Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Dans Minitab, si les facteurs du DOE ont des points centraux, la courbure sera directement testée (c'est-à-dire la non-linéarité, p<0,05 indique que la courbure est significative), mais il ne semble pas y avoir une telle fonction dans JMP ?
Plan d'expériencesRé : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Salut @Xinghua ,
Le test de courbure dans DoE est un sujet fréquent dans la communauté et a déjà quelques solutions. Veuillez vous référer aux articles et aux modules complémentaires suivants :
Test de courbure en factorielle complète à 2 niveaux avec points centraux
Un autre article sur la façon de tester la courbure dans un factoriel à deux niveaux avec des points centraux, y compris une discussion sur l'effet du point central
Comment réaliser un test de courbure dans un DOE avec JMP
Module complémentaire de test de courbure quadratique pure
Je pense que ces références vous aideront,
Re : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?De nombreuses options dans JMP pour tester la courbure avec un DOE :
1. Choisissez une conception de surface de réponse dans le menu DOE > Classique.
2. Choisissez une conception personnalisée et incluez des effets de puissance quadratiques (ou supérieurs).
3. Choisissez une conception de dépistage définitive et incluez des points centraux pour estimer les effets quadratiques.
Ré : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Bonjour @Xinghua : Il me semble que la chose la plus simple à faire serait d'inclure l'effet quadratique de l'un des facteurs du modèle. La valeur p pour cet effet est alors la valeur p pour tester la courbure. Attention cependant, quel que soit le facteur que vous avez utilisé ici, il peut ou non être le facteur auquel l'effet quadratique est attribué (il est confondu avec les autres effets quadratiques potentiels). Il s'agit simplement d'un test pour voir s'il y a une courbure présente dans au moins un des facteurs, vous devrez donc toujours augmenter la conception pour déterminer quelle(s) facture(s) est(sont) quadratique(s).
Re : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Bien que je n'aie pas consulté les liens fournis par @Victor_G et que je sois d'accord avec tout ce que d'autres ont apporté à ce jour, ma première étape, toujours, ne jamais échouer, avant tout test statistique p, t, F ou autre, est de tracer des diagrammes de dispersion de réponse par rapport aux facteurs. J'espère qu'au moins une de ces références encourage cette approche. Votre œil et votre connaissance du processus sont les « détecteurs » d'effets les plus sensibles que j'aie jamais rencontrés. En 30 ans de pratique du DOE dans un environnement industriel, je ne me souviens honnêtement pas d'une seule expérience que nous avons analysée où un test LOF pour la courbure était « significatif » qui n'apparaissait pas en premier dans les diagrammes de dispersion.
Ré : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Merci beaucoup. J'ai essayé, mais pour une raison quelconque, la valeur p du carré du facteur n'est pas numérique. Je ne sais pas pourquoi.
J'ai téléchargé les données, vous pouvez les analyser. Merci.
Ré : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Merci beaucoup.
Le DOE peut générer des graphiques à effet de levier, même avec des valeurs p. Mais je ne suis pas sûr de ce que signifie cette valeur p (si elle est inférieure à 0,05).
Re : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Salut @Xinghua ,
Comme vous n'avez que des points centraux, vous ne pouvez vérifier la courbure et estimer qu'un seul effet quadratique (parmi les 4 possibles). Si vous ajoutez les 4 effets quadratiques dans le modèle, JMP vous informera qu'il y a une singularité dans le modèle, car il ne pourra pas estimer indépendamment les 4 effets quadratiques uniquement avec des points centraux :
Pour estimer les 4 effets quadratiques, vous devez disposer de différents points, des facteurs de niveau intermédiaire (avec 0 pour le facteur dont vous souhaitez estimer l'effet quadratique et +/-1 pour les autres niveaux de facteurs), au lieu de points centraux (avec 0 pour tous les niveaux de facteurs).
Essayez de réajuster votre modèle avec un seul effet quadratique, et vous serez en mesure d'estimer la valeur p pour cet effet quadratique et le test de manque d'ajustement :
La valeur p de cet effet quadratique montre clairement une courbure dans votre réponse (ainsi que les tracés que vous avez montrés dans votre dernière réponse). La valeur p de cet effet est calculée avec l'hypothèse nulle "cet effet n'est pas significativement différent de 0". Donc, comme la valeur p est très faible ici, vous pouvez être assez sûr que cet effet semble être statistiquement significatif à partir de 0, et qu'un effet courbure/quadratique est clairement visible. L'ajout d'un effet quadratique dans votre modèle permet d'avoir un modèle plus adéquat (le test d'inadéquation ne montre pas de valeur p très faible, donc le modèle semble plus adéquat).
Si vous ajustez un modèle uniquement avec les effets principaux et les interactions à 2 facteurs, vous aviez déjà quelques indices que quelque chose de plus était probablement caché, car le test de manque d'ajustement montre une valeur très faible (le modèle peut donc ne pas être adéquat) et les tracés réels par rapport aux prévisions et aux résidus semblent indiquer une courbure :
J'espère que cette réponse vous aidera,
Ré : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Merci beaucoup pour votre enthousiasme.
Je peux confirmer que dans un plan factoriel DOE, si les points centraux sont utilisés, alors il n'y aura que des combinaisons des points centraux des facteurs (s'il y a 4 facteurs, alors il n'y aura que 0000, pas 000+, +-0 +...), si RSM est utilisé, il y aura une combinaison du point central d'un facteur et de n'importe quel niveau d'autres facteurs (s'il y a 4 facteurs, il y aura 000+, +-0+, 0000...).
Re : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Les courbes de levier sont une méthode graphique permettant de tester l'hypothèse selon laquelle la pente du coefficient d'un facteur donné est égale à 0. Elles peuvent également être utilisées à d'autres fins. Consultez la documentation JMP pour une explication détaillée.
Graphiques d'effet de levier dans JMP La valeur p est interprétée comme toute autre valeur p pour une estimation de paramètre. Seule l'amplitude est inférieure au seuil de 0,05... si c'est un seuil que vous souhaitez utiliser.
Re : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Bonjour @Xinghua : pour compléter ce que dit @P_Bartell , je n'utiliserais pas ces tracés à effet de levier s'il y a une courbure dans votre modèle qui n'est pas prise en compte (comme l'a souligné @Victor_G ) ; et comme vous pouvez le voir sur les tracés à effet de levier, le point central est clairement plus haut que les points factoriels (-1, 1) indiquant une courbure.
Re : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Merci.
J'ai également constaté que la valeur Y correspondant au point central semble être plus élevée, mais malheureusement, il n'y a pas de valeur à juger (comme la valeur p du test de non-linéarité). Après tout, juger à l'œil nu n'est pas très précis et il est difficile de convaincre le client.
Ré : Pourquoi ne puis-je pas détecter la courbure (non-linéarité) dans DOE dans JMP ?Bonjour @Xinghua : En effet, et comme vous pouvez le voir dans les réponses ci-dessus, il existe des moyens d'obtenir le test (valeurs p, etc.) dont vous avez besoin pour la courbure.
