Il n’existe aucun moyen de connaître le meilleur a priori. Ma suggestion est de créer plusieurs options DOE (concevoir plusieurs expériences). Pour chaque expérience, énumérez les connaissances potentielles que vous allez acquérir (par exemple, quels effets peuvent être estimés, quel ordre des effets du modèle peut être estimé, ce qui est confondu et ce qui est restreint) et comparez ces résultats aux ressources dont vous disposez. Prédisez TOUS les résultats possibles de chaque expérience, puis choisissez-en un et exécutez-le en sachant qu'il s'agit peut-être du premier d'une série d'expériences.
Salut @DRC92 ,
Bienvenue dans la Communauté !
Le choix et l'analyse du DoE dépendent vraiment de vos connaissances préalables sur le système, et du nombre de facteurs, contraintes, restrictions de randomisation, rapport bruit/signal, ...
Vous avez mentionné que vous pouviez avoir aussi peu que 2 à 3 points et jusqu'à 8 à 9 points. Connaissez-vous déjà les influences et les importances de tous les facteurs possibles dans votre système ?
Sinon, je recommanderais de commencer par une conception de dépistage, pour détecter les effets et facteurs importants dans votre système.
Une fois ces effets importants identifiés, vous pouvez ensuite augmenter votre conception pour ajouter quelques points afin d'affiner votre modèle (et d'augmenter la prédictivité) et d'optimiser votre(vos) réponse(s).
Votre conception de dépistage initiale doit inclure autant de facteurs que possible avec une large gamme de facteurs, afin d'identifier quel(s) facteur(s) sont importants et actifs dans votre système.
- Le modèle de dépistage définitif peut être un choix intéressant en l'absence de contraintes de facteurs (et pour plus de 5 facteurs continus et un nombre limité de facteurs catégoriels à 2 niveaux), car il s'agit d'un modèle de dépistage puissant à 3 niveaux qui peut détecter les principaux effets, interactions. et effets quadratiques, pour un budget expérimental très limité. Avoir 3 niveaux pour les facteurs continus permet d'éviter des réponses « binaires » avec des valeurs très élevées ou très faibles, ou d'utiliser uniquement des paramètres « absence/présence » pour les niveaux élevés et faibles des facteurs.
- La conception personnalisée (conceptions de criblage D/A-Optimal) peut également être une alternative intéressante, permettant d'inclure divers types de facteurs, contraintes et restrictions de randomisation (par exemple si vous devez configurer vos expériences sur plaques avec un nombre défini d'expériences par rangée et colonnes), avec une flexibilité totale sur le modèle supposé et ce que vous souhaitez détecter.
J'espère que cette première réponse vous aidera,
