Ajout d'exécutions candidates dans la conception de mélangesHI, Est-il possible d'inclure des essais candidats dans la conception du mélange. Lorsque j'ai essayé d'ajouter 4 pistes que je voulais inclure dans la conception. Il les considère comme un autre facteur. Alors, quelqu'un peut-il expliquer comment cela fonctionne ?
Conception d'expériencesRe : Ajout d'essais candidats dans la conception de mélangesOui. Si vous créez un tableau séparé avec vos 4 exécutions candidates, puis utilisez le bouton « Sélectionner les facteurs de covariable », ces exécutions candidates seront prises en compte/incluses (en fonction des cases à cocher en bas) dans votre conception.
Re : Ajout d'essais candidats dans la conception de mélangesMerci @Jed_Campbell . Ma question est donc la suivante : pourquoi JMP les traite-t-il comme des facteurs différents ? D'après ce que je comprends, par exécutions candidates, nous entendons ajouter des valeurs personnalisées des facteurs que nous aimerions voir dans le cadre de la conception. S'il vous plait corrigez moi si je me trompe . Et dans mon cas, ils ont été traités uniquement comme des facteurs covariables et non comme des facteurs de mélange. J'espère que ma question est claire pour vous.
Merci d'avance.
Re : Ajout d'essais candidats dans la conception de mélangesSalut @ Mathej01 ,
Quelques informations complémentaires sur l'option proposée précédemment :
Le approche par ensemble de candidats , décrit par @Jed_Campbell , peut être utile si vous disposez de nombreux points de données couvrant entièrement votre espace expérimental (contraint). Si vous partez de 4 points seulement et suivez l'option ci-dessus, vous risquez de vous retrouver avec une erreur ou une petite conception pas très adaptée à votre (vos) objectif(s).
J'envisagerais d'utiliser ces 4 exécutions initiales et de construire la conception autour d'elles en utilisant le " Conception d'augmentation " plate-forme. De cette façon, les facteurs seront conservés tels que décrits initialement, et non comme des facteurs différents (et idem pour la ou les réponses). Vous devrez peut-être spécifier certaines propriétés de colonnes pour vos facteurs de mélange avant de lancer la plateforme Augment : propriétés "Mixture", "Design Role" et "Factor Changes" (si elles ne sont pas déjà présentes dans votre tableau initial).
Exemple ici avec 4 passages initiaux (en rouge) augmentés dans un design Scheffe Cubic avec 8 passages supplémentaires (en bleu) :
Vous pouvez jeter un œil aux deux approches avec l'ensemble de données sur les jouets que j'ai créé avec 4 exécutions initiales et voir ce qui vous convient le mieux dans votre cas d'utilisation.
J'espère que cette réponse vous aidera,
Re : Ajout d'essais candidats dans la conception de mélangesSalut
Merci @Victor_G . Je pense que votre réponse pourrait être une approche pour résoudre mon problème. Mais je pense que j'ai déjà commis une erreur en comprenant le concept de candidature. Je pense que les exécutions candidates que je voulais inclure se situent déjà dans les limites des facteurs (facteurs de mélange) que j'ai spécifiés. Mon idée était donc que je voulais que certaines de mes formulations actuelles soient incluses sous forme de runs . Et puis faites une conception de 15 exécutions au total pour avoir un modèle de prédiction. Est-ce que tout cela a un sens ? ou dans ce cas, cela n'aura aucun sens d'ajouter des candidatures ?
Et si oui, comment JMP créerait-il une conception ? Ou mes exécutions candidates limiteront-elles l’efficacité de la conception ?
J'espère que ma question était claire.
Merci d'avance.
Re : Ajout d'essais candidats dans la conception de mélangesSalut @ Mathej01 ,
Il semble que vous souhaitiez avoir des « exécutions forcées » dans votre conception plutôt que d'utiliser une approche d'ensemble de candidats, qui nécessite un tableau avec toutes les combinaisons expérimentales possibles dans lequel la plate-forme de conception personnalisée peut sélectionner les exécutions les plus informatives concernant le modèle que vous souhaitez. enquêter.
La plateforme Augment Design peut être un choix approprié pour votre cas d’utilisation. Je comprends parfaitement votre choix d'inclure des formulations déjà réalisées, et la plateforme Augment Design est tout à fait capable de gérer les informations de ces exécutions initiales et de fournir de nouvelles exécutions qui aident à compléter les informations nécessaires au modèle que vous spécifiez.
Dans l'ensemble de données de jouets que je fournis, vous pouvez tester votre cas d'utilisation en augmentant les 4 exécutions initiales dans une conception (cocher la case "Regrouper les nouvelles exécutions dans un bloc séparé" peut être une bonne idée pour évaluer tout changement de variabilité entre l'ensemble initial et l'ensemble augmenté. d'expérimentations), précisez le modèle souhaité et le nombre d'exécutions au total (par exemple 15 exécutions incluant les 4 exécutions initiales). Dans l'exemple fourni, vous pouvez spécifier un modèle Scheffe Cubic (avec le blocage activé) et avoir une proposition de conception avec 15 exécutions, cela a donc du sens.
L'efficacité de la conception est liée à différents paramètres, tels que le nombre de tests que vous pouvez vous permettre, les informations apportées par vos tests initiaux (répartition des points dans votre espace expérimental), la complexité du modèle que vous supposez...
Il n'y a donc peut-être pas de réponse définitive à votre question, la meilleure chose à faire est d'essayer différents scénarios (conception générée en augmentant les exécutions initiales ou conception générée à partir de zéro) et de comparer les conceptions obtenues grâce au " Comparer la conception " plate-forme.
Vous aurez un meilleur aperçu des avantages potentiels de l'augmentation d'un plan, puisque les 4 essais initiaux sont déjà effectués, ce qui signifie que vous pouvez comparer un plan de mélange augmenté de 15 essais à un plan de mélange de 11 essais à partir de zéro (si vous le pouvez). (je ne peux pas me permettre plus de simulations), et bénéficier de ces informations supplémentaires pour avoir une meilleure précision en termes d'estimation, de meilleures performances prédictives et/ou la possibilité d'assumer un modèle plus complexe.
J'espère que cette réponse vous aidera,
