Communauté JMP J'espérais que vous pourriez m'aider.
J'ai quelques questions d'un praticien du DoE dont l'expérience principale jusqu'à présent a consisté en des plans factoriels à moitié ou complets, mais qui souhaite utiliser un plan de dépistage définitif pour une étude de 4 ou 5 facteurs. Ces questions sont :
- Quels sont les avantages et les limites du plan factoriel classique à deux niveaux par rapport à un DSD ?
- Un plan de dépistage définitif peut-il être utilisé pour ajuster un modèle afin d'estimer les interactions à 2 facteurs ainsi que les effets principaux et quadratiques pour 4 ou 5 facteurs ?
- Ma formation limitée dans ce domaine a indiqué que le DSD est principalement utilisé pour estimer les principaux effets d'un grand nombre de facteurs afin d'établir le plus petit nombre de facteurs qui sont significatifs. Effectuez ensuite une étude plus approfondie du DOE sur ces facteurs.Est-ce correct?
- Une conception de surface de réponse permettrait d'obtenir une estimation de la courbure et de toutes les interactions, mais nécessiterait beaucoup plus d'essais.Un DSD peut-il faire cela avec moins d’exécutions ?
Tout conseil à ce sujet serait extrêmement apprécié !
Meilleur,
Dextre
Il existe un certain nombre d'articles et de didacticiels qui traitent du DSD, par exemple :
https://www.jmp.com/en_us/whitepapers/jmp/definitive-screening-designs-two-level-categorical.html
https://community.jmp.com/t5/Mastering-JMP/Using-Definitive-Screening-Designs-to-Get-More-Information-from/ta-p/310245
Brad Jones avait un blog sur le sujet.
Les conceptions classiques sont orthogonales/équilibrées et peuvent être très efficaces si elles sont utilisées dans une approche séquentielle. L'idée est de commencer avec un espace de conception audacieux (beaucoup de facteurs à 2 niveaux gras) avec des conceptions fractionnées, puis d'itérer. Chaque itération conduira l'expérimentateur à un ensemble plus restreint de facteurs à des niveaux plus idéaux et, espérons-le, vers un espace de conception optimal et un modèle prédictif. Dans de nombreux cas, ces conceptions sont additives et faciles à supprimer. Ils peuvent également être utilisés lorsque vous êtes en bas du continuum des connaissances. Ils sont peut-être aussi plus faciles à enseigner à des non-statisticiens. L'inconvénient est qu'ils supposent des relations linéaires, du moins dans les conceptions initiales. Ce n’est pas une mauvaise hypothèse puisque nous construisons généralement des modèles basés sur la hiérarchie. Si l’expérimentateur dispose d’un modèle raisonnable pour commencer et se méfie des effets non linéaires, alors l’hypothèse linéaire n’est peut-être pas souhaitée. Séquentiellement, vous pouvez augmenter les conceptions classiques avec des points centraux pour tester les effets non linéaires, mais l'effet non linéaire n'est pas spécifique.
Les DSD offrent la possibilité d'inclure des facteurs à 3 niveaux dans la conception et donc d'estimer les effets quadratiques. Bien sûr, cela signifie que vos facteurs doivent être quantitatifs, mais il existe certaines options pour inclure des facteurs catégoriels dans un DSD (voir l'article référencé). Ils sont très efficaces pour évaluer un nombre relativement important de facteurs (après tout, ils sont censés être des modèles de dépistage) avec une résolution relativement bonne. Ils peuvent également détecter les écarts par rapport à l’hypothèse linéaire avec un certain degré de précision.
Le choix de la conception appropriée dépend toujours de la situation. Un certain nombre de critères influencent la décision. Et, BTW, il est impossible de savoir quelle est la « bonne » conception avant d’avoir compris la structure causale. Mon conseil est toujours concevoir plusieurs expériences avec les facteurs sur lesquels vous avez choisi d’expérimenter. Prévoyez quelles connaissances pourraient être acquises avec chaque option (par exemple, quel modèle d'ordre, précision de la conception, espace d'inférence, définition de niveau, etc.) ET que ferez-vous de ces connaissances. Pesez les connaissances potentielles acquises par rapport aux ressources requises. Choisissez un design et soyez prêt à itérer.
