CONFERENCE

Design of Experiments: New Challenges
Plans d’expériences : nouveaux défis
30 April – 4 May 2018

Organizing Committee
Comité d’organisation

Holger Dette (Ruhr-Universität Bochum)
France Mentré (INSERM et Université Paris Diderot)
Hervé Monod (INRA Jouy-en-Josas)
Clémentine Prieur (Université Grenoble Alpes)
Luc Pronzato (CNRS, Université Côte d’Azur)

Scientific Committee
Comité scientifique

Mingyao Ai (Peking University)
Rosemary Bailey (University of St Andrews)
Barbara Bogacka (Queen Mary University)
Rodoslav Harman (Comenius University)
Sergei Leonov (ICON plc, Philadelphia)

Design of Experiments (DoE) constitutes an essential statistical methodology in all circumstances where one has to organise experimentation in order to gain information about an object or phenomenon of interest. Applications are thus very diverse, if not universal, as they may concern situations where experiments are performed to develop a new theory, construct more accurate predictive models, improve the quality of processes and services, etc. For example, experiments are continually carried out to investigate and improve manufacturing processes, understand climate changes, provide better utilisation of large-scale primary care services, evaluate environmental damages, develop more effective drugs for patients, etc. More recent fields of application include education testing, cryptology, material sciences or fMRI analysis of brain data. In several domains, the rapidly rising costs in experimentation forces researchers to use more efficient designs that save costs without sacrificing the quality of ensuing statistical inferences. In toxicology, for example, in addition to saving labour, time and material cost, researchers are increasingly under pressure to use the fewest possible animals in laboratory research. At the same time, there is a growing tendency in many industrial sectors to replace real physical experiments by simulations based on sophisticated mathematical models. Such simulated experimentations, which often require heavy and lengthy calculations (with frequent use of HPC) but prove less onerous than their physical counterparts, have motivated the emergence of a new area in DoE: the design of computer experiments. (more)

La planication d’expériences (Design of Experiments, DoE), forme une méthodologie statistique essentielle dans chaque situation où l’on doit organiser une expérimentation en vue de la collecte d’information sur un objet ou phénomène d’intérêt. Les applications sont donc très diverses, pour ne pas dire universelles, et peuvent concerner la mise en oeuvre d’expériences pour le développement ou la validation d’une nouvelle théorie, la construction de modèles de prédiction plus précis, l’amélioration de la qualité de produits ou services, etc. Par exemple, des expériences sont régulièrement réalisées an d’améliorer des procédés de fabrication, de mieux comprendre le phénomène de changement climatique, de fournir un meilleur accès aux services de santé d’urgence, d’évaluer l’impact de dommages environnementaux, de développer des médicaments plus efficaces. . . Des applications récentes concernent l’évaluation automatique d’un niveau de connaissance, la cryptologie, la science des matériaux, l’analyse de données d’IRM fonctionnelle. Dans plusieurs domaines, l’inflation rapide des coûts d’expérimentation pousse les chercheurs à utiliser des plans d’expériences (designs) économiquement intéressants et ne dégradant pas la qualité de l’inférence statistique post-expérimentation. En toxicologie par exemple, en sus d’impératifs d’économie en temps et matériel, les chercheurs sont soumis à une pression croissante an d’utiliser de moins en moins d’animaux de laboratoire. Dans un même temps, on observe dans de nombreux secteurs industriels une tendance croissante à remplacer les expériences physiques par des simulations de modèles mathématiques complexes. La mise en oeuvre de telles expériences de simulation, qui nécessitent souvent de lourds calculs numériques (et le recours fréquent au calcul haute performance, HPC) mais sont moins onéreuses que leurs contreparties physiques, a motivé l’émergence d’un nouveau champ d’investigation : la planication d’expériences numériques (design of computer experiments ). (plus)