Utilisation de combinaisons non autorisées pour supprimer un facteur du DoEBonjour!
Je souhaite concevoir une expérience pour tester la meilleure configuration dans une machine où l'un des facteurs définit si je dois tester les autres facteurs. Pour simplifier le problème, supposons que la machine ait une vanne d'eau (A) : marche/arrêt. Si la vanne d'eau est ouverte, je souhaite tester (B) l'eau chaude/froide et (C) le débit entre 5 et 7 ml/s. Lorsque la vanne d'eau est fermée, B et C n'ont aucun sens.
Comment dois-je concevoir une expérience de cette façon ?
Résumé
1) Si A = activé, alors testez B et C
2) Si A = désactivé, alors ne testez pas B et C
Planification d'expériencesFenêtresRé: Utilisation de combinaisons non autorisées pour supprimer un facteur du DoESalut @PValueEnemy ,
Votre contrainte de conception est très similaire à la publication précédente sur ce sujet des combinaisons non autorisées/facteurs imbriqués.
Vous pouvez lire les articles suivants :
Les combinaisons non autorisées ne fonctionnent pas
Plan d'expérience - Additifs de mélange facultatifs
Plan de mesure (DoE) où les facteurs peuvent être présents ou absents. Les interactions et les concentrations sont intéressantes.
DOE imbriqué avec des facteurs continus ?
Il peut y avoir plusieurs solutions/solutions de contournement à votre situation :
- Simply use/add a 0 level for factors B and C (you don't need a factor A for valve). B can become a 3-levels categorical factor (no water/hot/cold) and C could be discrete numeric with values 0, 5 and 7. If factors B is different from "no water" and C is different from 0, it means the valve is on. Perhaps you will have to use disallowed combinations or a candidate set approach to avoid combinations with B different from "no water" and C = 0 OR B = "no water" and C different from 0.
Example of such design with interaction and quadratic effect for C :
Contrainte :
B == "No water" & C >= 0.1 | (B == "Hot" | B == "Cold") & C <= 0.1
Et le scénario :
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Categorical, {"No water", "Hot", "Cold"}, "B", 0 ),
Add Factor( Discrete Numeric, {0, 5, 7}, "C", 0 ), Set Random Seed( 1774495 ),
Number of Starts( 42311 ), Add Term( {1, 0} ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Potential Term( {2, 2} ), Add Term( {1, 1}, {2, 1} ),
Set Sample Size( 18 ), Disallowed Combinations(
B == "No water" & C >= 0.1 | (B == "Hot" | B == "Cold") & C <= 0.1
), Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
)
- Utiliser une approche par ensemble de candidats, en créant un tableau avec toutes les combinaisons possibles, puis en supprimant celles qui sont impossibles (impliquant que la vanne est fermée et que B OU C est différent de 0/"pas d'eau", ou que la vanne est ouverte et que B = "pas d'eau" ET C = 0). Utiliser cet ensemble de candidats dans le plan personnalisé pour créer directement un plan basé sur ces exécutions de covariables. Cela permet de forcer des contraintes complexes naturellement dans le plan sans avoir à les spécifier. Une attention particulière doit cependant être portée au modèle afin que les contraintes soient bien intégrées dans le modèle.
Quoi qu'il en soit, je pense que votre facteur A peut être redondant, car il est directement corrélé aux valeurs des facteurs B et C.
J'espère que cette première réponse vous donnera quelques idées,
Ré: Utilisation de combinaisons non autorisées pour supprimer un facteur du DoEVous décrivez une conception imbriquée.
Voici quelques informations sur la nidification :
https://www.jmp.com/support/help/en/18.1/?os=mac&source=application#page/jmp/statistical-details-for-variance-components.shtml
et ici:
https://pmc.ncbi.nlm.nih.gov/articles/PMC9098003/
Sachez qu’avec l’imbrication, vous n’obtenez pas d’interactions, mais vous obtiendrez des effets principaux.
