Quelle conception expérimentale est la plus appropriée lorsqu’un des facteurs est difficile à modifier ?Bonjour à tous,
Je suis relativement nouveau dans le domaine des DoE. Actuellement, je prévois d'exécuter un plan de sélection pour huit facteurs continus, dont l'un est difficile à modifier en raison de contraintes techniques.
Au départ, j'avais envisagé d'utiliser un plan de criblage définitif (DSD) avec un ordre d'exécution trié. Cependant, j'ai réalisé que cette approche pouvait ne pas être adaptée lorsqu'une structure en parcelles divisées est requise.
Compte tenu de cette limitation, je me demandais si des conceptions optimales (sur mesure) seraient plus adaptées et si elles pouvaient s'adapter aux structures à parcelles divisées. Recommanderiez-vous d'autres types de conception dans ce contexte ?
Merci d'avance pour vos éclairages !
Plan d'expériencesRé : Quelle conception expérimentale est la plus appropriée lorsqu’un des facteurs est difficile à modifier ?Une conception personnalisée est la plus adaptée à votre situation. Vous pouvez modifier le critère d'optimalité via le menu triangulaire rouge de la plateforme pour l'adapter à l'alias optimal afin de mieux gérer cette situation de filtrage.
Ré : Quelle conception expérimentale est la plus appropriée lorsqu’un des facteurs est difficile à modifier ?Votre situation est certainement une situation de parcelle divisée (restrictions de randomisation). Vous perdrez en précision dans la détection des effets du facteur de parcelle entière (le facteur difficile à modifier), mais vous augmenterez la précision pour les facteurs restants. Il est généralement conseillé de reproduire l'effet de chaque facteur de parcelle entière pour en déterminer la signification statistique. Ironiquement, la reproduction nécessite de modifier le facteur de parcelle entière plusieurs fois, ce qui constitue un défi. Représenter graphiquement l'effet de chaque facteur de parcelle entière peut souvent donner un aperçu de sa signification pratique.
