J'optimise un processus de production et je souhaite d'abord évaluer la contribution de chaque facteur à la réponse à l'aide d'une conception personnalisée.
Les facteurs incluent les conditions de l'installation, qui sont des variables continues, mais dont la valeur est en réalité très difficile à varier. (Longueur du gabarit, etc.)
Pour une telle variable, quel type de facteur dois-je choisir ?
Les conditions de l'installation peuvent avoir une contribution significative et j'aimerais trouver la valeur optimale, mais la plage de valeurs possibles, que je peux faire varier, est limitée, je suis incapable de créer un plan expérimental équilibré.
D'un autre côté, si je la traite comme une variable catégorielle ou de bloc, je garantis que je ne pourrai pas déduire la valeur optimale si cette variable a une contribution significative.
Salut @yukko ,
Bienvenue dans la Communauté !
Si vos facteurs sont variables et peuvent être mesurés, je vous recommande d'utiliser des facteurs numériques. Selon l'aide JMP sur la description et la différence entre les facteurs numériques continus et discrets ( Facteurs) :
" Un facteur continu est un facteur que vous pouvez conceptuellement définir sur n'importe quelle valeur comprise entre les limites inférieure et supérieure que vous fournissez, compte tenu des limites de votre processus et de votre système de mesure. "
" Un facteur numérique discret ne peut prendre qu'un nombre discret de valeurs. Ces valeurs ont un ordre implicite. "
Ainsi, selon la possibilité d'avoir des valeurs intermédiaires dans la plage de vos facteurs numériques, vous pouvez opter pour des facteurs numériques continus (aucune contrainte sur le choix des niveaux de facteurs) ou numériques discrets (possibilité de choisir uniquement certains niveaux pour chaque facteur).
Si vous souhaitez d'abord évaluer la contribution de chaque facteur à la réponse avec un design personnalisé, le choix du type de facteurs peut ne pas avoir beaucoup d'impact : comme vous êtes dans une phase de sélection, vous pouvez en choisir 2 (min et max) pour 3 niveaux (min, moyen, max) pour chaque facteur, donc la conception et l'analyse seront assez similaires avec ces deux types de facteurs.
Avec des facteurs numériques discrets et 3 niveaux, vous pouvez choisir un niveau intermédiaire qui n'est pas le niveau intermédiaire, contrairement aux facteurs continus, et le modèle contiendra automatiquement des effets quadratiques. L'analyse sera un peu différente par rapport aux facteurs continus, car les facteurs discrets sont comme les facteurs ordinaux (catégoriques mais ordonnés).
Avec des facteurs continus, vous pouvez ajouter des effets quadratiques au modèle (et/ou des points centraux) pour ajouter un troisième niveau dans la conception pour ces facteurs.
J'espère que cette réponse vous aidera,
Merci beaucoup @Victor_G .
J'ai compris qu'il devait être traité comme un nombre discret.
En revanche, si le type de variable n’est pas très important dans la phase de sélection initiale, quelle est la différence entre traiter une variable comme une variable continue et comme une variable discrète ?
bonjour @Victor_G .
Désolé pour le retard.
Je comprends la différence entre ces deux types de variables.
Je comprends que cette différence a une grande importance dans la prochaine étape de sélection, l’étape d’optimisation.
Merci beaucoup pour vos aimables conseils.
