Enregistrements DOE Club T3 2024 - Évitez les pièges/erreurs lors des expériences DSD/TaguchiQuestion 2 : Comment éviter les pièges
Commentaires
@Victor_G :
1. Ne présumez aucune conclusion/interprétation en dehors de votre espace de conception
2. Et validez le(s) modèle(s) avec des points de validation !
@Stats_Like_Jazz :
Leçon 1 : soyez courageux lorsque vous définissez des plages.
Leçon 2 : il existe probablement de nombreux « bons » modèles pour votre/vos réponse(s). Choisissez un critère pertinent (ou plusieurs) lié à votre/vos objectif(s) à évaluer et sélectionnez le(s) modèle(s).
Leçon 3 : si vous avez des plages ou des combinaisons à éviter, utilisez le filtre de combinaison non autorisé.
J'ai une vidéo de 4 minutes sur la façon de faire exactement cela :
@ryan_cooper:
Je dirais qu'un autre piège (en particulier pour les débutants) est de trop réfléchir au DOE. Tout est mieux qu'un facteur à la fois. Vous pouvez développer vos connaissances en matière de DOE au fur et à mesure que vous en faites davantage - vous n'avez pas besoin de tout savoir pour commencer.
Question 3 : Erreurs liées à l'utilisation des modèles de criblage définitif (DSD)
Commentaires:
@Jonas_Rinne
N'essayez pas de tout apprendre du premier coup. Les gens ont tendance à essayer de tout intégrer dès le premier essai. La plupart des grands projets ne fonctionnent pas sans de nombreuses connaissances préalables.
@Victor_G
Pensez également de manière itérative. Il est très rare d'avoir toutes les réponses et conclusions avec une seule conception.
@KimRas2
Ne pas ajouter suffisamment de facteurs potentiels
@Steph_Georges
Ne pas randomiser les exécutions : si l’ordre des exécutions expérimentales n’est pas randomisé, des variables cachées (telles que la dérive du temps ou de la température) peuvent introduire un biais dans les résultats.
Voici un article de Bradley Jones sur « l'utilisation appropriée et inappropriée de DSD » : https://community.jmp.com/t5/JMP-Blog/Proper-and-improper-use-of-Definitive-Screening-Designs-DSDs/ba-p/30703
Question 4 : Passer des expériences DoE aux expériences Taguchi – conception robuste
Commentaires:
@Victor_G
Selon l'endroit et la manière dont vous souhaitez trouver une conception de processus robuste, il peut exister aujourd'hui de meilleures alternatives avec des conceptions optimales.
Et si vous avez plusieurs facteurs catégoriels à 2 niveaux, essayez plutôt d'utiliser des modèles OML :
@KimRas2
À mon avis, Taguchi est une forme moins moderne de DoE, où vous devez acheter des livres coûteux sur les conceptions DoE standardisées.
Ré: Enregistrements DOE Club T3 2024 - Évitez les pièges/erreurs lors des expériences DSD/TaguchiMerci pour le téléchargement et l'ajout des commentaires @maria_astals !
Quelques commentaires et informations complémentaires de ma part :
Question 2 : Comment éviter les pièges
Outre les excellents points mentionnés dans la discussion et les commentaires, l'article « Eight Keys to Successful DOE » de Quality Digest résume et explique vraiment bien les aspects les plus importants à prendre en compte lors de la conception des bâtiments :
- Fixez-vous de bons objectifs
- Mesurer les réponses de manière quantitative
- Répliquer pour atténuer les variations incontrôlables (bruit)
- Randomiser l'ordre d'exécution
- Bloquer les sources connues de variation
- Sachez quels effets (le cas échéant) seront aliasés
- Réaliser une série séquentielle d'expériences
- Confirmez toujours les résultats critiques
Question 3 : Erreurs liées à l'utilisation des modèles de criblage définitif (DSD)
Une plateforme d'analyse spécifique pour les DSD, la Fit Definitive Screening Platform , a été développée pour exploiter la structure de repli spécifique des DSD afin de faciliter l'analyse et de permettre la détection des interactions à 2 facteurs et des effets quadratiques suivant le principe de l'hérédité des effets. Cette analyse peut être étendue et utilisée à n'importe quelle conception avec une structure de repli, pas seulement pour les DSD, voir l'article de Bradley Jones : A Surprising Use of the Fit Definitive Screening Platform (2022-EU-45MP-1066)
Cependant, même si cette méthode d'analyse est très puissante, il peut arriver que certains termes ne soient pas détectés même s'ils peuvent être actifs, en raison d'une faible puissance pour les effets d'ordre supérieur et d'une possible faible taille d'effet, exemple : Fit Definitive Screening vs. Stepwise (min. AICC) pour la sélection de modèles
D'autres plateformes peuvent être utiles comme The Fit Two Level Screening Platform ou les modèles de régression généralisés (avec différentes méthodes d'estimation comme le meilleur sous-ensemble, la sélection élaguée/en 2 étapes/en avant, ...) , car elles peuvent vous aider à créer différents modèles, en utilisant différentes méthodes pour détecter les effets actifs et estimer les paramètres.
Comme le dit le dicton « Tous les modèles sont faux, certains sont utiles », la clé est donc de comparer et d’évaluer différents modèles pour bien comprendre le système. Différentes méthodes de sélection d’un modèle peuvent donner lieu à différentes solutions. Choisir une métrique d’évaluation pertinente pour comparer les différents modèles (en fonction de l’objectif), comparer les différents modèles et sélectionner et/ou combiner différentes méthodes de modélisation avec une expertise du domaine peut vous aider à avoir une vision plus large et plus précise de ce qui compte le plus. Et à partir de là, vous pouvez planifier vos prochaines expériences pour affiner votre modèle et/ou préparer des points de validation pour évaluer les performances de votre modèle.
(J'ai soumis un résumé pour JMP Europe Discovery 2025 en utilisant une conception de criblage à niveaux mixtes et les différentes plates-formes de modélisation mentionnées pour l'analyse des réponses, j'espère être sélectionné pour présenter cette comparaison de plates-formes et de modèles).
Question 4 : Passer des expériences DoE aux expériences Taguchi – conception robuste
Il peut y avoir plusieurs définitions de la robustesse et différentes manières de créer un DoE de robustesse, en fonction des facteurs par rapport auxquels vous souhaitez tester la robustesse de votre espace expérimental/point optimal : par rapport aux facteurs de bruit externes, par rapport aux variations des facteurs de processus/d'expérience, ou par rapport à une combinaison des deux facteurs. Voici une série d'articles de Stat-Ease expliquant le type de conceptions selon la situation de robustesse qui vous intéresse :
- Robustesse face aux facteurs de bruit externes : https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-1/
- Robustesse face aux variations de nos points de consigne pour les facteurs de processus : https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-2/
- Une combinaison des deux premiers types : https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-3/
Quelques ressources qui peuvent également être utiles :
Concevoir des produits robustes (2020-US-30MP-539)
Comment concevoir des processus de production robustes | JMP
J'espère que ces informations pourront aider les utilisateurs de JMP, bonnes expérimentations !
Ré: Enregistrements DOE Club T3 2024 - Évitez les pièges/erreurs lors des expériences DSD/TaguchiJe pensais avoir rejoint le club, mais je n'ai pas été informé de la « réunion » ?
