Les valeurs expérimentales sont proches mais ne sont pas égales aux valeurs des facteurs décrites dans le DoE.Dans ma classe, les élèves utilisent une conception personnalisée pour planifier leur expérience. Ils mènent des essais ciblant les valeurs de facteurs recommandées par JMP. En pratique, les conditions de l’expérimentation sont un peu différentes pour diverses raisons. Je leur recommande de saisir les valeurs « réelles/mesurées » lors de l'analyse des résultats ? Ai-je raison? Comment cela affecte-t-il leurs analyses, car les conditions peuvent ne pas être orthogonales comme dans la conception JMP ?
Analyse et modélisation des données de baseRe : Les valeurs expérimentales sont proches mais ne sont pas égales aux valeurs des facteurs décrites dans le DoE.Salut @Raghavan ,
Bienvenue dans la Communauté !
Vous trouverez peut-être utiles les réponses précédentes aux messages étroitement liés à votre question :
Modification des valeurs des facteurs une fois que vous avez déjà réalisé le dessin et le tableau (CONCEPTION PERSONNALISÉE)
Utilisation de valeurs réelles au lieu de valeurs de facteurs cibles dans le DoE
Vous pouvez également rencontrer des situations similaires lors de la création d'un design personnalisé avec des contraintes dans l'espace expérimental : les valeurs trouvées par l'algorithme d'échange de coordonnées peuvent être très précises/spécifiques (parfois étranges) par rapport à ce qui est pratiquement possible dans la configuration expérimentale :
Comment les paramètres de facteurs impairs dans D-optimal RSM sont-ils générés
Décimales aléatoires incorporées dans la conception de sélection des mélanges
Pour répondre à votre question, je suis d'accord avec la proposition de @statman de lancer en parallèle à la fois l'analyse, avec les valeurs des facteurs de conception (telles qu'elles ont été générées) et avec les valeurs "réelles", pour éviter tout doute sur l'influence et l'importance de ce changement dans valeurs des facteurs.
En pratique, si vous n'avez qu'un léger écart dans les valeurs de vos facteurs et des plages de facteurs suffisamment larges, l'impact de ce changement devrait être minime et peut-être même invisible. Il peut également y avoir une variation relativement plus importante dans les mesures de réponse (en raison de la répétabilité/reproductibilité, des erreurs de mesure, ...) qui « masquera » complètement l'influence de l'écart dans les valeurs des facteurs.
J'espère que cette réponse supplémentaire pourra vous aider,
Re : Les valeurs expérimentales sont proches mais ne sont pas égales aux valeurs des facteurs décrites dans le DoE.Pour des raisons pratiques, il n’est souvent pas possible d’atteindre le point de consigne avec précision. Par exemple, je peux choisir de contrôler le débit à X lpm, mais la fluctuation de la pression de la conduite peut faire varier le débit de +/- 1 Lpm ! J'aime votre idée de tester dans les deux sens, mais si les résultats sont différents, feriez-vous confiance aux résultats basés sur des valeurs codées ?
Re : Les valeurs expérimentales sont proches mais ne sont pas égales aux valeurs des facteurs décrites dans le DoE.Voici mes réflexions :
1. Pourquoi ne peuvent-ils pas utiliser les valeurs des facteurs spécifiés par la conception (JMP) ?
2. L'hypothèse est, dans l'expérimentation, que si vous définissez un niveau bas (par exemple, -1 codé) et modifiez le réglage du niveau et revenez au niveau bas, -1, ce niveau est identique au niveau 1 précédent. simplifie l'analyse et permet d'attribuer facilement des termes d'ordre supérieur.
3. La réalité est que la variation existe dans tout, donc une stratégie pour surmonter la variation à l'intérieur d'un niveau consiste à garantir que la variation entre les niveaux est importante (par exemple, un réglage de niveau en gras).
4. Si vous souhaitez utiliser les valeurs réelles, en fonction de leur variation par rapport au paramètre de niveau spécifié, vous risquez de perdre la possibilité d'évaluer des termes d'ordre supérieur tels que les effets d'interaction. S'ils ne sont pas si différents, cela n'affecte probablement pas trop l'analyse.
Je ne suis pas sûr de considérer votre conseil comme « correct » ou simplement comme une façon d'analyser les données. J'essaierais l'analyse de plusieurs expériences en utilisant les valeurs codées et les valeurs réelles et verrais en quoi le résultat de l'analyse diffère.
