Il est nécessaire de vérifier l'effet de tous les paramètres tels que la pression, le débit, la puissance, le temps de dépôt en modifiant +-10 % individuellement, tout en gardant les autres paramètres constants.Je veux vérifier l'effet des paramètres comme d'abord je veux changer la pression de +-10% en gardant l'autre paramètre à une valeur fixe.
Et le changement du débit de +-10%, en gardant encore les autres paramètres constants.
Comment ferais-je cela ?
Ingénierie de la qualité et des procédésRe : Il faut vérifier l'effet de tous les paramètres comme la pression, le débit, la puissance, le temps de dépôt en modifiant +-10 % individuellement, tout en gardant les autres paramètres constants.Bienvenue sur le forum. Vous n'apprécierez pas mes conseils, mais vous effectuez des manipulations OFAT (One factor at a time). Cette méthode est inefficace et souvent inefficace pour comprendre les relations entre les facteurs. Principalement :
1. Espace d'inférence étroit
2. Incapacité à estimer les effets d'interaction
3. Irréaliste (il est impossible de maintenir TOUS les facteurs constants et de changer 1)
4. Sous-optimal (les paramètres optimaux que vous sélectionnez sont conditionnels (c'est-à-dire basés sur les paramètres d'autres facteurs). Si vous trouvez de meilleurs paramètres pour d'autres facteurs, vos conclusions concernant le premier facteur sont sans objet).
5. Coûteux (le nombre d’exécutions à optimiser est nettement supérieur au DOE)
Je vous suggère plutôt de concevoir une expérience multifactorielle. Vous avez décrit une expérience à 4 facteurs. Celle-ci pourrait être réalisée en seulement 8 traitements (Res IV).
Re : Il faut vérifier l'effet de tous les paramètres comme la pression, le débit, la puissance, le temps de dépôt en modifiant +-10 % individuellement, tout en gardant les autres paramètres constants.Salut @Satyam ,
Bienvenue dans la communauté !
Je suis entièrement d'accord avec @statman : vous devriez réaliser une étude d'impact pour obtenir plus d'informations et de certitudes sur l'effet des paramètres. Je ne suis pas certain de votre objectif : souhaitez-vous analyser les effets de certains paramètres importants, ou avez-vous déjà trouvé un optimum et souhaitez-vous vérifier sa robustesse face aux faibles variations de vos facteurs ?
Si vous avez déjà trouvé un optimum et souhaitez vérifier sa robustesse avec une faible variation des facteurs qui l'entourent, je vous suggère de créer un modèle simple, comme le suggérait @statman , en ajoutant plusieurs points centraux pour tester la variabilité expérimentale de votre optimum. Cela permettrait de tester la variabilité expérimentale pure de votre processus grâce aux réplications des points centraux, ainsi que l'impact de vos facteurs.
Découvrez quelques idées sur les conceptions de robustesse dans cette conversation : Conception de robustesse
Vous pouvez également trouver des informations dans ces ressources :
https://www.nist.gov/document/robdesgn-1pdf
https://www.itl.nist.gov/div898/handbook/pri/section1/pri12.htm
J'espère que cette réponse vous aidera,
Re : Il faut vérifier l'effet de tous les paramètres comme la pression, le débit, la puissance, le temps de dépôt en modifiant +-10 % individuellement, tout en gardant les autres paramètres constants.Oui @Victor_G , j'ai déjà optimisé les conditions. Il me reste à vérifier individuellement les effets de chaque paramètre important, qui peuvent influencer le résultat. Pour l'instant, je ne m'interroge pas sur les interactions entre deux paramètres.
Peu importe que ce soit inefficace ou non. Je veux juste savoir si on peut faire ça dans JMP sur un seul graphique ? @statman
Je ne veux pas faire de graphiques différents pour chaque paramètre.
J'apprécierais vraiment vos conseils. Merci.
Re : Il faut vérifier l'effet de tous les paramètres comme la pression, le débit, la puissance, le temps de dépôt en modifiant +-10 % individuellement, tout en gardant les autres paramètres constants.D'accord, les liens fournis dans mon article précédent sur les plans de robustesse peuvent vous être utiles. Il n'est pas nécessaire d'exécuter un plan complexe pour vérifier la robustesse et l'adéquation de votre optimum. Comme l'a écrit @statman , un simple plan factoriel fractionnaire à 8 exécutions pourrait suffire (+ des points centraux pour confirmer votre optimum et vérifier sa reproductibilité).
Bien sûr, vous pouvez toujours continuer votre travail avec une approche OFAT dans JMP, en créant votre table de données manuellement, en fixant tous les paramètres sauf un, puis en modifiant les valeurs des paramètres une par une.
Mais comme indiqué précédemment, l'approche OFAT ne mène nulle part en raison de plusieurs facteurs. Le plus grand risque auquel vous pourriez être confronté avec l'OFAT lors de la vérification de votre système serait de croire à tort avoir trouvé l'optimum alors que ce n'est pas le cas. L'OFAT ne peut que confirmer votre opinion, et non contredire votre compréhension du système, ce qui ne laisse aucune possibilité d'amélioration. L'OFAT n'est pas approprié pour plusieurs raisons expérimentales énumérées par Statman, ainsi que pour des raisons de représentativité des expériences réalisées dans l'espace expérimental étudié.
Si vous êtes nouveau dans DoE, plusieurs ressources sont répertoriées ici pour vous aider à démarrer : https://community.jmp.com/t5/Design-of-Experiments-Club/DOE-Resources/td-p/635455
J'espère que cette réponse pourra vous aider,
