Suivi du DoECher,
J'ai réalisé un premier DoE (i-optimal) avec 6 facteurs (effets principaux, effets quadratiques, interactions).
Parmi ces facteurs, la température a un effet majeur et j’aimerais ajouter de nouvelles expériences pour tester les autres facteurs dans une plage de température plus étroite.
Les conditions initiales testées pour la température étaient comprises entre 35 et 80°C. Je souhaiterais ajouter des essais uniquement dans la plage 70-80°C.
L’objectif de cette expérience de suivi est d’augmenter la puissance statistique pour détecter l’effet des autres facteurs dans cette gamme de température.
Comment dois-je procéder dans JMP ?
Merci pour votre aide!
Plan d'expériencesRé: Suivi du DoESalut @PYS ,
Vous pouvez le faire très facilement en utilisant la plateforme Augmenter les conceptions.
Une fois vos facteurs et réponses précisés, vous pouvez modifier les plages de vos facteurs pour réduire (ou augmenter) les plages de vos facteurs :
Je ne sais pas à quel point cette option peut être pertinente et possible, mais avez-vous envisagé d'élargir les plages des autres facteurs ?
J'espère que cette réponse vous aidera,
Ré: Suivi du DoECher Victor,
Merci pour votre réponse.
Le fait est que nous soupçonnons que (pour des raisons techniques) seules les données à haute température sont valables.
Nous souhaitons donc améliorer nos connaissances à ces températures élevées sans perdre les informations que nous avons recueillies.
Peut-être que l'augmentation n'est pas la bonne option ? Si nous décidons d'effectuer un autre DoE avec une température dans une plage plus étroite (70-80), pouvons-nous ajouter les exécutions précédentes que nous avons effectuées à seulement 80°C ?
Le prochain DoE contiendra différents blocs aléatoires (nous ne pouvons réaliser que 3 expériences/jour), comment dois-je gérer les expériences précédentes (qui ont également été obtenues dans des blocs aléatoires différents). Dois-je créer deux variables aléatoires (1 pour les blocs de jour et 1 pour les blocs « DoE ») ?
Je suis un peu perdu
PY
Ré: Suivi du DoEOk je comprends mieux.
Je pense qu’augmenter la conception est toujours une meilleure idée que de recommencer à zéro, car certaines informations préalables sur l’influence des facteurs peuvent être exploitées et aider à réduire le nombre d’expériences requis.
Lors de l'augmentation, vous pouvez cocher « Grouper les nouvelles exécutions en blocs distincts ». Je recommande vivement de cocher cette option par mesure de sécurité , car elle vous aide à prendre en compte et à atténuer les risques de décalages ou de différences de variance pour vos réponses entre l'ensemble initial d'expériences et celui augmenté.
Ensuite, si vous souhaitez ajouter des blocs dans votre conception augmentée, cela peut être possible mais pas simple :
- Augmenter le design avec le nombre total d'exécutions attendues (un multiple de 3, dans l'exemple recréé ici, je suis parti d'un design RSM I-optimal de 34 exécutions, et j'ajoute 12 exécutions grâce à la plateforme de design augment) :
- Sur votre table de données, créez une table avec uniquement vos exécutions augmentées avec l'option Créer une table de données de sous-ensemble :
- En utilisant la plateforme Conception personnalisée sur votre table de sous-ensemble, utilisez l'option « Sélectionner les facteurs de covariable » pour saisir vos facteurs à partir de la table de sous-ensemble (mais pas le facteur de bloc si vous avez coché l'option « Regrouper les nouvelles exécutions en blocs séparés » car la seule valeur sera 2 et vous réorganiserez ces exécutions augmentées en blocs aléatoires de 3 exécutions). Les exécutions augmentées seront utilisées comme ensemble candidat. Vous pouvez ensuite ajouter un facteur de blocage (3 exécutions par bloc) dans votre liste de facteurs :
Vous pouvez également cocher l'option « Inclure toutes les lignes de covariables sélectionnées dans le plan » pour vous assurer que les exécutions augmentées créées précédemment sont toutes prises en compte et utilisées. Cette étape sert uniquement à réorganiser l'ordre de vos exécutions augmentées en blocs aléatoires respectant vos contraintes expérimentales.
- Vous pouvez ensuite modifier la propriété Rôle de conception du facteur de blocage en « Bloc aléatoire » si nécessaire (vous pouvez également la modifier lors de la définition du modèle pour l'analyse dans la plateforme Ajuster les moindres carrés à l'aide des options Attributs ) et copier-coller la conception avec les exécutions augmentées de la conception personnalisée (avec l'ordre de l'effet de bloc aléatoire) dans votre table de données de conception augmentée complète d'origine pour remplacer l'ordre des exécutions augmentées :
Je recommanderais de ne pas combiner les « facteurs de bloc » dans une seule colonne, car vous avez des objectifs et des utilisations différents pour eux :
- Le bloc de l'augmentation est utile pour évaluer si vous avez des différences de décalage ou de variance dans vos réponses du premier au deuxième ensemble d'expériences (il peut être abandonné dans l'analyse s'il n'est pas statistiquement et pratiquement significatif/significatif),
- Le bloc aléatoire issu de la contrainte expérimentale ne peut pas être utilisé directement dans l'analyse, mais il permet d'atténuer le risque qu'un effet soit confondu/aliasé avec le jour des expérimentations (« randomisation malchanceuse »). Si vous disposiez déjà d'un bloc aléatoire issu de votre premier ensemble d'expériences, vous pouvez alors étendre son utilisation au nouvel ensemble et l'utiliser dans l'analyse.
Il existe peut-être une option plus élégante pour prendre en compte vos contraintes expérimentales, mais cette solution pratique devrait fonctionner pour votre cas d'utilisation.
J'espère que cela a du sens pour vous et peut vous aider,
