DSD 및 희박 효과 원리이것은 DSD 및 효과 / 파레토 원칙의 희소성에 대한 의존성과 관련된 개념적 질문에 가깝습니다. 저는 의약품 제조를위한 바이오 프로세스의 특성화를위한 DoE를 만들려고합니다. 목표는 우리가 확인한 매개 변수에 대한 데이터를 수집하고, 모델을 생성하고, JMP에서 예측 프로파일 러를 사용하여 각 매개 변수에 대한 제한을 설정하여 10,000 회 실행에 "실패"가 없도록하는 것입니다. 우리의 매개 변수를 선택할 때, 우리는 우리의 과정에서 모든 매개 변수에 대한 위험 분석을합니다. 그래서 우리는 약 40 개의 매개 변수로 시작했습니다. 그런 다음 프로세스 출력에 영향을 미칠 수있는 위험을 기준으로 프로세스를 정렬하고 순위를 매겼습니다. 순위를 매긴 후 매개 변수의 ~ 80 %를 제거하여 테스트 할 약 10 개의 요소를 남겨 둡니다. 내가 궁금한 점은, DSD가 의존하고있는 것으로 보이는 효과 원리의 희소성을 여전히 가정하는 것이 적절한 지 여부이다. (우리가 올바르게 이해한다면) 우리는 이미 우리가 바닥이라고 생각했던 것을 제거했기 때문에이 상황에서 ~ 매개 변수의 80 %? 나머지 요인들 중 상당 부분이 중요하지 않아야합니까? 우리가 시작한 40 가지 매개 변수 중 상당수가 사소한 것이 었으며 우리는 단지 우리의 실망감을주기 위해 그들을 포함 시켰습니다.
내 후속 질문은 ~ 48 조건을 테스트 할 예산이 있다면 맞춤 디자인을 수행하고 N이 48 세 이하가 될 때까지 중요하지 않다고 생각되는 상호 작용 효과를 제거하는 것이 더 낫겠습니까? DSD는 10 개의 연속 요소에 대해 25 가지 조건 만 필요로합니다. 많은 특성화 경험이 없으므로 매개 변수 범위 중 하나라도 지정하면 프로세스 제한을 설정해야하는 위치를 자신있게 모델링하기에 충분한 데이터를 제공하지 않을까 걱정됩니다. 우리의 출력 사양을 벗어나는 결과를 이끌어 내기로 결정했습니다. 더 많은 실행이 필요한 경우 항상 DSD를 수행하고 보완 할 수 있음을 알았지 만, 48 회 실행되는 디자인으로 시작하는 것보다 더 효율적이지는 않습니다 (더 많은 블록이 필요하기 때문에).
당신의 도움을 주셔서 감사합니다!
제목 : Re : DSD 및 효과 원칙의 희박당신의 오프닝 발언의 첫 번째 단락에서 그것은 당신에게 우려되는 것처럼 들리지만, 10 가지 요소에 관해서는 대다수가 활동적 일 것이라고 염려합니다. 귀하의 프로세스 및 도메인 전문 기술로 무엇을 말합니까? 데이터 시각화, 탐색 데이터 분석 및 간단한 고급 모델링 기법을 사용하여 지식을 알리는 데 도움이되는 기존 프로세스 데이터를 보유하고 있습니까? ZERO 도메인 / 프로세스 지식이 있다면 ZLDO 지식을 구축하기위한 첫 번째 실험으로 DSD 경로를 찾아야한다고 생각합니다. 거기에서 나머지 리소스로 두 번째 실험을 사용하여 문제의 최적화 부분을 작업하십시오. 실제로 작업 한 신제품 / 프로세스 개발 팀은 순차적 인 DOE 프로세스가 실용적인 문제를 해결하는 데 가장 효율적이라는 것을 발견했습니다. DSD는 가장 중요한 스크린 디자인입니다.
제목 : Re : DSD 및 효과 원칙의 희박먼저 답장을 보내 주셔서 감사합니다. 불행히도 이러한 매개 변수가 pH, 세포 성장 등과 같이 지속적으로 측정되는 공정 결과에 영향을 줄 것이라는 좋은 느낌이 들지만 약물 제품에 미치는 영향은 확실하지 않습니다. 이는 위험 평가에서 더 높은 점수를 얻은 이유 임). 이는 일반적으로 우리가 조사해야 할 부분입니다. 이 특정 프로세스에 대한 데이터가 없습니다. 따라서 답장을 토대로이 시나리오에서 DSD로 시작한 다음 더 많은 실행으로 중요한 효과를 채우는 것이 좋습니다. 좀 더 구체적으로 말하자면 DSD를 실행 한 다음 적합 모델 도구를 하나씩 사용하여 통계적으로 유의하지 않은 효과 (~ p = 0.05 주변의 컷오프 또는 주변의 명확한 컷오프)를 제거합니다. 그런 다음 남은 효과를 가져 와서 사용자 지정 디자이너에게 맡기고 나머지 디자인은 가능한 최상의 디자인을 얻도록 예산을 책정했습니다. 그 소리가 당신이하는 것과 비슷합니까? 당신의 도움을 주셔서 감사합니다!
제목 : Re : DSD 및 효과 원칙의 희박선별의 아이디어는 " 중요한 소수의 사소한 많은 . "
DSD에서 최소 실행 횟수 이상으로 실행을 추가하는 것을 고려할 것입니다. JMP는 기본적으로 4 개의 추가 실행으로 기본 설정됩니다. 1 또는 2 개 이상의 실행을 추가하는 것을 고려할 수 있습니다. 이렇게 작게 증가하면 설계 능력이 크게 향상됩니다.
아니, 하지 마라 DSD 또는 기타 초기 실험에 대한 지식을 얻은 다음 맞춤 디자인으로 실험을 시작하십시오. 사용 디자인 향상 플랫폼. 이 플랫폼은 맞춤형 디자인 알고리즘을 사용하지만 기존 런을 사용합니다. 따라서 디자인의 성능과 예측 성능을 점진적으로 향상시킬 수 있습니다. 이 방법은 다음과 같이 알려져 있습니다. 순차적 실험 , 이는 거의 50 년 동안 옹호되어왔다.
(DSD는 별칭 최적 맞춤 디자인의 특별한 경우입니다.)
제목 : Re : DSD 및 효과 원칙의 희박Fit Least Squares 대신 Fit Definitive Screening 플랫폼 또는 일반 회귀 분석 (JMP Pro)을 사용하는 것이 좋습니다.
제목 : Re : DSD 및 효과 원칙의 희박안녕하세요 @markbailey , 당신의 도움을 주셔서 감사합니다. 나는 오그 메이션 디자인 도구로 조금 전에 연주 해왔다. 나는 오그먼트 디자인을 사용할 때 중요한 몇 가지를 사소한 것에서 얼마나 차별화 할 것인가에 대해 좀더 명확한 설명을 원한다. 처음으로 "Augment Design"을 누르면 화면에 응답 및 요인 매개 변수를 선택하라는 메시지가 나타납니다. 10 개의 변수 중 4 개만 초기 DSD 실험에서 중요한 것으로 나타났습니다. 이 화면에서 4 가지 요소 만 선택해야합니까? 또는 10을 모두 선택해야하고 다음 모델에서 모델 용어를 묻는 질문에 유의하지 않은 용어를 제거하고 상호 작용 효과 및 다항 용어를 포함해야합니다. 또는 이것들은 똑같은 일을합니까?
고맙습니다
제목 : Re : DSD 및 효과 원칙의 희박당신은 당신이 결정한 요인들만을 앞으로 나아갑니다. 그 결정은 모든 원래 요인에 대해 명확하지 않을 수 있습니다.
예, 현재 지식이나 질문을 바탕으로 모델 용어를 수정하여 모델 용어를 업데이트해야합니다.
나는 추천한다. 도움 > 서적 > 실험 설계 . 심사, DSD 및 디자인 보강에 대한 장이 있습니다.
제목 : Re : DSD 및 효과 원칙의 희박감사 @markbailey . 다른 주제에 대해 한 가지 더 빠른 질문입니다. 제가 온도, pH, 생산 기간의 3 가지 요인을 가지고 있다고 가정 해 봅시다. 나는 생산 된 의약품에 미치는 영향을보고 싶다. 단지 2 가지 요인 (온도와 pH)으로 실험을 설계하고 생산 시간을 나타 내기 위해 다른 시간대 샘플을 취하는 것에 대한 부정적인 점은 무엇입니까? 각 요소에 대해 3 가지 수준이 있다고 가정 해 봅니다 (전체 요인을 가정합니다). 그래서 3 x 3은 9 점입니다. 그 9 개의 달리기를 위해 당신은 3 시간 점을 각각 가지고 간다. 글쎄, JMP 소프트웨어에이 플러그인을 연결하면 사실상 27 번 실행 된 것처럼 보이게됩니다. 실제로 다른 시간대는 다른 시점에 똑같은 조건이었을 것입니다. 당신은 어떻게 든이 일을하는 다른 2 가지 요인 (온도와 pH)에 대한 결과에 편향을하고 있습니까? 또는 이것이 실험을보다 효율적으로 수행하는 것으로 받아 들여지고 인정되는 것입니까?
제목 : Re : DSD 및 효과 원칙의 희박그것은 모두 당신이 생산 길이를 보는 방법에 달려 있습니다. 결과에 영향을 미치는 요소 (입력)입니까? 아니면 반복되는 측정 설계입니까? 디자인 공간에서 창을 최적화하거나 결정할 때 레벨을 선택 하시겠습니까? 그것은 하나의 요소입니다.
시간 코스에 관심이 있습니까? 그렇다면 JMP Pro Functional Data Explorer를 사용할 수 있습니다. 세 가지 포인트는별로 기능이 아닙니다. 또는 Y (시간)에 다른 모델을 사용할 수 있으며 JMP가있는 경우 응답에 모델 매개 변수를 사용할 수 있습니다. 어느 쪽이든, 그것은 응답의 일부입니다.
바이어스는 모델이 아닌 디자인입니다. (물론 디자인은 문제의 모델을 지원해야합니다.)
효율성은 모델 일이며, 경제는 설계적인 것입니다.
제목 : Re : DSD 및 효과 원칙의 희박 @markbailey 그것은 확실히 하나의 요소입니다. 예, 프로세스 제한을 정의하려고합니다 (창 결정). 따라서이 경우 설계에 자체 요소가 필요하며 설계에 포함시키지 않고 시간 경과 샘플을 가져 오는 것이 적절하지 않다고 말하고있는 것입니다. 그러나 그것이 왜 저인지는 분명하지 않습니다. 시간 경과 샘플을 가져 와서 문제를 해결 한 후 실험을 마치 자체 요소 인 것처럼 데이터를 다시 추가하는 것은 무엇입니까? 3 가지 요소를 사용한 예에서 3x3 디자인을 두 번 더 복사하고 붙여 넣은 다음 3x3 조건의 각 세트에 대해 t1, t2 및 t3이있는 새 시간 열을 추가하는 것처럼 보입니다. 그런 다음 결과가있는 응답 열을 채우십시오. 여기서 t1이있는 행은 첫 번째 시간 지점의 결과를 가지며 t2가있는 행은 다음 시간 점 등의 결과를가집니다. 모델에 맞을 때 주어진 요소에 대한 데이터 요소 사이에 독립성이 있다고 가정하기 때문입니까? 따라서 시간 측정을 할 때 t3 샘플은 t2와 독립적이지 않습니다.
제목 : Re : DSD 및 효과 원칙의 희박동일한 프로세스 단계에서 실험하기로 선택한 10 가지 요소가 있습니까? 일반적으로 생물 파 공정은 다단계 (세포 용해, 정화 / TFF, 리 폴드, 크로마토 그래피 정제, 완충액 교환 등)입니다. 10 가지 요소가 여러 단계에 걸쳐 분산되어 있다면 DSD의 장점 중 하나는 이러한 프로젝트가 3 가지 요소에 대한 응답으로 설계되고 4 가지 요소가 있어도 좋은 예측 모델을 구축 할 수 있다는 것입니다. 또한이 프로세스에서 한 단계의 요인은 다른 단계의 요인과 직접 상호 작용하지 않습니다. 1 단계의 결과 (다른 단계의 요소에 따라 다를 수 있음)는 다른 단계에 대한 입력이므로 "간접적으로"상호 작용할 수 있습니다. 이 "간접적 인"상호 작용은 종종 어떤 공정 요인 효과보다 작습니다.
1 단계에는 3 가지 요인이 있고 2 단계에는 3 가지 요인이 있고 3 단계에는 4 가지 요인이 있다고 가정 해 보겠습니다. 그런 다음 전체 프로세스 (1 ~ 3 단계)에서 DSD를 실행하고 각 단계에서 제품 품질을 특성화하고 측정하며 다양한 모델을 구축 할 수 있습니다.
A. 1 단계 후에 제품 품질을 예측하는 모델
B. 단계 2 이후에 제품 품질을 예측하는 모델. 이 모델에서 1 단계의 결과 품질 측정을 공 변수로 사용할 수 있습니다.
C. 단계 3 이후에 제품 품질을 예측하는 모델. 이 모델에서 공변량으로 1 단계 또는 2 단계의 결과 품질 측정을 사용할 수 있습니다.
이러한 유형의 작업을 할 때 차단을 고려하는 것을 잊지 마십시오. 종종 블록은 실험에서 나오는 물질을 측정하는 데 사용되는 분석 실행과 관련이 있으며, 분석에서 오는 잠재적 인 편향이나 혼란을 설명하기 위해 "분석 실행"에 대한 실험을 차단할 수 있습니다.
DSD가 프로세스에 대해 원하는 모든 정보를 제공하지 못하거나 실험을위한 최상의 범위를 선택하지 않았다는 것을 발견 할 수 있으므로 실험에 대한 예산은 확실히 책정됩니다. ...
제목 : Re : DSD 및 효과 원칙의 희박제발 입에 말을 넣지 마십시오. 나는 응답의 일부로 시간을 치료한다는 생각이 "부적절하다"고 말하지 않았다. 그것은 단순히 내가하는 일이 아닙니다. '무엇'이 없기 때문에 '왜'가 없습니다.
당신은 조합의 관점에서 생각합니다. 나는 네가 디자인 중심의 . 나는 추정의 관점에서 생각한다. 내가 말하는거야. 모델 지향적 인 . 두 방향은 모두 작동하며 한 방향은 스스로를 설명하거나 다른 방향으로 자신을 정당화 할 필요가 없습니다. (저는 두 방향에서 실험에 접근하는 그룹에서 일합니다.) 실험 디자인, 실험 실행 및 데이터 분석 (모델)이 일관성이있는 한 작동하지 않을 제안 된 것은 아무것도 없습니다 . 모델부터 시작합니다. 당신은 디자인으로 시작합니다.
독립 문제는 현실입니다. 반복 측정 실험을 실행하겠다고 제안했지만 완전 무작위 계승 디자인으로 분석합니다. 통계 모델에는 데이터가 생성되는 방식과 응답에 대해 알고 자하는 것을 반영해야하는 고정 효과와 무작위 효과의 조합이 있습니다. 세 번째 요소를 관찰 할 두 가지 고정 요소를 사용하여 일련의 전체 플롯을 작성합니다. 각 플롯의 3 가지 관측치가이 방식으로 상관됩니다.
제목 : Re : DSD 및 효과 원칙의 희박고맙습니다 @MathStatChem . 불행히도 그것은 동일한 단계의 과정 (세포 배양을 통한 생산)에 대한 10 가지 요인이 아닙니다. 나는 확실히 모든 것이 중요하다고 믿지는 않지만, 4-6과 같을 수있다. (mayb는 더 적지 만). 우리는이 과정에서 많은 양의 데이터가 없기 때문에 확실하지 않습니다.
제목 : Re : DSD 및 효과 원칙의 희박 @markbailey 당신의 도움을 주셔서 감사합니다. 나는 입에 말을 넣으 려하지 않고, 당신이 말하는 것을 분명히하려고 노력했습니다. 나는 지금 나는 이해한다고 생각한다.
제목 : Re : DSD 및 효과 원칙의 희박조심해.
고려해야 할 하나 이상의 처리 단계에서 요인 간 잠재적 상호 작용 이상입니다. 초기 단계는 이후 단계의 요소가 포함 된 실행의 무작위 화에 대한 제한을 나타낼 수 있습니다. 그렇다면 DSD가 적합하지 않습니다. 적절히 정의 된 변경이 쉽고 변경하기 어려운 요소가있는 사용자 정의 설계가보다 현실적이고 효과적 일 수 있습니다.
여러 수준의 무작위 배정을 부적절하게 고려하고 모델의 추가 임의 효과를 무시하면 분석의 추론 정보가 손상 될 수 있습니다.
귀하의 제안을 오해 한 경우 사과드립니다.
제목 : Re : DSD 및 효과 원칙의 희박그건 좋은 지적이야. 계단을 통해 모든 재료를 운반하지 않으려한다면, 그 수만큼의 요소에 대해 각 단계를 개별적으로 특성화하는 것이 더 나을 것입니다.
나는 두 가지 방법으로 모두 다 해냈다.
제목 : Re : DSD 및 효과 원칙의 희박나는 당신이 이미 중요하고 상호 작용이 무엇인지에 대해 좋은 생각을 가지고 있다고 생각합니다.
아직 대화하지 않았다면 "상호 작용"지도를 작성하는 것이 좋습니다. 각 요인 쌍을 살펴보고 상호 작용할 것으로 생각하는지 평가하십시오. 디자인 범위의 중간에 최대 또는 최소 출력 결과가 있는지 고려할 수도 있습니다. 그것이 사실이라면 적어도 하나의 이차 효과가있을 것입니다. 그런 다음 주요 효과 (이 경우 10 개)와 잠재적으로 중요한 상호 작용 및 2 차 효과의 수를 세고 실험에서 실행 횟수보다 적은 수를 확인하십시오. 또한 두 요인 상호 작용이 서로간에 상호 연관성이 있는지 확인할 수 있습니다. 그렇다면 DOE 항목에 요인 할당을 몇 번 셔플 할 수 있습니다. 이 경우 (+ 10 개의 연속 요소) +4 개의 추가 런을 추가하는 또 다른 이점은 2 요소 상호 작용과 4 차 효과 사이에 덜 혼동스러운 디자인을 생성한다는 것입니다.
제목 : Re : DSD 및 효과 원칙의 희박나는 모든 것을 읽은 후에 여기에 응답하고있다. @markbailey 과 @MathStatChem 의 입력. 나는 그들이 조언하거나 토론하는 모든 것에 동의한다. 내 추천은 '천천히'였습니다. '첫 번째 실험'부터 시작해보십시오. 실험 디자인의 관점 에서뿐만 아니라 자연스럽게 DSD를 제안한다면 우리는 모두 DSD를 제안한다고 생각합니다. 내가 DSD와 그 결과 (통계적, 실용적인) 후에 제안한 것은 ... 멈춤. 팀원과 함께 숨을 깊이 쉬십시오. 다음 질문을하십시오.
1. 우리는 실제 문제를 해결하기 위해 무엇을 배웠는가?
2. 우리가 배운 것을 감안할 때 문제를 해결하기위한 다음 논리적 인 단계는 무엇입니까?
1에 대한 답변. 모순이 될 수도 있고, 모호 할 수도 있습니다. (그렇지만 심지어 실험에서 '아무 것도 알려지지 않았 음'을 알았을 때 우리가 작업 한 세이 지 엔지니어 중 한 명입니다.) '아님'이 아는 것은 아는 것만 큼 가치가 있습니다. "이 시점에서 특정 DOE 방법 (최적의 디자인, 고전적인 RSM, 더 많은 선별 검사)을 선택하는 데 너무 얽매이지 않도록 노력하십시오. 대신이 문제를 최적의 차세대 분석 단계에 대한 '새로운'지식으로 얻으십시오. 저는 이것이 이것이 Mark의 의견의 본질이라고 생각합니다. 교육청 또는 기타 예를 들어, 여기에서 가장 중요한 것으로 보이는 '마약 효과'에 대한 측정 시스템이 매우 시끄 럽기 때문에 소음 위의 신호를 감지하기가 어렵다는 것을 알게되면 어떻게됩니까? 후속 DOE 작업은 여전히 문제가 될 수 있습니다. 아마도 측정 시스템에 우선적으로 자원을 쓰는 것이 더 좋을까요? 또는 당신이 선택한 몇 가지 요소와 수준이 지나치게 까다 롭다면 어떨까요? '퍼스널 킷티 (Persnickety)'는 실험의 요인들이 알려 지거나 알려지지 않은 다양한 원인을 통제, 설정 또는 보유하기가 어려울 때 사용하는 기술 용어입니다. 내 생명 공학 JMP 프로세스 / 제품 디자인 고객과 함께 일하면서 ... '세포'와 함께 일할 때 ... 잘 'persnickety'는 예의였습니다.
제목 : Re : DSD 및 효과 원칙의 희박고맙습니다. 나는 앞으로의 길에 대해 좋은 생각을 가지고 있다고 생각하며 DSD를 첫 번째로 사용할 계획이다.
