Big DoE<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola,
Un cliente desea crear un experimento muy grande con tecnología de alto rendimiento y placas de 96 pocillos.
Tienen 20 factores continuos y una categoria de 3 niveles. Les gustaría probar el modelo RSM. Les gustaría bloquear más de 3 placas, por lo que 288 carreras en total.
El diseño personalizado puede crear el diseño con un par de minutos de tiempo de procesamiento.
Idealmente, al cliente también le gustaría incluir restricciones tales que para uno de los niveles del factor categórico, algunos de los factores continuos solo pueden estar en su nivel bajo. Diseño personalizado no le gusta esto. Incluso cuando se eliminan las interacciones entre los factores categóricos y estos continuos.
Necesito preguntar al cliente qué tan importantes son estas restricciones.
¿Alguna idea?
Si nada más, sería útil dar al cliente una impresión de la magnitud del desafío que están presentando al diseño personalizado para que no se sorprendan cuando JMP tiene problemas.
Gracias,
Phil
Re: Big DoEHola Chris,
Correcto. Las restricciones son importantes. Por lo tanto, diseño personalizado.
Minimizar el número de carreras no es importante. Pueden permitirse un gran número de carreras.
Gracias,
Phil
Re: Big DoE¡Eso es un alivio! Gracias jeff TBH, no creo que pudiera recordar el resultado de la pista de soporte técnico.
Sin embargo, sí recuerdo que el cliente también habló con Brad y Ryan en 2 cumbres de Discovery. Por lo que recuerdo, se reconoció que el diseño personalizado tiene dificultades para encontrar una solución. Una vez más, creo que puede haber sugerido algunas soluciones alternativas, pero creo que todavía era un desafío abierto.
Phil
Re: Big DoEPhil no tiene que recordar. El sistema de seguimiento, y su herramienta de búsqueda, TESSA , nunca olvides.
Aquí está su pista, # 7611649845: El diseño personalizado con restricciones no converge para un modelo RSM .
Re: Big DoE3 años más tarde y más familiar con los DSD, ¿tendría sentido un DSD en este caso para determinar qué factores están activos y desde ahora en 14 puedes hacer el bloqueo? Supongo que las restricciones son la razón principal para hacer un diseño personalizado, ¿correcto?
Re: Big DoEHola Phil, parece que hace una década;) ¿aún recuerdas lo que te dijo el apoyo al final de 2015?Re: Big DoEGracias, Mark.
Sí, he visto un artículo de Discovery realmente interesante que describe ese enfoque.
Pero en este caso es posible la asignación al azar completa. Es un sistema de TECAN.
Recibí una respuesta útil del soporte técnico que puedo compartir una vez que regrese a la oficina.
Gracias,
Phil
Enviado desde mi iPhone
Re: Big DoEAdemás del bloqueo, podría considerar un diseño de parcela dividida. Creo que las filas y columnas en una placa llevan a la correlación de estimaciones porque las ejecuciones no son completamente aleatorias. Si el HTT, de hecho, permite una aleatorización esencialmente completa sin importar la columna, fila o placa, ¡entonces ignore mi preocupación!
Re: Big DoEHola martin,
Sí, estoy completamente de acuerdo. Y, de hecho, ese es el enfoque que habrían tomado antes de tener la tecnología HTS.
Al hablarles ayer, parece que su actitud es: ¿por qué comprometerse? Podemos realizar fácilmente cientos de ejecuciones, por lo que deberíamos optar por el diseño RSM desde el principio. Así que quieren crear un experimento que cumpla con este objetivo. Y su expectativa es que el Diseño personalizado les permita hacer esto.
Estaban contentos con mi solución, que consistía en utilizar fórmulas de columna para reducir los niveles de factor a bajo cuando el tampón = fosfato. Pero todavía preferirían no tener que usar una solución alternativa. Las restricciones como esta en estas configuraciones son aparentemente comunes.
Después de jugar un poco más, descubrí que incluir restricciones y bloquear no funciona. El diseño personalizado parece incapaz de manejar ambos al mismo tiempo. Así que podemos bloquearlo más tarde. Mi sensación es que para una cantidad tan grande de ejecuciones y una pequeña cantidad de bloques, la asignación aleatoria al bloque estará bien. Pero podría ver el bloqueo en Diseño personalizado con los otros factores como covariables si es necesario.
Agregué una de las restricciones y logré crear un diseño. Aumenté el número de arranques aleatorios y el tiempo de búsqueda de diseño. No estoy seguro de cuál tuvo el efecto deseado (¡factores confusos!). ¡Quizás necesito crear un DoE para comprender los factores que afectan mi capacidad para crear este DoE!
Re: Big DoEHola fili
Estoy lejos de ser un experto, pero solo un pensamiento que vino a mi mente:
¿Realmente creen que todos los 20 + 1 factores estarán activos? ¿No tendría sentido crear primero un modelo de efectos principales más pequeño para identificar los efectos más potenciales y luego hacer un modelo RSM? Entonces, ¿Aumentar el primer diseño con un segundo?
Como dije, sólo un pensamiento.
Martín.
Re: Big DoESí, puedo imaginar que la adaptación del modelo podría complicarse con todos los más de 200 efectos de interacción que hay. Es un buen punto, ya que no pensé en preguntar cómo esperaban analizar los resultados. Posiblemente solo elijan la mejor. Sin embargo, son grandes en QbD por lo que entender el sistema es importante.
Gracias,
Phil
Re: Big DoEPhil: Cuanto más pienso en esto, parece recordar en algún lugar de los recovecos de mi memoria que a medida que agrega efectos en la ventana Especificación del modelo para la plataforma de regresión generalizada, ¿la velocidad de respuesta se reduce considerablemente? O tal vez solo estoy recordando mal? Con tantos efectos que está buscando, la cantidad de modelos y las penalizaciones asociadas, etc. ¿hace que la computadora funcione realmente muy duro y la frena? Tal vez no esté recordando esto correctamente, pero podría ser un problema para mi segundo pensamiento anterior. Tal vez Brady Brady o alguien más podría comentar?
Re: Big DoEMi error. 40 para efectos principales y cuadráticas, 190 para 2 fi's continuas + 20 más para categóricos 2 fi's para 250 en total. Estimable, pero tendría curiosidad por el poder.
Enviado desde mi iPhone
Re: Big DoEHola Pedro,
Eso podría funcionar. Creo que esperaban que pudieran cubrir todo en un gran experimento.
El experimento es un problema de formulación. La categoría de 3 niveles representa 3 tipos diferentes de búfer. Saben que uno de estos tampones no funcionará con ciertas sales. Los tampones de fosfato se unen a las sales divalentes y forman sales insolubles, lo cual es algo malo, ¡supongo!
Así que quieren excluir las combinaciones donde el fosfato está presente y estas sales están presentes. Hay 4 factores que representan la concentración de las 4 sales divalentes que podrían estar presentes. Necesitarían que estos factores estuvieran en su nivel más bajo (concentración insignificante) siempre que el tampón = fosfato.
Así que estoy de acuerdo en que podría tener más sentido crear un experimento separado para este búfer.
O simplemente cree el diseño grande sin las restricciones y luego establezca manualmente las concentraciones de sal divalente a bajo cuando buffer = phosphate. ¡No es una solución elegante!
Re: Big DoEMi recuerdo es que pueden llenar el pozo de forma independiente. Aunque lo comprobaré.
Re: Big DoEHola don
Creo que es [k (k-1)] / 2 para calcular el número de 2FIs. Así que para los 20 factores continuos = (20 * 19) / 2 = 160. Luego hay 20 más 2FI con el categórico de 3 niveles (cada uno requiere 2 parámetros más para estimar, creo). Más los efectos principales y cuadráticos.
Creo que todo es estimable en 288 carreras. Y JMP parece estar de acuerdo. ¡Aunque es un gran número de parámetros!
Gracias,
Phil
Re: Big DoEPhil: Un par de pensamientos:
1. Ya que parece que algunos efectos son inestimables debido a las limitaciones, ¿el cliente va a dividir el experimento único en experimentos quizás más pequeños donde todos los efectos son estimables dentro del contexto de ese experimento? ¿Se puede hacer esto con la naturaleza de las restricciones para los factores categóricos y continuos? Solo un pensamiento.
2. Si pudiera hacer lo que sugiero anteriormente, ¿es posible volver a combinar todos los experimentos en un gran experimento y luego permitir que algo como la plataforma de Regresión Generalizada ayude a encontrar efectos activos? En esencia, el gran experimento único se convierte en algo similar a los resultados empíricos de la casualidad que se han recopilado y su enfoque ahora es simplemente encontrar un modelo útil o informativo.
Re: Big DoE20 factores continuos y 3 niveles categóricos hacen 380 2 fi. 40 carreras más para los efectos principales y cuadráticos. ¿Cómo va a encajar eso en 3 platos? Además, los pozos generalmente no son independientes, aunque pueden estar usando una tecnología que los llena por separado.
Enviado desde mi iPhone
