Mélanger DoE avec 6 ingrédients, utiliser maximum 3.Chère communauté,
Je souhaite mettre en place un plan d'expériences mixte composé de :
- Polymère : 80 %
- Eau : 18,4 % - 20 %
- Additif 1 : 0-0,8 %
- Additif 2 : 0-0,8 %
- Additif 3 : 0-0,8 %
- Additif 4 : 0-0,8 %
- Additif 5 : 0-0,2 %
Comme Polymer est une constante, je l'ai supprimée. J'obtiens donc :
- Eau : 92 % - 100 %
- Additif 1 : 0-4 %
- Additif 2 : 0-4 %
- Additif 3 : 0-4 %
- Additif 4 : 0-4 %
- Additif 5 : 0-1 %
Je souhaite maintenant évaluer les performances des additifs, mais avec seulement 1 ou 2 additifs présents simultanément dans le mélange.
Dans ce modèle, je souhaite ne considérer que les effets principaux et l'interaction entre deux additifs. L'eau servant uniquement de charge et n'ayant aucun effet sur la réponse, je néglige l'interaction entre l'additif A et l'eau et ne m'intéresse qu'à l'interaction entre l'additif A et l'additif B.
Quelqu'un pourrait-il m'expliquer comment faire pour que JMP ne sélectionne que les mélanges contenant 1 ou 2 additifs différents et de l'eau ?
Toutes les idées sont les bienvenues.
Merci d'avance.
Conception des expériencesRe: Mélange DoE avec 6 ingrédients, utiliser au maximum 3.Salut @DocBo ,
Bienvenue dans la communauté !
Compte tenu du rapport entre l'eau (solvant) et les additifs, pourquoi ne pas commencer par un plan d'expériences optimal ? L'effet de l'eau étant négligeable pour le criblage des additifs, vous pourriez débuter par un plan D-optimal pour vos 5 additifs, en spécifiant un modèle avec effets principaux, interactions à deux facteurs (et effets quadratiques si nécessaire). Voir « Quand ne pas utiliser un plan d'expériences de mélange ».
Les plans de mélange sont davantage des plans d'optimisation, donc mieux adaptés si vous souhaitez trouver une formule optimale contenant (presque) tous vos facteurs.
La contrainte de cardinalité est-elle réellement un besoin physique (les formulations sont instables ou impossibles à réaliser avec plus de 2 additifs) ?
Si vous souhaitez conserver un plan d'expériences de mélange pour votre sujet, il vous suffit de spécifier un modèle de mélange du second ordre pour obtenir un plan comportant jusqu'à deux additifs dans vos formulations. Voir un exemple dans ce sujet : Plan d'expériences pour mélanges à plusieurs composants (> 3) autorisant uniquement les mélanges ternaires.
J'espère que cette réponse vous aidera.
Re: Mélange DoE avec 6 ingrédients, utiliser au maximum 3.Salut @Victor_G ,
Merci pour votre rapidité et pour les informations/liens supplémentaires.
La limitation à deux additifs maximum à la fois est une exigence à laquelle je dois me conformer, mais il n'y a pas de nécessité physique directe.
1) Comment puis-je implémenter les contraintes a posteriori à l'aide du modèle et du profileur de prédiction ? Cela ne risque-t-il pas d'entraîner des tests inutiles avec un nombre excessif de variables explicatives ?
2) J'ai configuré un plan d'expériences classique avec des facteurs continus et une interaction à deux facteurs, mais il me propose des tests avec plus de trois additifs. Comment obtenir un plan avec un maximum de deux additifs à la fois ?
Merci d'avance.
Re: Mélange DoE avec 6 ingrédients, utiliser au maximum 3.Salut @DocBo ,
1) Tester les additifs sans contraintes vous permettra de déterminer plus facilement et précisément leurs effets principaux et leurs interactions. Lorsque vous utilisez le Profiler de prédiction lié à votre modèle, vous pouvez définir la valeur du facteur sur n'importe quelle valeur (par exemple 0) en maintenant la touche CTRL enfoncée et en cliquant dessus, puis cocher l' option « Verrouiller le paramètre du facteur » afin d'optimiser votre formule en excluant les facteurs les moins prometteurs (identifiés grâce à votre modèle).
2) Vous pouvez utiliser l' approche par ensemble de candidats , en créant un tableau avec seulement 2 facteurs à la fois, et utiliser ce tableau pour sélectionner les essais de votre plan expérimental à l'aide de la plateforme de conception personnalisée et de l'option « Sélectionner les facteurs de covariables » . Les plans en blocs incomplets équilibrés peuvent également être envisagés ( exemple ici ). Vous pouvez aussi attendre le module complémentaire mentionné précédemment, qui offrira de meilleures options de conception.
Meilleur,
Re: Mélange DoE avec 6 ingrédients, utiliser au maximum 3.Salut,
Si vous avez accès à JMP 19.1, vous pouvez utiliser une nouvelle fonctionnalité via une fonction JSL permettant de générer des échantillons aléatoires (ensembles candidats) soumis à des contraintes linéaires, des contraintes de bornes de variables et des contraintes de cardinalité sur les variables de groupes de composants spécifiées. Cette fonction, nommée « Random Linearly Constrained Uniform », est une extension de la fonction « Polytope Uniform Random », présente dans JMP depuis longtemps. (Vous trouverez des informations détaillées sur son utilisation ainsi que des exemples dans l'index des scripts d'objets JMP.) Dans votre exemple, je peux appeler la fonction avec le code JSL suivant :
Names Default To Here( 1 );
A = [1 1 1 1 1 1];
b = [1];
L = [.92 0 0 0 0 0 ];
U = [1 .04 .04 .04 .04 .01];
nwarm = 100;
nstride = 100;
tol = 1e-8;
// Index the constrained subgroups. Index = 0 is not in a constrained subgroup.
G = [0 1 1 1 1 1];
// Lower cardinality constraints for the constrained subgroups
LC = [1];
// Upper cardinality constraints for the constrained subgroups
UC = [2];
points = Random Linearly Constrained Uniform(
100,
A,
b,
L,
U,
1,
0,
0,
nwarm,
nstride,
tol,
G,
LC,
UC
);
dt = As Table( points );
Cela génère un ensemble candidat de 100 exécutions qui est enregistré dans un tableau ressemblant à ce qui suit :
La plateforme d'optimisation bayésienne de JMP Pro 19 est parfaitement adaptée à ce type de problèmes. Pour en savoir plus, consultez la présentation que j'ai donnée avec Kasia et Chris lors de Discovery : « Optimisation bayésienne pour les formulations impliquant des contraintes complexes avec JMP 19 »… - Communauté des utilisateurs de JMP .
J'espère que cela vous aidera.
Cordialement,
Laura
Re: Mélange DoE avec 6 ingrédients, utiliser au maximum 3.Bonjour Laura, est-ce que cela fonctionne uniquement avec le mode automatique de Bayes Opt ? Je souhaitais appliquer toutes mes contraintes à l'aide d'un jeu de données candidat en mode personnalisé de Bayes Opt, mais il semble que le profileur soit désactivé. Est-ce le comportement normal ?
