製剤の最適化、カスタム設計、適切な高レベルの選択方法こんにちは素敵な jmp コミュニティです。
すっごい…。 jmp でカスタム デザインを使用して、製剤の最適化のために 10 個の連続因子 (賦形剤) を選別することを計画しています。 重要な線形効果、二次効果、および/または相互作用効果が特定された後の今後の計画は、RSM に進むことです。 歴史的に、私の会社では単変量最適化が使用されており、そのため、かなり高いレベル (賦形剤の濃度) で要因を調査する能力がありました。 高レベルの要因が組み合わさってどのように機能するかはわかりませんが、最終的には、アクティブなソリューションが「クラッシュ」して、応答分析が達成できなくなり、設計にフィードバックされる状況が発生する可能性があります. だから今、私は自分が
- 因子水準がおよそさらなる最適化のためにX1、X2、X1X2を特定し、RSM段階で因子をより高いレベルに上げることができることを期待して、彼らが通常一変量で調査するものの半分の濃度または
- 最初からより高いレベルを使用すると、これらの高レベルの組み合わせで応答データが失われる可能性があります。読み取り結果が得られない場合は、その段階でより高いレベルを下げて再スクリーニングしてみてください。
これまでに生成した設計には合計 74 回の実行 (うち 6 回は中心点) があり、一度に最大 96 回まで実行できます。 前述したように、私は jmp の初心者で静かなので、アドバイスや読み物があれば、それを手伝ってくれる資料をいただければ幸いです。
Re: 調合の最適化、カスタム設計、適切な高レベルの選択方法あなたは、調合実験について、もう少し詳しく調べると興味深いかもしれないいくつかの詳細について言及しました。
混合物についても考えているのだろうかと思っていましたか？
添加実験の順序を考えていますか？
混合設計は、API がクラッシュする応答の領域を定義するのに役立つ場合があります。
Re: 調合の最適化、カスタム設計、適切な高レベルの選択方法バイロンさん、こんにちは。
返信ありがとうございます。実際に DSD を考えていましたが、代わりに 1 つのプレートで担当者を実行できるとは考えていませんでした。 私はそれにバッシュを与えます、そして洞察をありがとうございました:)
Re: 調合の最適化、カスタム設計、適切な高レベルの選択方法最初のスクリーニング実験に対して、少し異なるアプローチを提案したいと思います。 JMP には、時間と労力を節約できる決定的スクリーニング計画 (DSD) があります。 10 個の因子がすべて連続している場合、DSD 計画は 74 回ではなく 25 回実行されます。 8 回のランと中心点のある 2 つのブロックを追加しても、30 回のランしかかかりません。 (ピペッティングを行うロボットがあれば、1 つのプレートで 3 回の複製を行うことができます。 分析ステップで一緒に平均化された複製は、プレートに対する生物製剤の位置効果による変動を減らすのに適しています)
この最初の実験から、10 個の要因の相対的な重要性についてのアイデアを得ることができるはずです。これにより、次の RSM 設計でサブセットとより良い範囲を使用できるようになります。
範囲.. デザインの審査では、「大きくなるか、家に帰るか」が私のモットーです。 最初のスクリーニング設計では、ある程度、最初の RSM 設計では、(データを使用して) 実証済みの許容範囲を特定できるように、失敗の境界を特定したいと考えています。 それが得られたら、別の RSM が、おそらくさらに少ない要因 (品質にとって重要なもの) で、理想的には、最適な動作条件を見つけるために設計空間の中央に焦点を当てた I-optimal 設計が役に立たなくなる可能性があります。
ちょうど私の $.02
-B
