Salut,
Je prévois un DOE pour gagner du temps et des ressources, sans surprise. Je n'ai pas beaucoup d'expérience sur le sujet, mais j'aimerais promouvoir le DOE plutôt que l'OFAT au sein de l'organisation où je travaille ; je suppose que c'est une idée répandue.
Concernant le problème, il existe 10 facteurs continus et 3 réponses. Les expériences peuvent être réalisées dans 4 laboratoires situés à des emplacements différents. Le laboratoire 1 dispose de plus de ressources que les 3 autres ; il est donc préférable d'en réaliser davantage dans ce laboratoire. Chaque exécution dure une journée.
Mon idée théorique était d'organiser l'expérience comme suit :
- Conception personnalisée – optimisation des alias. Essayer de maîtriser le nombre d'exécutions, analyser uniquement les effets principaux, et exécuter toutes les exécutions au Lab1.
- Conception augmentée de 1 à Optimisation « D ». Tous les effets principaux et interactions. Évidemment, davantage d'exécutions sont nécessaires, d'où la tentative d'utiliser tous les laboratoires. Le tableau ci-dessous illustre la conception. La conception augmentée crée des blocs pour L1, les laboratoires seraient des blocs pour L2. Niveau L1 : Bloc B1 – Conception « alias » personnalisée, B2 – Conception augmentée ; L2 – B1/Labo1, B2-B4 – autres laboratoires.
Encore une fois, l’idée est de réaliser la plupart des expériences au Lab1 avec d’autres laboratoires aidant à la charge de travail.
Questions:
- Je n'ai pas trouvé l'option permettant de bloquer les exécutions supplémentaires dans la conception augmentée de JMP. Cette approche n'est-elle pas statistiquement valable ? Ou n'est-elle pas disponible via l'interface graphique, mais peut-elle être personnalisée ?
- Une autre solution serait d'effectuer deux études d'impact distinctes : l'une pour rechercher les effets actifs, l'autre pour tester les effets principaux et les interactions. Cela nécessiterait évidemment plus d'analyses et serait plus difficile à justifier. Je comprends que de nombreuses informations manquent ici, ce qui complique la formulation de recommandations, mais existe-t-il d'autres approches d'études d'impact plus économiques ?
Merci pour l'aide.
Salut @beluga111 ,
Bienvenue dans la Communauté !
Quelques questions et commentaires de ma part avant d'explorer les options/solutions :
- Combien de runs sont prévus pour le premier DoE ?
Comme chaque course dure 1 jour, j'utiliserais également le blocage dans cette première étape, pour m'assurer que vous pouvez évaluer une éventuelle variation d'une semaine à l'autre.
- Pourquoi les exécutions du premier DoE sont-elles uniquement partagées avec le Lab 1 ?
J'utiliserais le blocage et répartirais les exécutions entre les laboratoires lors de la phase de sélection, car vous risquez de manquer certains effets actifs et de ne pas prendre en compte et estimer la variation des laboratoires si vous n'exécutez que les premières expériences de sélection dans le laboratoire 1.
- Pourquoi choisir un critère d'optimalité d'Alias dans le premier DoE ?
Si votre objectif est de cribler et d'identifier les effets principaux, je vous conseille d'utiliser le critère d'optimalité A- (ou D-), qui est le critère d'optimalité recommandé si vous construisez votre plan de criblage avec la plateforme de conception personnalisée. Vous pouvez également utiliser l' Explorateur de conceptions pour comparer plusieurs plans en parallèle (avec des tailles d'exécution, des critères d'optimalité, des réplicats, etc. différents) et choisir le plus efficace/adapté.
Concernant vos questions :
- Vous pouvez créer un autre blocage pour la « partie conception augmentée », mais ce n’est pas simple.
Tout d’abord, créez la conception augmentée et créez une nouvelle table avec les nouvelles exécutions uniquement à l’aide de Créer une table de données de sous-ensemble .
Ensuite, sur la table des sous-ensembles, utilisez la plateforme de conception personnalisée et sélectionnez vos facteurs de covariables pour importer votre conception :
Vous pouvez ensuite ajouter un facteur de blocage dans le panneau « Facteurs » pour les laboratoires, cocher l'option « Inclure toutes les lignes de covariables sélectionnées dans la conception » et « Créer la conception ».
Votre nouvelle « pièce de conception augmentée » dispose désormais d'un facteur de blocage (vous pouvez modifier son rôle de conception en « Bloc aléatoire » si nécessaire), et vous pouvez combiner votre table de conception de criblage d'origine avec cette nouvelle table de conception augmentée pour obtenir la conception finale attendue avec deux niveaux de blocage.
- Comme vous le mentionnez, la création de deux DoE distincts pourrait augmenter le nombre d'exécutions requis, et vous ne seriez pas en mesure d'exploiter complètement et efficacement les informations recueillies lors de la phase de sélection pour créer votre deuxième conception.
Je pense que votre idée de conception originale est intéressante, j'utiliserais simplement, lors de la première étape de sélection, tous les laboratoires et créerais un facteur de blocage pour les laboratoires (car cela vous donnerait également des informations importantes sur la reproductibilité au début de votre projet), et augmenterais cette conception sur les facteurs actifs identifiés pour explorer d'autres interactions et effets quadratiques.
J'espère que cette réponse vous aidera,
