Salut,
Mon plan d'expérience comporte plusieurs facteurs, chacun avec des niveaux différents allant de 3 à 5. Je ne peux pas créer un plan factoriel complet car le nombre total d'exécutions dépasse 20 000. J'ai donc essayé de créer un plan personnalisé avec uniquement les effets principaux et sans effets d'interaction. Le nombre de tests fournis est de 21. Comment puis-je garantir la fiabilité de ce plan personnalisé ? De plus, existe-t-il une méthode permettant d'ajouter ultérieurement les effets d'interaction aux valeurs de réponse déjà renseignées ? Lorsque j'ajoute des effets d'interaction, je dois remplir à nouveau le tableau des réponses. Merci.
Salut @faizarizmin ,
Bienvenue dans la Communauté !
Comme il semble que vous soyez novice en matière de DoE, je vous recommande de jeter un œil aux ressources DoE répertoriées dans le JMP Discussions du Club de conception d'expériences et autres ressources répertoriées dans cet article (et d'autres) : Matériel d'apprentissage pour le DOE ?
Ces ressources vous aideront à créer des designs et à comprendre comment les comparer/évaluer.
Comme vous semblez avoir de nombreux facteurs à prendre en compte dans cette étape de sélection, les conceptions de sélection définitives peuvent également être une option intéressante si le nombre d'exécutions n'est pas trop élevé pour votre budget expérimental.
Vous pouvez également utiliser l' Explorateur de conception pour créer et comparer plusieurs conceptions en parallèle, avec différentes tailles d'exécution, nombre de répliques, critères d'optimalité, etc.
Enfin, l'évaluation et la comparaison des plans seront liées à votre objectif (ici, le screening). Pour les plans de screening, l'objectif est d'identifier les effets actifs parmi de nombreux facteurs potentiels. Le processus d'évaluation s'articule autour de trois aspects complémentaires :
- L'analyse de puissance constitue l'outil principal pour la détection des effets. Grâce aux tableaux et aux graphiques d'analyse de puissance, nous pouvons évaluer si une conception peut détecter de manière fiable les effets actifs dans des conditions spécifiques.
- Les estimations d'erreur standard complètent l'analyse de puissance en quantifiant la précision de l'estimation. Le tableau d'erreur standard relative permet une comparaison directe entre les plans, révélant leur capacité à estimer précisément les effets principaux (et les interactions si elles sont ajoutées au modèle supposé).
- L'analyse de corrélation, visualisée par des matrices à code couleur, complète l'évaluation du criblage en exposant les facteurs de confusion liés aux effets. Ces cartes révèlent d'éventuelles structures d'aliasing, contribuant ainsi à équilibrer l'économie d'exécution et les capacités de séparation des effets.
Différents objectifs peuvent conduire à différentes stratégies de conception et à différentes évaluations, voici un article LinkedIn que j'ai écrit sur cet aspect : https://www.linkedin.com/posts/victorguiller_d%C3%A9couverte-des-plans-oml-orthogonal-main-activity-7300061967682084864-QlkC
J'espère que cette première réponse vous aidera,
