Analyse von Bedingungen, die nicht völlig unabhängig sindHallo,
Ich versuche, einen biologischen Herstellungsprozess gegen Ende unseres Prozesses (während der Ernte) zu charakterisieren. Ich betrachte 3 kontinuierliche Faktoren: Zellenzeit in Medien 1, Zellenzeit in Medien 2 und Zellenzeit in Medien 3. Diese Faktoren treten während des Prozesses in chronologischer Reihenfolge auf. Ich interessiere mich für MEs und die Interaktionseffekte zwischen diesen 3 Faktoren. Der schwierige Teil ist, dass die Zellenzeit in Medien 1 und 2 schwer zu ändern ist, da wir mehr Volumen benötigen. Nach diesen beiden Schritten können wir uns für Media 3 in mehrere kleinere Bedingungen aufteilen. Nehmen wir jedoch an, wir haben 3 Bedingungen, dann befinden sich die Zellen für die ersten beiden Schritte (Medien 1 und 2) tatsächlich zusammen in derselben Röhre, und wir schaffen nur 3 Bedingungen für den dritten Faktor (wir teilen uns jetzt in 3 Fläschchen auf ). Ich bin mir nicht sicher, wie ich dies bei der Analyse berücksichtigen soll, da dies technisch gesehen keine unabhängigen Bedingungen sind. JMP erstellt ein geteiltes Plotdesign, wenn ich das DoE erstelle (5 ganze Plots mit jeweils 3 Bedingungen), was für mich sinnvoll ist, aber ich denke, es gibt immer noch die Annahme, dass jede Bedingung unabhängig ist. In unserem Fall sind sie nicht vollständig unabhängig, da für jedes ganze Diagramm die 3 Bedingungen tatsächlich eine Bedingung für die ersten beiden Faktoren sind und erst im letzten Schritt zu 3 Bedingungen werden.
Meine Frage ist, was ich während der Analyse des Anpassungsmodells anders machen muss, um dies zu berücksichtigen. Gibt es überhaupt einen Weg? Es scheint, dass JMP dem Modell beim Erstellen des geteilten Plotdesigns automatisch einen zufälligen Effekt für das gesamte Diagramm hinzufügt, aber ich denke nicht, dass dies das oben genannte Problem behebt.
Vielen Dank!
Bearbeiten: Zur Verdeutlichung habe ich benutzerdefiniertes Design verwendet und die ersten beiden Faktoren als sehr schwer zu ändern angegeben. Der dritte Faktor, den ich leicht geändert habe.
Betreff: Analyse von Bedingungen, die nicht völlig unabhängig sindIch habe ein wenig Mühe, mich darum zu kümmern, wie Ihr Prozess aussieht, aber wenn Sie sich auf die Abhängigkeit von den 3 Röhren in Prozessschritt 3 beziehen, die alle in Prozessschritten 1 und 2 aus derselben Röhre stammen, dann auf die Abhängigkeit Sie sind besorgt darüber, dass der gesamte Plot-Zufallsblock-Effekt bereits behandelt wird. Die bedingten Residuen sollten unabhängig aussehen.
Betreff: Analyse von Bedingungen, die nicht völlig unabhängig sindGrundsätzlich züchten wir Zellen in Kolben und "ernten" sie am Ende des Prozesses, dh wir drehen sie ab und resuspendieren sie in verschiedenen Medienformulierungen, damit wir sie einfrieren können.
Aber ich denke du hast meine Frage beantwortet. Ich kämpfe ein bisschen darum, warum der Zufallseffekt für die gesamte Handlung für die Abhängigkeit verantwortlich ist, aber es ist beruhigend zu hören, dass dies der Fall ist.
Betreff: Analyse von Bedingungen, die nicht völlig unabhängig sindAuf dem Discovery Summit 2019 gab es eine Präsentation => Die Gestaltung und Analyse von Experimenten mit Ordnungsfaktoren (2019-US-30MP-200)
Wenn ich Ihre Frage verstehe, wäre diese Präsentation vielleicht von Interesse.
Betreff: Analyse von Bedingungen, die nicht völlig unabhängig sindIch schlage vor, Sie lesen Box und Jones "Split-Plot-Designs für robuste Produktexperimente". Ich benutze diesen Ansatz ziemlich oft, da er äußerst effizient ist. Leider kann die Analyse nicht ohne Eingreifen von JMP durchgeführt werden. Sie müssen das gesamte Diagramm getrennt vom Unterdiagramm analysieren. Dazu analysiere ich zunächst den gesamten Datensatz mit einem gesättigten Modell. Verwandeln Sie die Parameterschätzungstabelle in eine neue Tabelle und erstellen Sie normale und Pareto-Diagramme für jedes Diagramm (WP und SP).
