Interprétation des résultats principaux pour la fonction Optimisation des réponses

Suivez les étapes ci-dessous pour interpréter les résultats de la fonction Optimisation des réponses. Les résultats principaux incluent le diagramme d'optimisation, les valeurs ajustées et les intervalles de confiance.

Etape 1 : Identifier le paramètre optimal de chaque prédicteur

Utilisez le diagramme d'optimisation afin de déterminer les paramètres optimaux pour les prédicteurs en fonction des paramètres que vous avez indiqués.

Le diagramme d'optimisation indique l'incidence des variables sur les réponses prévues. Vous pouvez modifier les paramètres des variables directement sur le diagramme en déplaçant les barres verticales. Le diagramme d'optimisation contient les éléments suivants :
  • Une colonne pour chaque variable.
  • La désirabilité composite, si elle est affichée, correspond à la ligne supérieure.
  • Après la désirabilité composite, une ligne pour chaque variable de réponse.
  • Cellules qui indiquent l'évolution de la désirabilité composite ou de la variable de réponse correspondante par rapport à l'une des variables, tandis que les autres variables restent fixes.
  • Nombres qui se trouvent en haut des colonnes indiquant les paramètres des variables actuels (en rouge), et les paramètres des variables supérieure et inférieure dans les données.
  • Liaison pour la prévision dans la partie supérieure gauche du graphique permettant de calculer la prévision des paramètres de variables actuels.
  • A gauche de chaque ligne de réponse se trouvent les éléments suivants : la réponse prévue (Y) avec les paramètres des variables actuels, ainsi que le score de désirabilité individuelle.
  • La désirabilité composite (D) est affichée sur la ligne supérieure et dans le coin supérieur gauche.
  • Etiquette située au-dessus de la désirabilité composite qui fait référence au paramètre en cours et se transforme si vous modifiez les paramètres des variables. Lorsque vous créez le graphique, l'étiquette indique Optimal. Si vous modifiez les paramètres, l'étiquette indique alors Nouveau. Si vous découvrez un nouveau paramètre optimal, l'étiquette indique alors Optimal.
  • Lignes rouges verticales sur le diagramme représentant les paramètres actuels.
  • Lignes bleues horizontales représentant les valeurs de réponse en cours.
  • Zones grises indiquant que la réponse correspondante a une désirabilité égale à zéro.
Le type de valeurs de réponse ajustées affichées par Minitab dépend du type de la variable de réponse de votre modèle. Minitab affiche les types de valeurs ajustées suivants :
  • Moyennes des variables de réponse contenant des mesures continues, telles que la longueur ou le poids.
  • Moyennes des variables de réponse contenant des dénombrements qui suivent la loi de Poisson, comme le nombre de défauts par échantillon.
  • Probabilités des variables de réponse contenant deux résultats possibles uniquement, comme réussite/échec.
  • Ecarts types des modèles qui sont ajustés à l'aide de la fonction Analyser la variabilité.

Le diagramme d'optimisation affiche les valeurs ajustées des paramètres de prédicteurs. Toutefois, vous devez examiner les intervalles de prévision dans les résultats de la fenêtre Session pour déterminer si l'étendue de valeurs probables pour une valeur future unique est comprise dans des limites acceptables pour le procédé.

Résultat principal : diagramme d'optimisation

Pour les données sur l'isolation, la désirabilité composite est de 0,775. La première colonne du graphique indique les valeurs de réponse à chaque niveau de Matériau, qui est une variable de catégorie. Les paramètres des variables actuels sont Matériau = Formule2, PressInj = 98,4848, TempInj = 100,0 et TempRefr = 45,0. L'objectif était de maximiser la valeur pour Isolation. Sa valeur prévue est de 25,6075 et sa désirabilité individuelle de 0,85386. La covariable, MesTemp, est incluse dans le modèle en tant que variable de bruit incontrôlable et elle est maintenue à 21,49. Les autres observations sont les suivantes :
  • Matériau : les deux points pour chaque cellule de cette colonne représentent les deux niveaux de la variable de catégorie, Formule1 et Formule2. Formule2 semble correspondre au meilleur matériau. L'adoption de la variable Formule1 diminuerait la valeur d'isolation et augmenterait la densité, deux éléments indésirables. Cependant, comme le type de matériau interagit avec d'autres facteurs, cette tendance risque de ne pas s'appliquer à d'autres paramètres. Déterminez si vous pouvez trouver une solution locale pour Formule1. Sinon, modifiez ses paramètres directement sur le graphique en déplaçant les barres verticales.
  • PressInj : l'augmentation de la pression d'injection augmente les trois réponses. Par conséquent, le paramètre optimal se trouve au milieu de l'étendue (98,4848), ce qui est un compromis entre les objectifs de conflit. L'objectif est de maximiser la valeur d'isolation, de minimiser la densité et de maximiser la puissance.
  • TempInj : l'augmentation de la température d'injection augmente également toutes les réponses. Cependant, l'effet sur la densité est minimal par rapport à l'effet sur la valeur d'isolation. Par conséquent, vous augmentez la désirabilité composite en maximisant la température d'injection. Les paramètres optimaux de température d'injection sont aux niveaux maximaux lors de l'expérimentation. Ce résultat suggère d'utiliser des températures plus élevées pour l'expérimentation.
  • TempRafr : l'augmentation de la température de rafraîchissement augmente la valeur de l'isolation, mais réduit la densité et la puissance. Les paramètres optimaux de la température d'injection et de celle de rafraîchissement sont à leur niveau maximum lors de l'expérimentation. Ce résultat suggère d'utiliser des températures plus élevées pour l'expérimentation. Les graphiques indiquent qu'il est intéressant d'envisager des températures de rafraîchissement plus élevées. S'il était possible d'extrapoler les graphiques, des températures de rafraîchissement plus élevées amélioreraient la valeur d'isolation et la densité. Toutefois, la puissance diminuerait.

Etape 2 : Identifier l'estimation ponctuelle et l'étendue possible de chaque réponse

Utilisez les valeurs ajustées pour identifier l'estimation ponctuelle de chaque variable de réponse fondée sur les paramètres affichés par le diagramme d'optimisation.

Le type de valeurs de réponse ajustées affichées par Minitab dépend du type de la variable de réponse de votre modèle. Minitab affiche les types de valeurs ajustées suivants :
  • Moyennes des variables de réponse contenant des mesures continues, telles que la longueur ou le poids.
  • Moyennes des variables de réponse contenant des dénombrements qui suivent la loi de Poisson, comme le nombre de défauts par échantillon.
  • Probabilités des variables de réponse contenant deux résultats possibles uniquement, comme réussite/échec.
  • Ecarts types des modèles qui sont ajustés à l'aide de la fonction Analyser la variabilité.
Utilisez les intervalles de prévision (IP) pour évaluer la précision des prévisions. Les intervalles de prévision vous aident à évaluer la signification pratique de vos résultats. Si un intervalle de prévision s'étend au-delà des limites acceptables, les prévisions peuvent ne pas être suffisamment précises pour vos exigences. Dans ce cas, envisagez les options suivantes :
  • Ajustez les paramètres de prédicteurs directement sur l'élément Diagramme des optimisations en déplaçant les barres verticales. Ensuite, cliquez sur le lien Prévoir de l'élément Diagramme des optimisations pour déterminer si la nouvelle solution est acceptable.
  • Réalisez une recherche supplémentaire et envisagez d'augmenter l'effectif de l'échantillon pour obtenir des prévisions plus précises.

L'intervalle de prévision (IP) est une étendue ayant de fortes chances de contenir une réponse future pour une combinaison de paramètres de variables spécifiée. Si vous collectez un autre point de données au niveau des mêmes paramètres de variables, le nouveau point de données est susceptible d'être compris dans l'intervalle de prévision. Plus les intervalles de prévision sont réduits, plus la prévision est précise.

Valeur Réponse ajustée ErT ajust IC à 95 % IP à 95 % Puissance 32,34 1,04 ( 29,45; 35,22) ( 27,25; 37,43) Densité 0,6826 0,0597 (0,5167; 0,8484) (0,3899; 0,9753) Isolation 25,608 0,268 (24,863; 26,352) (24,294; 26,921)
Résultats principaux : valeur ajustée, IP

Dans ces résultats, les paramètres de variables d'entrée sur le diagramme d'optimisation sont associés aux moyennes prévues et aux intervalles de prévision suivants :
  • La puissance moyenne est égale à 32,34 et l'étendue des valeurs possibles pour une seule valeur future est comprise entre 27,25 et 37,43.
  • La densité moyenne est égale à 0,6826 et l'étendue des valeurs possibles pour une seule valeur future est comprise entre 0,3899 et 0,9753.
  • L'isolation moyenne est égale à 25,608 et l'étendue des valeurs possibles pour une seule valeur future est comprise entre 24,294 et 26,921.

Utilisez vos connaissances relatives au procédé pour déterminer si les intervalles de prévision se situent dans les bornes acceptables.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique