Phi Kay, JMP
Trouver la meilleure utilisation du temps est un défi. Il faut souvent comprendre l'effet du temps dans l'expérimentation industrielle et la façon dont l'effet du temps varie en fonction d'autres facteurs.
Dans une expérience planifiée, vous définissez vos facteurs d'entrée au début de chaque exécution. Il est alors relativement peu coûteux d'échantillonner et de mesurer votre réponse à plusieurs moments au cours de l'exécution. Vous pouvez avoir une journalisation automatisée, auquel cas vous aurez beaucoup plus de données sur la façon dont votre réponse varie au fil du temps.
Il semblerait qu'il soit facile d'utiliser ces données pour créer un modèle qui vous indique ce que vous devez savoir. Tout ce dont vous avez besoin, c'est d'un graphique de profilage pour votre réponse, avec le temps comme l'un des « X » en bas. Cependant, le temps n'est pas comme les autres X car vous ne l'avez pas défini au début de chaque exécution. Cette différence apparemment subtile soulève de nombreuses questions.
Pouvez-vous simplement ajouter le temps comme effet, comme vous le feriez pour vos autres facteurs DoE ? Devriez-vous craindre de violer les hypothèses de la régression des moindres carrés ordinaires ? Est-il plus sûr de simplement créer un modèle distinct pour chaque point temporel ?
