Problèmes liés à la conception personnalisée du DOEJ'ai un doute concernant le problème LPP.
Je choisis DOE -> Conception personnalisée
Je définis ici notre objectif
Z = Maximum ou Minimum
Ensuite, je définis et prends en compte les facteurs, leur type de variable et leur plage (par exemple X1 et X2).
Ensuite, je définis les contraintes.
Ensuite, je sélectionne le nombre d'exécutions (par défaut ou défini par l'utilisateur).
Ensuite, créez un design -> Créez une table
Les options de données pour les valeurs X1 et X2 sont déjà fixées dans cette phase.
La formule de notre moto, c'est-à-dire Z=X1 +X2 ou X1-X2 ou X1*X2 ou de nombreuses autres possibilités de formule, n'est toujours pas définie dans JMP à ce jour.
Comment le JMP pourra-t-il alors obtenir la valeur optimale selon la formule ?
Je rencontre le même problème. Je n'obtiens que des valeurs extrêmes dans l'ensemble de données, alors que la valeur optimale se situe entre les deux.
Conception des expériencesRe: Problèmes liés à la conception personnalisée du DOEBonjour @AnkushSethi ,
Bienvenue dans la communauté !
Définir le modèle hypothétique approprié (ou un modèle de base adapté au problème posé) n'est pas toujours chose aisée. Selon votre objectif (criblage, exploration, optimisation, prédiction…), le nombre de facteurs et les contraintes budgétaires expérimentales (nombre d'essais possibles), différentes options s'offrent à vous. Le modèle hypothétique permet de définir l'équation supposée qui résout votre problème et de générer des points de conception utiles pour déterminer ce modèle/cette équation. Notez qu'il n'est pas nécessaire de spécifier parfaitement le modèle à ce stade ; vous analyserez les résultats et ajusterez un modèle une fois ceux-ci obtenus. Le modèle final peut être plus simple (avec moins de termes) que le modèle hypothétique spécifié lors de la conception. De plus, si votre modèle hypothétique est trop simple (il manque des termes), vous pouvez enrichir votre conception pour explorer des modèles plus complexes avec davantage de termes en utilisant vos expériences préliminaires et les nouveaux modèles générés, sans avoir à repartir de zéro. Enfin, si vous n'avez aucune idée du modèle supposé et/ou que la forme du modèle ne vous intéresse pas, vous pouvez également essayer des plans d'expériences de remplissage d'espace , des plans qui généreront des points uniformément répartis dans l'espace expérimental, afin de permettre l'optimisation et la prédiction grâce à diverses approches de modélisation (modèles linéaires multivariés standard et modèles d'apprentissage automatique).
Vous fournissez très peu d'informations pour comprendre l'objectif de votre problème et la stratégie que vous souhaitez utiliser. Je suis également un peu perplexe quant à l'objectif de votre réponse (maximiser ou minimiser) et à la nécessité d'inclure des valeurs moyennes. Vous pouvez définir un objectif comme « Atteindre la cible » avec n'importe quelle valeur attendue pour l'optimum (valeur moyenne ou toute autre valeur).
Néanmoins, si le nombre de facteurs est faible et que vous souhaitez optimiser la réponse pour obtenir des valeurs moyennes, vous pouvez spécifier un modèle de surface de réponse (cliquez sur RSM dans le panneau Modèle ) afin de garantir que les facteurs seront testés à trois niveaux : minimum, médian et maximum de l’intervalle. Cela permet d’accroître la variabilité des valeurs de réponse et d’éviter les situations où vous n’obtenez que des valeurs extrêmes en étudiant uniquement les niveaux minimum et maximum des facteurs.
Si votre budget expérimental est limité et que vous ne pouvez pas vous permettre de consacrer des essais à tester un modèle RSM complet, vous pouvez toujours ajouter des points centraux à votre conception (spécifiez le nombre de points centraux dans le panneau de génération de conception ) pour tester quelle est la valeur de réponse au centre de votre conception expérimentale.
J'espère avoir bien compris votre problème et que ces deux options pourront vous aider.
Re: Problèmes liés à la conception personnalisée du DOEBonjour @AnkushSethi : Quand vous parlez de « problème LPP », entendez-vous un problème de programmation linéaire ? Si c’est le cas, la méthode des plans d’expériences (DoE) n’est pas conçue pour la programmation linéaire.
