Question de conception de dépistage définitiveDevriez-vous exécuter une conception de criblage définitif uniquement si vous savez ou pensez que vous êtes très proche de l'optimum du processus ? Que se passe-t-il si vous exécutez un DSD, mais que vous êtes en dehors de l'espace factoriel optimal ? Auriez-vous perdu votre temps et auriez-vous mieux fait de faire d'abord une première factorielle fractionnaire pour filtrer les éléments, puis de faire la factorielle complète pour obtenir la courbure par la suite ?
Conception d'expériencesRe : Question sur la conception de la sélection définitiveUn dépistage efficace repose sur plusieurs principes clés. Les méthodes de conception s'appuient sur le respect de ces principes. Il semble que vous ayez dépassé le séjour de dépistage : vous connaissez les facteurs importants et soupçonnez les meilleurs réglages. Vous pouvez optimiser avec une conception personnalisée pour le modèle RSM. Assurez-vous simplement d'utiliser une plage de facteurs autour du meilleur niveau attendu qui est suffisamment large pour provoquer un effet important (changement important) dans la réponse. Sinon, vous aurez d'importantes erreurs types dans les coefficients du modèle et souffrirez de mauvaises performances de prédiction.
Re : Question sur la conception de la sélection définitiveVoici mes réflexions :
1. Le but des DSD est de filtrer un grand nombre de facteurs en tenant compte de la courbure potentielle et des effets de 2ème ordre. La réponse à votre 1ère question est donc non.
2. Il n’y a pas de « bonne » réponse à vos questions supplémentaires. Tout dépend de votre position dans le continuum des connaissances (par exemple, quelle est la spécificité de vos hypothèses, dans quelle mesure comprenez-vous le bruit), des variables de réponse que vous modélisez (par exemple, continues, ordinales ou nominales), du type de facteurs que vous manipulez. (par exemple, continu, catégorique), votre sentiment d'urgence, votre budget, etc.
3. Je crois fermement aux enquêtes séquentielles. Le but de la première expérience est de concevoir une meilleure expérience. Soyez grand et audacieux pour commencer (par exemple, de nombreux facteurs à des niveaux gras avec des blocs de bruit gras), comprenez le bruit et comment le gérer, réduisez le nombre de facteurs, testez peut-être la courbure avec des points centraux, développez un modèle utilisable.
Re : Question sur la conception de la sélection définitiveMais si vous n’êtes pas proche de l’optimum, vous ne verrez aucune courbure, n’est-ce pas ? C'est pourquoi dans RSM, vous commencez généralement avec une factorielle complète + points centraux pour tester la courbure, et si vous ne trouvez pas de courbure, vous utilisez le modèle de l'ascension la plus raide pour « gravir la montagne » dans le sens d'une réponse plus élevée. jusqu'à ce que votre réponse décline. Si vous effectuez un DSD dans un espace factoriel qui n'est pas proche de l'optimum, j'ai l'impression que vous avez gaspillé des courses puisque vous devez ensuite vous déplacer à nouveau dans la direction de la montée la plus raide et réexécuter un autre modèle, n'est-ce pas ?
C'est pourquoi je me demande si l'avantage du DSD est si vous n'êtes pas sûr d'être proche d'un optimal, et pourquoi utiliseriez-vous un DSD si vous n'êtes pas sûr d'être en fait proche d'un optimal ?
Re : Question sur la conception de la sélection définitiveLes DSD sont avant tout des modèles de criblage. Donc comme les deux @Mark_Bailey et @statman commenté, généralement votre objectif principal est de trouver les facteurs les plus influents dans l'espace des facteurs les plus audacieux, pour emprunter une expression à @statman . Une métaphore que j'utilise souvent avec mes collègues est la suivante : « Avec les conceptions de sélection, nous essayions simplement de trouver la bonne église. Avec RSM, nous essayions de trouver le bon siège dans le bon banc, pour mieux entendre la chorale. » Les DSD sont une méthode utile relativement tôt dans le processus d'apprentissage... pas vers la fin, où les conceptions plus typiques orientées RSM entreront... comme les classiques comme Box-Behnken ou les conceptions composites centrales ou plus modernes et efficaces. approches dans la boîte à outils de conception expérimentale optimale.
Re : Question sur la conception de la sélection définitiveAlors, dites-vous que les DSD peuvent être utilisés comme modèles de dépistage réguliers pour un système inconnu, tout comme une factorielle fractionnaire pourrait être utilisée, mais leur avantage réside dans la détection de la courbure. Ainsi, même s'ils ne comportent que quelques analyses de plus qu'une factorielle fractionnaire Res IV typique, ils pourraient potentiellement vous faire économiser des analyses si vous êtes déjà proche de l'optimum ? Alors qu'avec la factorielle fractionnaire, il faudrait alors passer à la factorielle complète, puis au RSM ?
Re : Question sur la conception de la sélection définitiveVous êtes sur la bonne voie... mais pas tout à fait. Oui, les DSD le peuvent (et j'irais encore plus loin et dirais que dans de nombreux cas, ils devraient être utilisés comme modèles de dépistage réguliers). Faites le calcul pour les calculs du nombre d'exécutions et vous voyez assez rapidement que, à mesure que le nombre de facteurs augmente au-delà de 5 environ... Les DSD ont en fait MOINS d'exécutions qu'un plan factoriel fractionnaire RES IV typique. Et vous pouvez obtenir un aperçu des interactions et de la courbure à 2 facteurs. Il y a donc beaucoup à apprécier lors de la comparaison des DSD avec les plans factoriels fractionnaires à deux niveaux RES IV. Était-ce moi... dans de nombreux cas, je commence par le DSD, puis comme @statman discute, passez à une approche plus RSM en tirant parti de ce que vous avez appris du DSD. Et je resterais généralement à l'écart des conceptions classiques entièrement factorielles et orientées RSM (comme le composite central) et utiliserais les approches de conception expérimentale optimale plus modernes.
Re : Question sur la conception de la sélection définitiveMerci, j'ai hésité à utiliser un DSD car je ne connais pas grand-chose à leur sujet et je me demandais quel est leur avantage - mais il semble que ce soient déjà des conceptions Res IV, cela peut conduire à moins d'exécutions avec un nombre élevé d'expériences et peut détecter la courbure (bien qu'avec quelques problèmes d'alias).
Quelles sont les autres « approches de conception expérimentale optimales » à la place du RSM ? Avez-vous des exemples ?
Re : Question sur la conception de la sélection définitiveLorsque je fais référence aux « approches optimales de conception expérimentale », je fais référence au vaste ensemble de techniques codifiées dans la plateforme de conception personnalisée de JMP. Une référence recommandée est Goos et Jones, "Optimal Experimental Design: A Case Study Approach". Je rechercherais également dans les webinaires JMP à la demande ce sujet qui a été abordé à plusieurs reprises.
