Un modèle prédit UNE réponse. La réalité industrielle en demande plusieurs à la fois : maximiser la résistance eminimiser le temps de cycle e tenir une côte en cible. C’est l’objet de cette page.
À gauche, la liste des modèles du projet : on coche ceux à optimiser ensemble. À droite, pour chacun :
- son type d’optimisation : Maximiser, minimiser o obiettivo, avec sa valeur cible dans ce dernier cas ;
- ses paramètres de désirabilité : les bornes qui traduisent la réponse en satisfaction de 0 à 1 : Pire e Obiettivo pour un objectif simple, Pire mini / Cible mini / Cible maxi / Pire maxi pour un objectif encadré ;
- son Poids, qui dit son importance relative ;
- et la lecture du point courant : Prédiction, Mesuré, Erreur %, Désirabilité.
Les curseurs de facteurs déplacent le point de travail, et toutes les réponses se recalculent. Le bouton de calcul cherche l’optimum global : le point qui maximise la désirabilité d’ensemble.
Trois graphiques, au choix :
- tous les modèles,
- la désirabilité,
- ou un modèle en particulier.
💡 La désirabilité est le produit des désirabilités individuelles. Cette forme multiplicative n’est pas un détail de calcul : elle signifie qu’une réponse à 0 annule tout. Un réglage excellent sur quatre critères et inacceptable sur le cinquième est rejeté, ce qui est exactement le comportement voulu, et ce qu’une moyenne pondérée ne fait pas.
⚠️ L’optimum trouvé n’est valide que dans le domaine des données. Le modèle prolonge volontiers ses prédictions au-delà, sans le signaler. Un optimum qui se place sur une borne du domaine est un signal : le vrai optimum est probablement dehors, et il faut de nouveaux essais pour l’atteindre et non pas une extrapolation.