Salut,
J'ai réalisé plusieurs plans d'expériences (DOE), mais le nombre important d'essais requis constitue un défi récurrent. Par exemple, avec un plan de criblage comportant sept essais, nous testons généralement 4 à 6 réplicats par essai pour évaluer la reproductibilité. Cela donne un total de 28 à 42 essais par DOE.
Cependant, après avoir effectué tous ces essais, les performances du modèle s'avèrent souvent insatisfaisantes, avec des valeurs R² comprises entre 0,35 et 0,65. De plus, en raison de larges intervalles de confiance et d'estimations de paramètres incohérentes, il est difficile d'identifier un modèle fiable et reproductible. Dans de nombreux cas, même lorsque les données Y sont collectées dans des conditions contrôlées sur deux zones différentes du même test, le modèle manque de cohérence et ne fournit pas d'informations concluantes.
Cela devient de plus en plus frustrant. Comment pouvons-nous résoudre ce problème efficacement et réduire les efforts inutiles tout en améliorant la fiabilité des modèles ?
