via des conceptions de sélection) et cet espace est-il cohérent dans des conditions changeantes (par exemple, bruit, ce qui signifie qu'il faudra avoir étudié les effets des facteurs face au bruit) ? La signification statistique n'a plus d'importance (elle a déjà été établie). Toutefois, si votre espace de conception dépend de conditions changeantes, la carte ne sera pas utile. Ce serait comme avoir une carte de Philadelphie quand on est à Boulder. Même si l'on insiste beaucoup sur la « meilleure conception » basée sur des critères d'optimalité, hélas, de nombreux expérimentateurs ne disposent pas de suffisamment d'informations pour choisir ces critères a priori (et le vieil adage est vrai : les déchets entrent, les déchets sortent). De plus, ces conceptions ne mettent pas l’accent sur les stratégies permettant de comprendre le bruit de manière appropriée. L'accent est uniquement mis sur la structure de conception (pensez à toute expérience que vous avez déjà envisagée. Pensez ensuite au nombre de facteurs qui figurent dans l’étude et ceux qui n’y figurent pas. Vous expérimentez toujours sur une fraction du véritable espace. C'est un raisonnement encore plus erroné que d'omettre des facteurs qui, selon vous, ne sont pas importants sans jamais obtenir de données pour étayer une telle hypothèse. Je suis certainement biaisé par les enseignements du GEP. Boîte. Son idée de la méthodologie des surfaces de réponse est de réaliser des conceptions séquentielles pour finalement cartographier l'espace, plutôt que d'essayer de le faire en une seule expérience. Cela présente également l’énorme avantage de pouvoir évaluer la stabilité de l’espace de conception dans des conditions changeantes. Juste une autre remarque pour la sélection de la conception, ne désactivez pas l'ingénierie. Visualisez l'espace que vous étudiez, la conception remplit-elle cet espace de manière appropriée ? Avez-vous besoin de mettre en valeur des zones de l’espace ? Si oui, pourquoi?
Juste une note, pour ne pas être argumentatif, le blocage et de nombreuses stratégies pour gérer le bruit (tableaux multi-produits, split-plots, BIB, etc.) ont été inventés bien avant que les critères d'optimalité ne soient en faveur.
Re : Pourquoi n'y a-t-il pas de points étoiles dans la conception personnalisée RSMSalut Victor,
merci beaucoup pour votre réponse approfondie. Votre résumé clair en deux points à la fin est une très bonne question à retenir.
J'ai encore une question. J'ai comparé les deux conceptions fournies, et elles diffèrent, puisque la conception personnalisée comporte 16 passages et la boîte n'en contient que 14. Il existe donc différentes combinaisons de facteurs dans les deux conceptions. ce qui me rend un peu difficile de comprendre les origines de la conception personnalisée et la manière dont JMP propose la meilleure conception pour mon objectif, si vite que j'ai cru que la conception personnalisée était la meilleure pour toutes les expériences RSM.
Re : Pourquoi n'y a-t-il pas de points étoiles dans la conception personnalisée RSMMerci beaucoup pour votre réponse approfondie !! Qui aide
Re : Pourquoi n'y a-t-il pas de points étoiles dans la conception personnalisée RSMSalut @SimonFuchs ,
Il est difficile de répondre sur un cas très général et large, car en fonction du nombre de facteurs et de contraintes/spécifications, la plateforme Custom Design peut parfois proposer une conception différente de la conception classique (comme Central Composite Design), mais elle peut aussi parfois fournir le même design qu'un CCD classique.
J'ai fait un petit exemple avec 3 facteurs continus et créé 2 conceptions, une avec la plateforme "Classique", "Response Surface Design" (en choisissant CCD et valeurs axiales de "1", "Sur face"), et une avec la plateforme "Personnalisée". Design", et obtenez les mêmes conceptions CCD avec 16 exécutions.
- Conception personnalisée du script :
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Continuous, -1, 1, "X1", 0 ),
Add Factor( Continuous, -1, 1, "X2", 0 ),
Add Factor( Continuous, -1, 1, "X3", 0 ), Set Random Seed( 275411 ),
Number of Starts( 43773 ), Add Term( {1, 0} ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {1, 2} ),
Add Term( {1, 1}, {2, 1} ), Add Term( {2, 2} ), Add Term( {1, 1}, {3, 1} ),
Add Term( {2, 1}, {3, 1} ), Add Term( {3, 2} ), Set Sample Size( 16 ),
Optimality Criterion( "Make I-Optimal Design" ), Simulate Responses( 0 ),
Save X Matrix( 0 ), Make Design}
)
- Conception composite centrale de script
DOE(
Response Surface Design,
{Add Response( Maximize, "Y", ., ., . ),
Change Factor Settings( 1, -1, 1, "X1" ),
Change Factor Settings( 2, -1, 1, "X2" ),
Add Factor( Continuous, -1, 1, "X3", 0 ), Set Random Seed( 275411 ),
Make Design( 1 ), Set Axial Choice( 3 ), Center Points( 2 ),
Simulate Responses( 0 ), Save X Matrix( 0 ), Set Run Order( Randomize ),
Make Table}
)
Vous pouvez comparer ces deux modèles, ils doivent être identiques.
Pourriez-vous fournir plus de détails à votre question ? Avez-vous un cas concret pour l'illustrer ?
Peut-être que votre question est davantage liée à la position des points étoiles (sur la face, rotatifs, orthogonaux) et à son influence sur le modèle (puisque la conception personnalisée ne créera que des points étoiles "sur la face" car elle est limitée par la gamme des facteurs et je ne peux pas m'étendre dessus) ?
Voici une courte comparaison de puissance pour les trois types de conception d'emplacements de points d'étoile : Sur la face (-1/1), Orthogonal (-1,29/1,29) et Rotatif (-1,68/1,68) :
Et comparaison des écarts :
Comme vous pouvez le constater, plus les points étoiles sont éloignés du centre de l'espace expérimental :
- Plus la puissance des effets principaux et des effets quadratiques est élevée, mais plus la puissance de l'interception est faible,
- Plus la variance au centre de l’espace expérimental est élevée, mais plus les variances à la frontière de l’espace expérimental sont faibles.
J'espère que vous trouverez cette première réponse utile, et en fonction de vos futures questions et réponses, il sera peut-être plus facile pour d'autres membres de se joindre à la conversation et de vous aider.
Re : Pourquoi n'y a-t-il pas de points étoiles dans la conception personnalisée RSMPar « points étoiles », j'interprète votre question quant aux « points axiaux » dans une conception composite centrale. Pour répondre à votre question, il faut un peu d'explications sur la réflexion/le logiciel de réflexion derrière l'approche de conception classique par rapport à l'approche de conception optimale implémentée dans JMP. Sans remonter trop loin dans le temps, les conceptions classiques ont été créées à l'origine de manière à créer un espace de conception optimal pour un ou plusieurs cas très spécifiques. Les propriétés de conception telles que l'équilibre, l'orthogonalité, la rotation, l'estimation des paramètres, pour un nombre fixe d'exécutions, ont créé les conceptions qui sont généralement regroupées dans le « catalogue classique de conceptions ». Ainsi, les plans factoriels complets/fractionnaires à 2 niveaux, Box Behnken, les plans composites centraux et d'autres ont été « inventés » si vous voulez par des personnes telles que Fisher, Box, et. Al.
Certaines contraintes ou problèmes de conception qui sont survenus au fil des années étaient des choses comme, que se passe-t-il s'il y a des contraintes par rapport au nombre d'exécutions, des effets spécifiques qui doivent être estimables, d'autres, pas tellement, des combinaisons interdites pour une raison ou une autre, un blocage problèmes, et ainsi de suite. Une approche différente était donc nécessaire... et grâce à des recherches et des études minutieuses, le domaine des techniques de « conception expérimentale optimale » a été créé. En un mot, lorsque l’un des problèmes mentionnés ci-dessus fait son apparition… les conceptions classiques ne correspondent tout simplement pas aux contraintes ou à la situation. L'approche optimale utilise une approche mathématique basée sur un modèle pour trouver l'ensemble des combinaisons de traitement des facteurs, intégrant toutes les contraintes, de telle manière qu'un « critère d'optimalité » (D, A, I, G, etc.) soit maximisé.
Ce qui est mieux dépend beaucoup de vos critères de « meilleur ». En fin de compte, pour moi, la « meilleure » voie de conception est celle qui m'aide à résoudre le problème pratique en question... ou, comme l'a dit mon premier instructeur du DOE, « Fournit les informations requises pour le moins de ressources possible ». " Dans certains cas, il peut s'agir d'une conception classique... mais mon expérience au fil des années était due à la fréquence à laquelle les problèmes/contraintes étaient le chemin optimal était le chemin qui fournissait « les informations requises pour la moindre dépense de ressources ».
Un bon livre à lire pour explorer le DOE optimal est « Optimal Design of Experiments : A Case Study Approach » de Goos et Jones.
