Planification d'expériences lors de l'utilisation d'échantillons commerciauxSalut!
Existe-t-il un moyen de réaliser une version de DOE en s'appuyant sur des échantillons disponibles dans le commerce ?
Étant donné que les échantillons doivent être achetés dans des magasins locaux, il n'est pas possible de faire un DOE autour des processus de production, mais je pourrais peut-être quand même utiliser le DOE pour avoir une idée du nombre d'échantillons pertinents à inclure, etc. ?
Quelqu'un a-t-il déjà vécu cela ?
Merci beaucoup!
Conception d'expériencesObjet : Conception d'expériences lors de l'utilisation d'échantillons commerciauxMa première réaction est la suivante : que voulez-vous dire par DOE ? Vous demandez-vous si vous pouvez évaluer la variation à partir d'échantillons commerciaux ? La réponse est oui. Il s'agit plus probablement d'un échantillonnage dirigé plutôt que d'une manipulation spécifique de facteurs dans une expérience. Pourriez-vous fournir un exemple plus précis de ce dont vous parlez ?
Objet : Conception d'expériences lors de l'utilisation d'échantillons commerciauxMerci pour votre réponse.
Je vais essayer d'élaborer :
Je souhaite acheter différents produits au supermarché, par exemple différents types de yaourts. En laboratoire, je vais ensuite mesurer de nombreux paramètres différents liés au goût, aux propriétés physiques et chimiques de ces yaourts. J'aimerais trouver des corrélations entre les paramètres mesurés, comme une teneur élevée en sucre corrélée à un goût sucré ou peut-être quelque chose comme une teneur élevée en matières grasses et une faible teneur en protéines corrélée à une sensation en bouche onctueuse (ou autre).
Je suis confronté au fait que je ne peux pas « contrôler » les échantillons, car ils doivent être achetés, et je veux quand même tirer des conclusions statistiquement valables. Je me demande donc s'il existe un moyen de réaliser un plan d'expérience pour cela.
Merci pour votre aide:)
Objet : Conception d'expériences lors de l'utilisation d'échantillons commerciauxEn général, non. Vous ne pouvez pas concevoir une expérience via la méthode d'échantillonnage que vous envisagez pour, par exemple, les propriétés chimiques et physiques... vous collectez ce que l'on appelle souvent des « données aléatoires »... Vous obtenez ce que vous obtenez. Mais cela ne signifie pas que vous ne pouvez pas modéliser les réponses en fonction des caractéristiques mesurées des échantillons que vous achetez. Un certain nombre de techniques de modélisation peuvent être utilisées en fonction des facteurs, de leurs niveaux, des réponses et de ce que vous essayez d'accomplir d'un point de vue pratique.
Si les choses se compliquent, je pourrais voir un moyen de « concevoir » une expérience en utilisant des facteurs catégoriels comme le type de yaourt (grec ou non grec) ou le type de fruit (myrtille, pêche, nature), etc., mais cela peut ou non correspondre à vos besoins généraux en connaissances.
Objet : Conception d'expériences lors de l'utilisation d'échantillons commerciauxPour compléter les commentaires de Pete, je pense que vous pouvez parvenir à comprendre la variation du système de mesure et d'autres composantes de la variation en utilisant l'échantillonnage. L'échantillonnage peut être imbriqué (hiérarchique), systématique ou croisé selon l'hypothèse que vous étudiez. Par exemple, l'échantillonnage peut inclure : au sein du contenant, entre les contenants, au sein du type, d'un type à l'autre, au sein d'une marque, d'une marque à l'autre, etc. (Les types peuvent-ils être corrélés avec la teneur en matières grasses/protéines/sucre ?).
Le système de mesure du goût est particulièrement intéressant. Il nécessitera probablement une échelle ordinale qui devra être adaptée aux préférences gustatives personnelles (ce qui est un défi).
Qu'entendez-vous par « conclusions statistiquement valables » ?
Objet : Conception d'expériences lors de l'utilisation d'échantillons commerciauxVoici une deuxième réponse de ma part qui pourrait vous être utile. Parfois, lorsque j'étais dans l'industrie, nous menions ce que nous appelions des « études de rachat ». En gros, ce que nous faisions, c'était d'aller au point de vente final de nos produits et de les acheter comme une personne normale qui achèterait le produit. Ensuite, nous ramenions le produit dans nos laboratoires d'analyse et évaluions certaines caractéristiques. Un exemple était le film photographique. Nous achetions une boîte de film en feuille, puis analysions les propriétés physiques du film. Des éléments tels que la quantité d'argent/pied carré, la granulométrie et les types binaires de caractéristiques comme les défauts physiques (oui/non, par type, comme une ligne, une tache ou un autre problème). Ensuite, nous nous concentrions uniquement sur l'affichage de visualisations de données récapitulatives telles que la variation argent/pied carré, la distribution de la granulométrie, etc. Notre objectif était de voir la variation au fil du temps que nos clients rencontraient et de comparer cette variation à nos spécifications et à ce que nous pensions que nos processus de fabrication faisaient réellement.
À un moment donné, j'ai découvert quelque chose qui me semblait inquiétant... au fil du temps et de plusieurs lots de films successifs, nous avons constaté une nette tendance à la baisse de la couverture d'argent par pied carré... comme si nous avions perdu le contrôle de la quantité d'argent à recouvrir pour le produit. Lorsque nous nous sommes assis avec les ingénieurs produits et processus et avons partagé nos conclusions... ils étaient très satisfaits. En effet, au fil du temps, ils avaient INTENTIONNELLEMENT réduit la teneur en couverture d'argent de ce produit particulier dans le cadre d'une initiative d'économie de coûts de matériaux. Nous avons simplement détecté cette activité dans notre étude. Quant à la question souvent posée, "De combien d'échantillons ai-je besoin ?"... Eh bien, c'était facile pour nous. Nous avions un budget pour acheter les matériaux et c'était le facteur décisif... aucune statistique n'était impliquée ici.
La morale de notre histoire était donc d'utiliser des visualisations de données pour résumer les résultats. Comme l'a dit Yogi Berra : « On peut voir beaucoup de choses simplement en regardant. »
