DoE et saisie des analyses de réplicationSalut,
J'ai effectué un DoE comme prévu, mais j'aimerais savoir comment évaluer les données analytiques répliquées qui alimentent la réponse pour chaque condition.
Nous utilisons généralement les données analytiques fournies par notre service d'analyse, mais étudions un outil d'analyse rapide pour de futures applications. Bien que cet outil soit utile, il semble plus précis lors de l'exécution d'une analyse répétée, puis d'une moyenne pour obtenir la moyenne. En règle générale, nous supprimons manuellement (et par jugement) les données de réponse aberrantes, mais j'espérais que ces données pourraient être saisies dans la plate-forme JMP DoE et qu'elles détermineraient automatiquement les valeurs aberrantes.
Comment puis-je saisir ces données de réplication, tout en évitant que JMP pense qu'il s'agit de véritables réplications et non d'une simple analyse de réplication de la même condition ? Si je ne le fais pas, je suppose que JMP fournira un profil « Trop confiant », à moins que je ne comprenne mal quelque chose.
Conception d'expériencesles fenêtresRe : DoE et saisie d'analyses de réplicationJe suis un peu perdu dans votre terminologie. Je pense que les données analytiques sont répétées par rapport aux traitements de l'expérience.
Une façon d’ajouter des répétitions au dessin consiste à ajouter des colonnes supplémentaires pour chaque répétition. Une fois ces colonnes remplies, empilez-les. Vous pouvez ensuite représenter graphiquement la variation intra-traitement, évaluer la cohérence de la variation intra-traitement et déterminer les statistiques appropriées pour résumer ces mesures répétées (par exemple, moyenne, écart-type logarithmique, etc.)
Re : DoE et saisie d'analyses de réplicationSalut Statman,
Je suppose que ce que j'essaie de demander, c'est s'il existe un moyen de définir des lignes dans JMP comme étant des données analytiques répliquées, plutôt que des données d'exécution répliquées.
Par exemple, si j'effectue 12 analyses dans un DoE et que je les analyse 10 fois chacune, j'ai 120 réponses. Si j'empile simplement ces 12 exécutions 10x et applique chaque réponse de réplication, je peux modéliser les données. Cependant, JMP les considérera comme des exécutions de réplication, plutôt que des analyses de réplication.
JMP visualiserait-il ces données de manière incorrecte et réduirait-il les intervalles de confiance de manière inappropriée en supposant que la variance du processus était faible (puisque nous n'aurions qu'une variance analytique à ce stade) ?
Re : DoE et saisie d'analyses de réplicationSalut @MetaLizard62080
Peut-être que cette démonstration peut vous donner une indication : https://www.youtube.com/watch?v=zagpxGbfuiA&t=358s
Si vous disposez de colonnes distinctes pour chaque série de répliques analytiques, vous pouvez calculer la moyenne et l’écart type et les modéliser tous les deux.
Re : DoE et saisie d'analyses de réplicationSalut @MetaLizard62080 : Une autre option serait d'empiler les données comme vous le décrivez ; puis, avec les autres facteurs fixes de votre DoE, incluez « exécuter » comme effet aléatoire dans votre modèle. Les résultats seront les mêmes que ceux de l'analyse des moyennes (comme @gonzaef et @Steffen_Bugge l'ont suggéré), mais vous obtiendrez des informations supplémentaires sur la variabilité d'une série à l'autre et la variabilité intra-série.
Edit : combien de facteurs de conception y a-t-il dans votre DoE ?
Re : DoE et saisie d'analyses de réplicationBonjour MetalLizard...
J'apprécie votre instinct initial de poser la question - les mesures répétées de la même série expérimentale sont différentes d'une répétition "nouvelle" de l'itération qui englobe toutes les sources de variabilité : matières premières, respect des paramètres de facteurs, etc. Je suis d'accord avec la communauté précédente. contribution à ce sujet.
Votre question initiale comportait deux parties : mesure répétée de la moyenne/détection des valeurs aberrantes et exclusion dans le cadre de la mesure des réponses dans un DOE.
JMP peut vous aider dans les deux domaines, mais en les traitant individuellement.
Je suis également d'accord avec les suggestions des autres membres de la communauté, mon instinct serait également de regrouper dans un tableau de données séparé, puis de résumer.
Bien que les économies de temps et d'argent réalisées grâce au « système de mesure rapide (sujet aux valeurs aberrantes, qui peuvent être identifiées et exclues manuellement) » par rapport à l'utilisation de « mesures du département analytique » puissent être un excellent choix pour votre situation, il y a quelques mises en garde.
Ces deux systèmes de mesure peuvent donner des résultats nets présentant une différence de décalage, de pente ou de linéarité.
JMP dispose également d'excellents outils pour l'évaluation des systèmes de mesure.
- Si le but de l’expérience est de déterminer les paramètres de facteurs qui maximiseront ou minimiseront une réponse, toute différence dans les systèmes de mesure n’aura probablement pas d’importance.
*Mais*
- Si l'objectif est de déterminer les paramètres de facteurs pour atteindre un certain objectif (tel que mesuré par le service d'analyse)... ou
- s'il existe une limite de spécification pour la réponse (encore une fois "telle que mesurée par le service d'analyse") qui doit être évitée dans le cadre de l'établissement de la plage de fonctionnement des facteurs... ou
- si l'objectif est de créer (et de publier) un modèle pour prédire les résultats, compte tenu de l'ensemble futur de paramètres de facteurs (pour les entrées X, nous attendons quelle valeur de Y)
.....alors un moyen de traduire entre les systèmes de mesure devient plus pertinent.
Concernant la détection/exclusion des valeurs aberrantes
JMP dispose d'une variété d'outils qui prennent en charge cet effort. Est-ce qu'ils prennent exactement les mêmes décisions que votre "manuellement/par jugement"... "ça dépend". Les architectures suggérées pour résumer plusieurs lignes fonctionneront, avec une étape où les lignes aberrantes ont été examinées et exclues de manière sélective. Il pourrait également y avoir un filtrage des valeurs aberrantes dans les formules de colonnes qui exclurait sélectivement (conditionnellement « manquantes ») les lignes jugées inhabituelles.
