Randomisation des tableaux de Taguchi et des tableaux de couverture dans JMPBonjour chère communauté,
En explorant l'utilisation potentielle des matrices orthogonales/matrices de couverture/matrices de Taguchi, j'ai constaté que les plateformes Réseau de couverture et Modèles Taguchi ne permettent pas d'aléatoriser l'ordre des essais lors de la création d'un plan d'expériences (avant la génération du tableau de données). Cependant, en élaborant un plan d'expériences robuste avec la plateforme Conception personnalisée (et en ajoutant un ou plusieurs facteurs catégoriels pour les facteurs de bruit : Expériences pour la conception robuste de processus et de produits ), il est possible d'aléatoriser le plan.
Existe-t-il une justification à mener les expériences dans le même ordre de construction de conception (sans randomisation) pour ces deux plateformes (conceptions Covering Array et Taguchi) ?
Dans le cas des matrices de Taguchi, par exemple, l'absence de randomisation est problématique, car le premier facteur est divisé en deux « blocs » d'essais : la première moitié à un niveau bas et la seconde à un niveau élevé. Même en tenant compte des facteurs de bruit dans ce scénario (et en mesurant les réponses pour corriger ces effets), la réalisation des expériences selon ce schéma pourrait créer ou amplifier un biais dû à des facteurs de bruit non spécifiés. Par exemple, un biais lié à la température au cours de la journée : la première moitié des expériences étant menée le matin par des températures relativement basses et la seconde moitié l'après-midi par des températures relativement élevées, ce biais pourrait amplifier, voire neutraliser, l'effet du premier facteur.
J'attends avec impatience vos suggestions, et si ce n'est pas prévu, je créerai une demande JMP 
Merci !
Conception des expériencesRe: Randomisation des tableaux de Taguchi et des tableaux de couverture dans JMPVictor, à ma connaissance, Taguchi n'a pas insisté sur l'utilisation de la randomisation dont vous parlez lorsqu'il calcule un rapport signal/bruit sur le réseau externe (ce rapport est fonction des estimations de la moyenne et de l'écart type en fonction du bruit variable… comme si ces réponses étaient des répétitions). Il s'intéressait davantage à exposer les traitements à un bruit manipulé afin de créer des plans expérimentaux robustes et a créé une réponse indicative de cette robustesse. Il existe, bien sûr, des débats sur l'efficacité (ou statistiquement, la « justesse ») de cette technique. Personnellement, je préfère considérer ces croisements (réseaux interne et externe) comme des parcelles divisées.
Bien sûr, vous pouvez effectuer votre propre randomisation, mais si vous parvenez à la fois à identifier le bruit et à le gérer tout au long de l'expérience, vous obtiendrez de meilleurs résultats.
« Bloquez ce que vous pouvez, randomisez ce que vous ne pouvez pas » Boîte GEP
Re: Randomisation des tableaux de Taguchi et des tableaux de couverture dans JMPMerci beaucoup pour votre réponse, c'est très logique !
J'ai lu dans plusieurs articles illustrant les limites des plans d'expériences de Taguchi que Taguchi les concevait de manière pratique et axée sur les besoins des ingénieurs, au détriment de leur rigueur statistique. JMP propose le même format que celui que vous mentionnez pour la création de plans d'expériences de Taguchi, en considérant les facteurs de bruit comme des répétitions et en utilisant la moyenne et l'écart type de la réponse pour calculer le rapport signal/bruit (exemple avec L4).
Sans considérer les réseaux intérieur et extérieur comme une expérience en parcelles divisées, je crains qu'exécuter l'analyse dans l'ordre du tableau n'introduise un biais potentiel dans l'expérimentation, en raison de l'influence possible de facteurs de bruit externes (non pris en compte). La plateforme de réseau de couverture présente également le même problème concernant l'ordre des essais, mais il serait possible de la considérer comme une expérience en parcelles divisées. Merci pour ce bon conseil.
Je suis rassuré de constater que ma compréhension de ces modèles n'est pas totalement erronée.
Meilleur,
Re: Randomisation des tableaux de Taguchi et des tableaux de couverture dans JMPLa philosophie de Taguchi est souvent mal comprise. Une grande partie de son œuvre a été traduite en anglais, ce qui représente un véritable défi. Je me souviens avoir enseigné avec lui à Tokyo il y a de nombreuses années ; son approche de la sélection et de la création de variables de réponse était très proche de celle de l'ingénierie. Il privilégiait les variables de réponse robustes aux perturbations et interactions externes (par exemple, sous forme d'énergie ou de masse, en raison des lois de conservation).
