Le plan d'expériences (DOE) est une méthode statistique qui guide l'exécution des expériences, les analyse pour détecter les variables pertinentes et optimise le processus ou le phénomène étudié. L'utilisation du DOE dans le développement de produits peut aboutir à des produits plus faciles et moins chers à fabriquer, présentant des performances et une fiabilité améliorées et nécessitant des délais de conception et de développement de produits plus courts.
De nos jours, l’apprentissage automatique (ML) est largement adopté comme outil d’analyse de données en raison de la disponibilité croissante d’ensembles de données volumineux et complexes. Cependant, toutes les applications ne peuvent pas se permettre de disposer du Big Data. Par exemple, dans les industries pharmaceutique et chimique, l’ensemble de données expérimentales est généralement restreint en raison de contraintes de coûts et du temps nécessaire pour générer les données précieuses. Néanmoins, l’intégration de l’apprentissage automatique dans la conception expérimentale s’est avérée être un moyen efficace d’optimiser la formulation dans un petit ensemble de données pouvant être collectées à moindre coût et plus rapidement.
Il y a trois parties dans cette présentation. Tout d’abord, la littérature relative à la conception expérimentale assistée par apprentissage automatique est brièvement résumée. Ensuite, un cas adhésif est présenté pour illustrer l’efficacité de la combinaison de la conception expérimentale et de l’apprentissage automatique afin de réduire le nombre d’expériences nécessaires à l’identification de l’espace de conception avec un ensemble catalyseur optimisé. Dans la troisième partie, qui concerne une application industrielle de mastic, nous utilisons les données de surface de réponse pour comparer l'erreur de prédiction du modèle RSM avec des modèles de divers algorithmes d'apprentissage automatique (RF, SVR, Lasso, SVEM et XGBoost) à l'aide d'exécutions de données de validation. à l'intérieur et à l'extérieur de l'espace de conception.
