使用協變量DOE和多變量工具優化材料選擇（Worley）本演示文稿改編自 Silvio Miccio發表了JMP Discovery Europe演講在2017年。 視頻以描述我將在演示中遵循的步驟開始。 以下是視頻的一些背景：
一些報價
- 戴明（Deming）–“統計學重要的是留給統計學家”（Analytics）
- 方框–“所有模型都錯了，但要不有用就必須有多錯？”
- 未知作者–“不要愛上您的模型。 他們不會再愛你了” –事情變了！
- 卡莉·菲奧莉娜（Carly Fiorina）–“目標是將數據轉化為信息，並將信息轉化為洞察力。”
- John Sall（JMP的創建者）-“數據很少輕易承認其所有信息。您必須探索它。您必須使用多種工具。該過程應盡可能簡單，工具應盡可能強大。”
介紹
當測試不同原料或配方成分的選項時，通常的做法是將它們更改為多級分類變量，例如 A，B，C….etc。在這種情況下，必須確定所有選項的最佳候選材料的實驗。結果是需要耗時的物理測試，並且所得模型僅適用於預測測試的選項，而不能預測具有不同物理/化學特性的選項。
一種更有效的方法是根據每種新材料選件的物理/化學性質來設計實驗，這樣可以大大減少所需的實驗條件數量，可持續的可以預測之前未測試過的期權的經驗模型。
本演示文稿中使用的示例數據集
- 45種原材料選擇，可能會改善產品配方的一種成分
- 可以通過19個物理和化學描述符來描述材料選項（一個分類的二級因子編碼為-1/1）
- 有兩個要優化的響應（最大Y1，最小Y2）
典型測試程序
目的
- 預測最佳材料（甚至可能在物理上尚不可用）
- 確定最接近整體最佳狀態的可用材料選項
- 建立可持續的經驗模型，該模型也能夠預測新的原材料選擇
- 此方法基於稱為QSAR（定量結構與活性關係）的化學計量應用
理化性質實例
- Mw –分子量
- C –表面活性劑疏水端的碳原子數
- Griffin HLB –根據Griffin的親水親脂平衡（HLB）
- CMC –臨界膠束濃度
- 鏈數……
摘要
- 通過實驗的主要成分壓縮有關不同選項的物理和化學性質的可用信息，選擇“框角”以根據設計測試代表性原料
- 選擇“盒子的角落”以根據實驗設計測試代表性原材料
- 通過PLS（或其他適當的建模方法）對數據建模
- 尋找整體最佳解決方案
- 確定最接近計算出的最佳解決方案的物理可用選項
→ 高效實驗
→ 基於物理/化學特性的可持續經驗模型
→ 預測最佳原材料特性，儘管材料被確定為最佳原材料
具有化學生物學特性的表格（非寶潔示例）
當測試不同原料或配方成分的選項時，通常的做法是將它們更改為多級分類變量，例如 A，B，C….etc。找出最佳的候選材料。所有選項都必須經過測試。一種更有效的方法是根據每種新材料選項的物理/化學特性來設計實驗。這導致可持續的可以預測之前未測試過的期權的經驗模型。
美國能源部造型
