Bonjour à tous, je suis novice en matière de JMP et de DOE, et voici ma question :
Si j'ai un facteur incontrôlable (l'épaisseur de l'échantillon) mais mesurable au moment de la mesure des réponses (c'est-à-dire à la fin de l'essai), alors l'épaisseur de l'échantillon ne peut être mesurée avant l'essai. Je ne peux donc pas l'enregistrer au préalable et l'utiliser comme covariable. Ce facteur incontrôlable varie statiquement selon une loi normale et est indépendant des autres variables car il est lié à la préparation de l'échantillon pour chaque essai. Ce facteur incontrôlable interagit avec d'autres facteurs contrôlables et, ensemble, ils influencent la réponse mesurée.
Dans ce cas, comment puis-je étudier l'effet de ce facteur incontrôlable ? Pourrais-je le définir comme tel dans le plan d'expériences personnalisé et inclure ses interactions dans la section « Modèle » ? Et enregistrer les valeurs d'épaisseur après chaque simulation, puis exécuter le modèle normalement ?
Deuxième question : pour améliorer la conception, pourrais-je intentionnellement augmenter le « nombre de répétitions » ? Mais au lieu de répéter réellement les essais, puis-je simplement préparer plusieurs échantillons dans chaque essai et les mesurer tous (chaque échantillon aura une épaisseur différente, mais les autres resteront les mêmes), afin que son impact sur la réponse soit mieux mis en évidence par le modèle ?
Merci beaucoup
Salut @AttributedBurro ,
Bienvenue dans la communauté !
Désolé de ne pas vous avoir répondu plus tôt.
Vous avez raison, si vous avez un facteur incontrôlable comme l'épaisseur de l'échantillon, il est préférable de le prendre en compte et de l'intégrer comme facteur incontrôlé lors de la conception. Ainsi, ce facteur incontrôlé fait toujours partie du modèle.
Concernant votre deuxième question, j'ai un doute : prévoyez-vous d' ajouter des essais répétés à votre protocole, ou de le dupliquer entièrement en préparant et en exécutant les essais répétés de manière aléatoire et indépendante ? Ou souhaitez-vous préparer plusieurs échantillons du même traitement et les exécuter simultanément ?
- Dans la première option, vous pouvez facilement ajouter des exécutions répliquées à votre conception personnalisée ou répliquer entièrement votre conception à l'aide de la plateforme de conception Augment .
- Dans la seconde option, vous ajouterez une contrainte de randomisation à votre plan expérimental en créant des « blocs d'expériences » avec les mêmes niveaux de facteurs. Vous pouvez spécifier un ou plusieurs facteurs utilisés pour la préparation des échantillons comme « difficiles à modifier » et les autres comme « faciles à modifier » afin de créer cette contrainte. Vous devrez ensuite préciser le nombre de parcelles complètes, c'est-à-dire le nombre de fois où les facteurs « difficiles à modifier » varieront dans le plan. Selon le nombre total d'essais (multiple du nombre de parcelles complètes), votre plan sera organisé en p parcelles complètes de k essais chacune, pour un total de p × k = n essais. Cette structure de plan est appelée plan en parcelles divisées . Ce plan facilite la réalisation des essais (grâce à la contrainte de randomisation), mais au prix d'une puissance statistique moindre pour les facteurs difficiles à modifier et d'un modèle légèrement plus complexe (nécessitant l'estimation d'un effet aléatoire pour l'effet de la parcelle complète).
J'espère que cette réponse tardive pourra tout de même vous aider.
Il n'y a pas suffisamment d'informations pour donner des conseils précis, mais voici quelques pistes. La question se pose toujours : cherchez-vous à expliquer la variabilité des résultats ou à établir une relation de cause à effet à des fins prédictives ?
Par simple curiosité, comment savez-vous qu'il existe une interaction entre l'épaisseur de l'échantillon et les autres facteurs ? Ou s'agit-il d'une hypothèse ? D'où proviennent les données qui la soutiennent ?
Avez-vous effectué des prélèvements ? Vous pourriez par exemple échantillonner le processus de préparation afin de mieux comprendre la constance du résultat et son degré de variabilité.
Puisque vous « préparez l'échantillon », pouvez-vous expérimenter différentes méthodes de préparation en faisant varier volontairement les facteurs qui y sont associés ? Si oui, vous pouvez mener une expérience sur la préparation comme facteur principal (en considérant chaque échantillon de cette expérience et en le divisant), puis mener l'expérience sur les autres facteurs dans la sous-parcelle d'un dispositif en parcelles divisées. Cela augmente la précision de l'ensemble du dispositif et de la sous-parcelle, et permet d'étudier les interactions entre l'ensemble et la sous-parcelle avec une plus grande précision.
Une autre option, comme vous le suggérez, consiste à créer une unité expérimentale pour chaque traitement, composée de plusieurs échantillons. Ces échantillons ne sont pas indépendants des traitements, mais vous pouvez calculer leur moyenne, ce qui atténuera l'effet de l'épaisseur des échantillons. Vous pouvez également utiliser la variance des échantillons comme seconde variable de réponse afin de déterminer si vos facteurs contrôlables influencent la variation au sein du traitement (principalement due à l'épaisseur des échantillons et aux erreurs de mesure).
Il est également possible, si un échantillonnage permettant de déterminer les deux épaisseurs extrêmes est envisageable, de prélever suffisamment d'échantillons de chaque épaisseur pour réaliser des réplicats et de confondre ces valeurs avec l'effet bloc (épaisseur faible = Bloc -1, épaisseur forte = Bloc 1). Vous pouvez ensuite traiter l'effet bloc comme un effet fixe et ajouter les interactions bloc et bloc-facteur au modèle. Cette approche dépend fortement de votre capacité à identifier les variables confondantes avec l'effet bloc. Si l'effet bloc ou les interactions bloc-facteur sont significatifs, il existe des options pour désagréger l'effet bloc. Sinon, vous pouvez traiter l'effet bloc comme un effet aléatoire et l'utiliser comme base pour des tests statistiques.
Il n'y a aucun inconvénient à mesurer l'épaisseur et à inclure cette mesure comme covariable, sauf si l'épaisseur varie en fonction d'autres facteurs. La mesure n'a pas nécessairement besoin d'être effectuée avant l'expérience pour être utilisée comme covariable. Le seul problème potentiel que je vois est qu'on ne peut utiliser qu'une seule valeur de covariable par traitement. En cas de variation au sein de l'échantillon, quelle valeur utiliser ? On pourrait envisager de calculer la moyenne des mesures d'épaisseur, mais cela risque de ne pas être pertinent.
Il n'existe pas de méthode unique pour mener cette expérience. De nombreuses options sont possibles, chacune présentant ses avantages et ses inconvénients. Je vous conseille de concevoir plusieurs options, d'évaluer le potentiel d'apprentissage de chacune (par exemple, les effets du modèle, les restrictions, le repliement de spectre) et de les comparer aux ressources et contraintes associées. Anticipez tous les résultats possibles et les itérations suivantes. Choisissez ensuite une option et préparez-vous à itérer.
