725348_fr-FR

liliconcom

Conception de dépistage et conception de surfaces de réponse avec réponses multiples

Salut,

J'utilise JMP Pro 17 pour la conception de surfaces de réponse. J'ai 13 variables de conception. J'effectue d'abord une conception de dépistage pour décider quels 8 paramètres sont les plus efficaces sur la réponse, puis je fais varier ces 8 paramètres pour effectuer une conception de surface de réponse. (8 est le nombre maximum de variables acceptées par JMP pour la conception de surface de réponse.) Je mène 33 expériences (avec 1 point central) pour la conception de dépistage et 81 expériences (avec 1 point central) pour la conception de surface de réponse.

L'optimisation a trois objectifs d'égale importance.

1. Réduire A

2. Réduire B

3. Faites correspondre une valeur cible de 0 pour (CD) (je veux C=D, donc (CD)^2 devrait être zéro.)

J'aurai (aurai) les valeurs de A, B, C et D pour les 33 et 81 expériences.

Pour la conception de dépistage et la conception de surface de réponse, j'ai pensé à deux options différentes pour travailler sur la réponse au problème.

- Option 1 : Définir une réponse unique ( Option1_singleresponse.JPG ) comme :

Y = A/A_centerpoint + B/B_centerpoint + (CD)^2/(C_centerpoint-D_centerpoint)^2

Dans cette option, j'ai non dimensionné trois termes par rapport à leurs valeurs centrales. Cependant, je ne suis toujours pas sûr de refléter correctement les mathématiques du problème. Je veux que trois objectifs aient la même importance sur Y, mais les termes A/A_centerpoint, B/B_centerpoint et CD)^2/(C_centerpoint-D_centerpoint)^2 ont des ordres de grandeur différents. (Par exemple : 0,1 <1.3 and 2000<50000.) also minimizing (c-d)^2 c_centerpoint-d_centerpoint)^2 would not be enough since i want c to equal d.<>

- Option 2 : Définir plusieurs réponses ( Option2_multiresponse_3minimize.JPG ou Option2_multiresponse_2minimize_1target.JPG ) pour trois objectifs d'optimisation et suivre ce qui est décrit dans cette vidéo : Optimiser les réponses multiples .

Quelle option me conviendrait le mieux ?

Si je continue avec l'option 2, pensez-vous que Option2_multiresponse_3minimize.JPG et Option2_multiresponse_2minimize_1target.JPGwcela ferait-il une différence ?

(J'apprécierais votre temps et vos idées, @MRB3855 et @statman . Je vous ai tagué afin de vous informer.)

Merci beaucoup d'avance à tous ceux qui souhaitent contribuer !

Conception d'expériencesObjet : Conception de dépistage et conception de surfaces de réponse avec réponses multiples

Salut @ceydakavak : Pour faire suite à ce que @statman a dit ; s'il est vrai qu'il existe une fonction/modèle déterministe (par exemple, méthode des éléments finis) qui prend vos entrées et crache A, B et D (C = une valeur constante + A, donc C est connu si vous connaissez A) là où il n'y a pas d'erreur (c'est-à-dire que les répliques renverront exactement les mêmes valeurs de A, B et D à chaque fois), alors la seule « erreur » dans votre modèle est l'erreur de manque d'ajustement. Cela ne signifie pas nécessairement que le modèle n’est pas adapté à son objectif… c’est peut-être le cas. Mais les valeurs p, etc. sont spécieuses.

Objet : Conception de dépistage et conception de surfaces de réponse avec réponses multiples

Désolé, mais je ne comprends toujours pas toute la situation. Est-ce que cela se fait avec une simulation ? Construisez-vous réellement plusieurs ailes ? Je suppose que vous utilisez un logiciel de simulation pour modéliser les paramètres que vous saisissez. Il existe déjà des relations théoriques connues entre le poids et la traînée (voir Boldmethod : https://www.boldmethod.com/learn-to-fly/performance/why-aircraft-a-weight-increase-affects-climb-performances/# : ~:text=Weight%20Makes%20a%20Big%20Difference&text=Augmentation%20an%20aircraft%27s%20weight%20affecte,plus rapide%20speed%20to%20achieve%20Vy.)

Et soulever (voir Nasa : https://www1.grc.nasa.gov/beginners-guide-to-aeronautics/lift-to-drag-ratio/

et bien sûr, le principe de Bernoulli

"Tous les A, B, C et D sont des fonctions de la géométrie de l'aile, mais il est difficile de les relier à des expressions mathématiques. »

Le logiciel de simulation a déjà l' algorithme chargé dans le logiciel. Vous pourrez peut-être « découvrir » l’algorithme. Puisqu'il s'agit apparemment d'une simulation, il n'est pas nécessaire de fractionner, ni de minimiser le nombre de niveaux, sauf si vous rencontrez des problèmes de puissance de calcul.

Je ne sais pas comment vous utilisez les valeurs p lorsqu'il n'y a pas d'estimation « réelle » du MSE. Comment « l'erreur expérimentale » est-elle estimée avec le logiciel de simulation ? (par exemple, une sorte de Monte Carlo avec une distribution de probabilité sélectionnée d'erreurs ?)

Objet : Conception de dépistage et conception de surfaces de réponse avec réponses multiples

Salut @statman , merci pour votre réponse.

Je réalise une étude d'optimisation de la géométrie des ailes d'un avion.

R : Poids de l'aile

B : force de traînée

C : Masse de l'avion (C=Une valeur constante + A)

D : force de levage

J'essaie donc d'obtenir une géométrie d'aile d'avion avec une force de traînée et un poids minimisés, où la force de portance devrait être égale au poids de l'avion.

Tous A, B, C, D sont des fonctions de la géométrie de l'aile, mais il est difficile de les relier à des expressions mathématiques. Donc je suppose que non, ils ne devraient pas être corrélés.

"Assurez-vous de coder le paramètre de niveau pour éviter les biais." : J'effectue une optimisation à 2 niveaux. Je prends uniquement les limites minimales et maximales des variables de conception afin de former l'espace de conception.

Vous avez peut-être raison, je n'ai pas besoin d'utiliser les 8 variables que JMP me permet d'utiliser pour Response Surface Design. Après avoir effectué la conception de dépistage, j'ai vérifié le résumé des effets pour les effets avec une valeur p individuelle inférieure à 0,10. ( https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/contrasts.shtml ) Il existe plus de 8 variables avec p -Value<0.1. Cependant, le nombre maximum de variables pour effectuer une conception de surface de réponse dans JMP est de 8. Avez-vous une suggestion sur la façon dont je peux justifier la sélection du nombre de variables que j'ai choisi pour la conception de surface de réponse ? (Si je continue avec 8 variables, je peux dire que ce nombre est choisi puisque c'est la limite supérieure du nombre de variables. Mais je ne sais pas comment justifier si je sélectionne un nombre de 5 variables par exemple.)

Merci encore, d'avance.

Objet : Conception de dépistage et conception de surfaces de réponse avec réponses multiples

J'aimerais aider, mais il n'y a tout simplement pas assez de contexte. Vous avez des réponses multivariées. Comment sont-ils corrélés ? Doivent-ils être corrélés ? Sinon, il peut être difficile de tout optimiser. Assurez-vous de coder le réglage du niveau pour éviter les biais. Je ne sais pas comment vous savez que vous aurez besoin d'une conception de surface de réponse à 8 facteurs ? C'est un immense espace de conception à 8 dimensions. Il est peu probable que cela soit utile. Je vous suggère de modifier le plan actuel et de prévoir une approche plus séquentielle. Il est peu probable que vous sachiez quelle sera la prochaine conception, car elle dépendra de l’analyse de la première conception.