Philip Ramsey, Ph. D., propriétaire, North Haven Group
Maria Weese, PhD, professeure adjointe d'analyse, Farmer School of Business, Université de Miami
Douglas Montgomery, PhD, professeur Regents de génie industriel et de statistiques, Université d'État de l'Arizona
Jones et Nachtsheim (2011) ont introduit un nouveau type de plan expérimental hautement efficace appelé plans de criblage définitifs (DSD). Leur grande efficacité, associée à leur capacité à estimer les interactions bidirectionnelles et les effets quadratiques, en font un choix attractif pour les expérimentateurs. Bien que les DSD soient de plus en plus populaires dans l'industrie, notamment en biotechnologie, peu de travaux ont été réalisés à ce jour sur les meilleures approches d'analyse de ces plans. Dans cet exposé, nous discuterons des résultats d'une étude de simulation complète visant à évaluer plusieurs approches possibles pour l'analyse des résultats des expériences DSD. Les scénarios de simulation font varier le nombre de facteurs expérimentaux et le nombre d'effets actifs : interaction principale, quadratique et bidirectionnelle. La simulation se concentre sur trois stratégies possibles de sélection de modèles (AIC ou BIC étant utilisé comme critère de sélection) : 1. sélection directe ; 2. sélecteur de Dantzig ; et 3. régression sur tous les sous-ensembles. Les techniques seront comparées en termes de puissance (définie comme la capacité à identifier correctement les véritables facteurs actifs) pour détecter les effets actifs, ainsi que du nombre de fois où des effets inactifs sont identifiés comme actifs (erreurs de type I) et de leur capacité prédictive. De plus, une étude de cas de chimie analytique (glycoprofilage) utilisant JMP Pro sera présentée, où un DSD a été exécuté en parallèle avec un CCD. La discussion portera sur la concordance des deux plans en termes d'effets actifs et fournira des recommandations pour l'analyse de ces plans. Une discussion sur l'optimisation avec JMP Pro avec un DSD sera également présentée.
