Vidéo 1 : Introduction à JMP 19
Vidéo 2 : Inclusion de covariables et/ou de variables supplémentaires non contrôlées dans la configuration et l’analyse du DOE.
Vidéo 3 : Calcul de la puissance de la taille de votre échantillon dans DOE, en particulier pour les études in vivo (c'est-à-dire les études animales) où les réplications sont courantes et nécessaires.
Vidéo 4 : Comment choisir la conception appropriée pour une expérience DoE ?
Questions et réponses du club DOE du troisième trimestre compilées
- Comment les covariables et les variables supplémentaires non contrôlées doivent-elles être traitées dans la configuration et l'analyse d'un DOE ?
Les expériences planifiées sont souvent confrontées à des variables externes aux facteurs prévus, appelées covariables. Certaines sont mesurables, mais non contrôlées (par exemple, poids de base, pH), tandis que d'autres constituent un bruit non contrôlé (par exemple, humidité, effets de l'opérateur). Les ignorer peut accroître l'erreur et masquer les véritables effets des facteurs.
Approche du DOE :
- CovariablesSi elles sont mesurables, intégrez-les au modèle. Cela réduit les variations inexpliquées, affine les estimations et augmente la puissance.
- Variables supplémentaires non contrôlées:Si ce n’est pas mesurable, gérer par blocage (regroupement de conditions similaires), randomisation (répartition uniforme des effets nuisibles) et réplication (estimation de la variabilité).
Solution:
Identifiez les covariables probables lors de la phase de définition, mesurez-les systématiquement et intégrez-les au modèle. Pour les facteurs de bruit non mesurables, privilégiez le blocage, la randomisation et la réplication. Cela garantit une détection plus précise du signal et des conclusions fiables, notamment dans les plans d'expériences biologiques ou de fabrication complexes.
Référence:
https://community.jmp.com/t5/JMP-Blog/Qu'est-ce-qu'une covariable dans la conception d'expériences/ba-p/361517
https://community.jmp.com/t5/Discussions/DOE-with-covariate/td-p/825007
https://community.jmp.com/t5/Discussions/Changement-inattendu-de-la-variable-contrôlée-dans-DOE/td-p/729169
https://community.jmp.com/t5/Discussions/Mixture-DOE-with-covariate-batch-effects/td-p/718593
https://community.jmp.com/t5/Learn-JMP-Events/Developer-Tutorial-Handling-Covariates-Effectively-when/ev-p/809996
https://community.jmp.com/t5/JMPer-Cable/Nouveauté-dans-JMP-16-Amélioration-de-la-gestion-des-covariables-dans-DOE/ba-p/361540
https://community.jmp.com/t5/Discussions/Comment-compter-des-facteurs-incontrôlés-à-l'aide-d'une-estimation-définitive/td-p/666426
- Comment pouvons-nous calculer la puissance d’une taille d’échantillon DOE, en particulier dans les études in vivo (animales) où les répliques sont courantes et nécessaires ?
Dans les études in vivo , la taille des échantillons est limitée par le coût, l'éthique et la faisabilité. Un nombre insuffisant d'animaux entraîne une faible puissance (risque de passer à côté d'effets réels), tandis qu'un nombre excessif gaspille des ressources et peut soulever des préoccupations éthiques.
Approche du DOE :
- Pouvoirest la probabilité de détecter un effet réel compte tenu de la taille de l'échantillon, de la taille de l'effet, de la variabilité et du niveau de signification.
- Répliquessont particulièrement importantes dans les études animales car la variabilité biologique est élevée.
- Plateforme JMP pour la puissance et la taille des échantillonsvous permet de simuler différents scénarios avant d'exécuter l'étude.
Solution:
Estimez la variabilité attendue à partir des données pilotes ou de la littérature. Utilisez l'analyse de puissance pour déterminer le nombre minimal de réplicats nécessaires pour obtenir une puissance acceptable (généralement 80 %). Si les contraintes de ressources limitent la taille de l'échantillon, concevez le plan d'expérience de manière à ce qu'il se concentre sur les facteurs les plus critiques et envisagez des blocages ou des covariables pour réduire le bruit. Cela permet de concilier rigueur statistique et réalités éthiques et budgétaires.
Référence:
https://community.jmp.com/t5/Discussions/Comment-utiliser-la-taille-et-la-puissance-de-l'échantillon-pour-la-détermination-factorielle-de-la-mesure-d'efforts/td-p/380872
https://community.jmp.com/t5/Discussions/Power-calculations-to-determine-sample-and-replication-of/td-p/552299
https://community.jmp.com/t5/Discussions/Sample-Size-for-DOE/td-p/237085
https://community.jmp.com/t5/Discussions/Power-Equation/td-p/53219
https://community.jmp.com/t5/Discussions/Devrais-je-envisager-une-analyse-de-puissance-dans-le-DOE/td-p/501063
https://community.jmp.com/t5/Discussions/DoE-How-to-treat-replicate-measurements/td-p/18588
https://community.jmp.com/t5/Discussions/Power-Analysis-in-Design-Evaluation-DOE/td-p/65472
https://community.jmp.com/t5/Discussions/Doe-and-replications/td-p/565281
https://community.jmp.com/t5/Learning-Center/Sample-Size-Explorers-DOE/ta-p/414885
https://community.jmp.com/t5/Discussions/quot-Animals-quot-Split-Plot-DOE/td-p/546140
- Lors de l’élaboration d’un plan d’exploration du DOE, comment déterminons-nous le nombre d’expériences nécessaires pour atteindre des objectifs spécifiques (tels que la couverture de l’espace de conception ou la réduction de l’incertitude), et comment cela peut-il être équilibré par rapport aux contraintes de ressources ?
Lors de la planification d'un plan d'expérience, il existe toujours une tension entre le nombre idéal d'exécutions (pour couvrir l'espace de conception et réduire l'incertitude) et le nombre maximal d'exécutions réalisables, en raison de contraintes de temps, de coût ou d'éthique. Sans une planification rigoureuse, vous risquez d'obtenir des résultats insuffisants ou de gaspiller des ressources.
Approche du DOE :
- Utilisez des diagnostics de conception (tels que les profils de variance de prédiction, la couverture de l'espace de conception et les structures d'aliasing) pour quantifier dans quelle mesure une conception candidate explore l'espace factoriel.
- Appliquer une analyse de puissance pour vérifier si la taille d’échantillon choisie peut détecter des effets d’importance pratique.
- Explorez des conceptions séquentielles/itératives (comme Bayes Opt) en commençant plus petit et en étendant uniquement si nécessaire, au lieu d'engager toutes les ressources à l'avance.
Solution:
Définissez clairement les objectifs expérimentaux (détection d'effets, cartographie des surfaces de réponse ou tests de robustesse). Utilisez ensuite les outils DOE pour évaluer les plans candidats par rapport à ces objectifs, dans les limites de ressources données. Si le nombre maximal d'expériences autorisées n'offre pas une couverture ou une puissance suffisante,
- restreindre la portée de l'étude aux facteurs et réponses critiques, ou
- Adopter une stratégie de conception par étapes. Cela garantit que, malgré les contraintes, le DOE produit des informations pertinentes et défendables.
https://community.jmp.com/t5/Discussions/how-JMP-design-the-number-of-runs-for-Default-under-DOE-custom/td-p/662940
https://community.jmp.com/t5/Discussions/JMP-Custom-DOE-vs-Full-Factorial-DOE/td-p/256413
https://www.jmp.com/content/dam/jmp/documents/fr/support/jmp111/DOE_Guide.pdf
https://community.jmp.com/t5/Learn-JMP-Events/Understanding-DOE-Capacitabilities-in-JMP/ev-p/809981
- Quelle est la meilleure façon de choisir la conception expérimentale appropriée pour une étude DOE ?
Choisir une conception inappropriée risque de gaspiller des ressources et de ne pas répondre aux questions de l’étude.
Approche du DOE :
- Adapter la conception à l'objectif :
Criblage : Factoriel fractionnaire, Plan de criblage définitif (DSD).
Optimisation/modélisation de courbure : Conceptions de surfaces de réponse (Composite central, Box–Behnken).
Mélange/formulations : conceptions de réseau simplex, de centroïde simplex ou de remplissage d'espace de mélange.
Robustesse/bruit : conceptions Taguchi ou robustes.
- Conception personnalisée dans JMP:Lorsque les conceptions de catalogue standard ne conviennent pas (en raison de types de facteurs inhabituels, de contraintes ou de limites de ressources), la plate-forme de conception personnalisée de JMP crée une expérience adaptée à vos facteurs, à votre modèle et au nombre d'exécutions.
- Vérifiez toujours les diagnostics (structure d’alias, variance de prédiction, efficacité de conception) pour valider le choix.
Solution:
Définissez clairement l'objectif expérimental (criblage, optimisation, robustesse, mélanges). Utilisez des plans d'expérience classiques lorsque cela est approprié, mais utilisez la conception personnalisée de JMP pour gérer des scénarios complexes et concrets. Cela garantit flexibilité, utilisation efficace des ressources et adéquation avec la problématique scientifique.
https://www.synthace.com/blog/types-of-doe-design-a-users-guide
https://ilssi.org/comment-choisir-le-bon-design-pour-une-experience-concu-doe/
https://community.jmp.com/t5/Abstracts/Conception-de-l-expérience-étape-cruciale-0-Choisir-le-bon-DOE/ev-p/738877
https://www.jmp.com/content/dam/jmp/documents/fr/support/jmp111/DOE_Guide.pdf
https://www.itl.nist.gov/div898/handbook/pri/section3/pri33.htm
Ressources du DOE JMP 19
Optimisation bayésienne dans JMP 19 :
- Présentation de la plateforme d'optimisation bayésienne JMP : https://www.jmp.com/fr/logiciel/optimisation-bayesienne
- Présentation de la communauté à l'optimisation bayésienne dans JMP Pro 19 : https://community.jmp.com/t5/JMPer-Cable/Présentation-de-la-plateforme-d-optimisation-bayésienne-dans-JMP-Pro/ba-p/897807
- Présentation de la nouvelle version de JMP 19, incluant l'optimisation bayésienne : https://www.jmp.com/fr/logiciel/nouvelle-version/nouveautes-jmp
- Démo YouTube de l'optimisation bayésienne de JMP Pro 19 : https://www.youtube.com/watch?v=9rOqTZHpRqA
Livres blancs du DOE dans JMP (général et JMP 19) :
- Livre blanc sur les avantages du DOE JMP : https://www.jmp.com/fr/ressources/livres-blancs/doe-advantage
- Page officielle des livres blancs du JMP (y compris les documents du DOE) : https://www.jmp.com/fr/ressources/listes-de-ressources/par-type/livres-blancs
- Livre blanc détaillé du DOE JMP au format PDF : https://www.jmp.com/content/dam/jmp/documents/en/white-papers/jmp-whitepaper-doe-advantage.pdf
- Livre blanc supplémentaire du DOE (Département de l'Énergie) au format PDF : https://www.jmp.com/content/dam/jmp/documents/fr/livres-blancs/103044-doe.pdf
Informations relatives au DOE et nouvelles fonctionnalités de JMP 19 :
- Guide de conception d'expériences JMP 19 (PDF) : https://www.jmp.com/content/dam/jmp/documents/fr/support/jmp19/guide-de-conception-d-experiences.pdf
- Page de présentation des fonctionnalités du DOE JMP : https://www.jmp.com/fr/logiciel/capacités/conception-d-expériences
- Quoi de neuf dans JMP DOE (JMP 19) avec de nouveaux explorateurs et des outils améliorés : https://community.jmp.com/t5/JMPer-Cable/Quoi-de-neuf-dans-JMP-DOE/ba-p/898558
