Analizando condiciones que no son completamente independientesHola,
Estoy tratando de caracterizar un proceso de fabricación biológica cerca del final de nuestro proceso (durante la cosecha). Estoy viendo 3 factores continuos: Tiempo de celda en los medios 1, Tiempo de celda en los medios 2 y Tiempo de celda en los medios 3. Estos factores ocurren en orden cronológico durante el proceso. Estoy interesado en los ME y los efectos de interacción entre estos 3 factores. La parte difícil es que Cell Time en Media 1 y 2 es difícil de cambiar ya que necesitamos más volumen. Después de esos dos pasos, podemos dividirnos en varias condiciones más pequeñas para Media 3. Sin embargo, digamos que tenemos 3 condiciones, luego, para los primeros dos pasos (Medios 1 y 2), las células están realmente en el mismo tubo juntas, y solo estamos creando 3 condiciones en el tercer factor (ahora nos dividimos en 3 viales ) No estoy seguro de cómo explicar esto durante el análisis, ya que técnicamente estas no son condiciones independientes. JMP presenta un diseño de parcela dividida cuando hago el DoE (5 parcelas completas con 3 condiciones cada una), lo que tiene sentido para mí, pero creo que todavía se supone que cada condición es independiente. En nuestro caso, no son completamente independientes, ya que para cada parcela completa las 3 condiciones son en realidad una condición para los dos primeros factores y solo se convierten en 3 condiciones durante el último paso.
Mi pregunta es, ¿qué debo hacer de manera diferente durante el análisis del Modelo de ajuste para dar cuenta de esto? ¿Hay alguna manera? Parece que JMP agrega un efecto aleatorio de diagrama completo al modelo automáticamente cuando crea el diseño de diagrama dividido, pero no creo que esto resuelva el problema anterior.
¡Gracias!
Editar: para aclarar, utilicé un diseño personalizado y especifiqué los dos primeros factores como muy difíciles de cambiar. El tercer factor que hice fue fácil de cambiar.
Re: Analizando condiciones que no son completamente independientesEstoy luchando un poco para comprender cómo se ve su proceso, pero si se refiere a la dependencia de los 3 tubos en el paso 3 del proceso, todos provienen del mismo tubo en los pasos 1 y 2 del proceso, entonces la dependencia lo que le preocupa ya lo maneja todo el efecto de bloque aleatorio de la trama. Los residuos condicionales deberían verse independientes.
Re: Analizando condiciones que no son completamente independientesBásicamente, cultivamos células en matraces, luego, al final del proceso, las "cosechamos", lo que significa girarlas hacia abajo y resuspenderlas en diferentes formulaciones de medios para que podamos congelarlas.
Pero creo que respondiste mi pregunta. Estoy luchando un poco para entender por qué el efecto aleatorio Whole Plot explica la dependencia, pero es tranquilizador escuchar que lo hace.
Re: Analizando condiciones que no son completamente independientesEn la Discovery Summit 2019 hubo una presentación => El diseño y análisis de experimentos con factores de "orden" (2019-US-30MP-200)
Si entiendo su pregunta, tal vez esta presentación sea de interés.
Re: Analizando condiciones que no son completamente independientesLe sugiero que lea Box y Jones "Diseños de parcelas divididas para la experimentación de productos robustos". Utilizo este enfoque con bastante frecuencia ya que es extremadamente eficiente. Lamentablemente, JMP no puede hacer el análisis sin alguna intervención. Necesitará analizar la trama completa por separado de la subtrama. Lo hago analizando primero todo el conjunto de datos con un modelo saturado. Convierta la tabla de estimaciones de parámetros en una nueva tabla y cree gráficos normales y de Pareto para cada gráfico (WP y SP).
