Comment gérer les données manquantes ?Salut,
Récemment, j'ai exécuté un modèle factoriel 2 ^ 4 pour une expérience d'extrusion. J'ai l'intention de modéliser les termes quadratiques, y compris les termes d'interaction.
cependant, certains points étaient un peu ambitieux et l'extrusion a échoué. Par conséquent, je n’ai pas pu recueillir certaines réponses sur ces points. J'aimerais avoir des conseils sur la façon de procéder. Dois-je répéter l'expérience avec des niveaux moins agressifs ou puis-je simplement augmenter le plan avec des points axiaux inférieurs au niveau codé de 1.
MerciAnalyse et modélisation des données de baseConception d'expériencesIngénierie Qualité et ProcédésRe : Comment gérer les données manquantes ?Dans les deux cas, cela peut fonctionner. Mais si j’avais le choix, je recommencerais toute l’expérience. Et juste pour que nous sachions tous qui lit ceci, une expérience factorielle complète 2 ^ 4 ne permet pas d'estimer les effets quadratifs. Vous devez ajouter des pistes... généralement sous la forme de points axiaux, si possible espacés pour la rotation, l'orthogonalité des effets ou toute autre propriété de conception souhaitable.
Re : Comment gérer les données manquantes ?Voici mes réflexions concernant la perte d'unités expérimentales. Vous ne dites pas combien d'unités expérimentales ont échoué, alors sachez que vos options dépendent de ceci :
1. Existe-t-il une ou plusieurs autres variables de réponse qui quantifient l'effet des facteurs créant la ou les extrusions perdues ? Je me souviens que lorsque je travaillais avec le Dr Taguchi, il disait que ces traitements pourraient être les plus instructifs de l'expérience.
2. Comme le dit Pete, vous ne pouvez pas estimer les effets quadratiques avec une factorielle à 2 niveaux. Vous auriez besoin d'au moins des points centraux pour estimer l'écart par rapport à l'hypothèse linéaire.
3. Si vous n’en avez perdu qu’un, essayez ces options :
- Utiliser la moyenne des traitements restants comme substitut à l'analyse manquante
- Utilisez la régression pour estimer l’exécution manquante. Exécutez l'analyse du modèle d'ajustement, entrez un modèle avec 1 DF de moins (généralement l'effet d'ordre le plus élevé). Enregistrez le modèle (Triangle rouge> Enregistrer les colonnes> Formule de prédiction). Cela vous donnera une prédiction pour le traitement manquant.
- Si vous aviez prédit les résultats avant de lancer l'expérience, essayez d'utiliser votre résultat prédit.
Faites les 3 et voyez à quel point les résultats concordent. S’ils sont relativement en accord, vous pouvez avoir confiance dans l’analyse. Si ce n’est pas le cas, vous devez penser à effectuer davantage de courses. Bien sûr, les exécutions supplémentaires peuvent se dérouler dans un espace d'inférence différent, alors soyez conscient de l'effet « bloc ».
Re : Comment gérer les données manquantes ?Salut statman,
Merci pour vos conseils! Juste pour ajouter quelque chose, j'ai exécuté des points centraux et d'après l'analyse, il y a eu un écart par rapport à l'hypothèse linéaire. Ainsi, j'ajouterai des points axiaux dans les expériences futures. Quant aux données manquantes, j'essaierai à nouveau d'utiliser vos conseils et votre modèle à partir de là.
Merci et bonne année !
Re : Comment gérer les données manquantes ?Bonjour P_Bartell,
Merci pour votre conseil. J'ajouterai des points axiaux à mes expériences actuelles pour déterminer les effets quadratiques.
Merci et bonne année à vous !
