Club des expérimentateurs en enregistrement Q1 2026Vidéo 1 : La plateforme DOE de JMP : un nouvel outil pour les artistes
Lisez le blog de @BillFish828 ici : https://community.jmp.com/t5/JMP-Blog/JMP-s-DOE-platform-A-new-addition-to-the-artist-s-toolkit/ba-p/919860
Question : Quelle est la différence entre un plan d'expériences Taguchi et un tableau orthogonal ?
MOLS est une matrice de plan factoriel fractionnaire équilibrée qui garantit l'indépendance entre les facteurs, tandis qu'un plan Taguchi utilise ces matrices pour optimiser la réponse moyenne du rapport signal/bruit, améliorant ainsi la robustesse.
Vidéo 2 : Pourquoi randomiser lorsque n=1
Commentaire : Mon propos portait moins sur la tendance que sur un effet non identifiable, c’est-à-dire quelque chose que vous ignoriez avant l’expérience. Je recommande donc de commencer par envisager un maximum d’influences, même les plus improbables, afin de sélectionner les facteurs, puis d’observer, si possible, tout facteur non retenu.
Vidéo 3 : Analyse approfondie des plans d’expériences tels que les surfaces de réponse (SR)
Re: Club des expérimentateurs en enregistrement T1 2026Merci pour les enregistrements @maria_astals !
Concernant la randomisation, je ne partage pas entièrement son objectif d'éviter l'évolution temporelle de la réponse. La randomisation vise plutôt à prévenir tout biais expérimental dû à l'influence de facteurs externes, inconnus et incontrôlables , susceptibles d'affecter l'expérience. Elle permet notamment d'éviter la confusion entre les effets du traitement et d'autres effets inconnus (corrélations fallacieuses).
Selon la méthode de randomisation des expériences, la robustesse du plan d'expérience face au temps peut être plus ou moins efficace. Voici quelques options plus performantes (selon la connaissance et la maîtrise des facteurs de nuisance) :
- Enregistrer l'ordre réel des exécutions et l'utiliser comme covariable dans le modèle pour évaluer sa signification statistique et son importance pratique (encore une analyse « post-mortem » pour évaluer si l'ordre des exécutions peut avoir un impact) pour un facteur de nuisance connu et incontrôlable ,
- Comme l'a suggéré @statman , l'utilisation du blocage permet d'équilibrer au mieux les niveaux des facteurs entre les blocs, afin de réduire, voire d'annuler, les effets indésirables connus et maîtrisables . Le blocage répartit les essais similaires dans différents blocs/groupes d'essais : opérateurs différents, équipements/machines différents, différences possibles entre les jours, les semaines, etc.
- Concevez votre plan d'expériences en tenant compte de cette possible dépendance temporelle, en utilisant le temps comme covariable, afin d'équilibrer les niveaux des facteurs au fil du temps. @bradleyjones a écrit un excellent article sur la création d'un plan d'expériences robuste aux tendances temporelles : « Comment créer un plan d'expériences robuste à une tendance temporelle linéaire ».
Vous pouvez voir une application ici : Covariables dans un ordre défini dans une conception personnalisée
La situation consistant à utiliser le temps comme covariable pour créer un plan d'étude de tendance temporelle robuste est expliquée dans le livre « Optimal Designs of Experiments : A Case Study Approach » de Peter GOOS et Bradley JONES (Chapitre 9 : Conception expérimentale en présence de covariables).
Je ne m'inquiéterais pas trop d'un seul point de données présentant des valeurs aberrantes/anomalies ; les plans d'expériences sont par conception moins sensibles à quelques valeurs aberrantes que les méthodes OFAT ou autres méthodes similaires.
Au plaisir de vous rejoindre la prochaine fois !
