使用协变量DOE和多变量工具优化材料选择（Worley）本演示文稿改编自 Silvio Miccio发表了JMP Discovery Europe演讲在2017年。 视频以描述我将在演示中遵循的步骤开始。 以下是视频的一些背景：
一些报价
- 戴明（Deming）–“统计学重要的是留给统计学家”（Analytics）
- 方框–“所有模型都错了，但要不有用就必须有多错？”
- 未知作者–“不要爱上您的模型。 他们不会再爱你了” –事情变了！
- 卡莉·菲奥莉娜（Carly Fiorina）–“目标是将数据转化为信息，并将信息转化为洞察力。”
- John Sall（JMP的创建者）-“数据很少轻易承认其所有信息。您必须探索它。您必须使用多种工具。该过程应尽可能简单，工具应尽可能强大。”
介绍
当测试不同原料或配方成分的选项时，通常的做法是将它们更改为多级分类变量，例如 A，B，C….etc。在这种情况下，必须确定所有选项的最佳候选材料的实验。结果是需要耗时的物理测试，并且所得模型仅适用于预测测试的选项，而不能预测具有不同物理/化学特性的选项。
一种更有效的方法是根据每种新材料选件的物理/化学性质设计实验，这可以大大减少所需的实验条件数量，从而获得可持续的可以预测之前未测试过的期权的经验模型。
本演示文稿中使用的示例数据集
- 45种原材料选择，可能会改善产品配方的一种成分
- 可以通过19个物理和化学描述符来描述材料选项（一个分类的二级因子编码为-1/1）
- 有两个要优化的响应（最大Y1，最小Y2）
典型测试程序
目的
- 预测最佳材料（甚至可能在物理上尚不可用）
- 确定最接近整体最佳状态的可用材料选项
- 建立可持续的经验模型，该模型也能够预测新的原材料选择
- 此方法基于称为QSAR（定量结构与活性关系）的化学计量应用
理化性质实例
- Mw –分子量
- C –表面活性剂疏水端的碳原子数
- Griffin HLB –根据Griffin的亲水亲脂平衡（HLB）
- CMC –临界胶束浓度
- 链数……
摘要
- 通过实验的主要成分压缩有关不同选项的物理和化学性质的可用信息，选择“框角”以根据设计测试代表性原料
- 选择“盒子的角落”以根据实验设计测试代表性原材料
- 通过PLS（或其他适当的建模方法）对数据建模
- 寻找整体最佳解决方案
- 确定最接近计算出的最佳解决方案的物理可用选项
→ 高效实验
→ 基于物理/化学特性的可持续经验模型
→ 预测最佳原材料特性，尽管材料被确定为最佳原材料
具有化学生物学特性的表格（非宝洁示例）
当测试不同原料或配方成分的选项时，通常的做法是将它们更改为多级分类变量，例如 A，B，C….etc。找出最佳的候选材料。所有选项都必须经过测试。一种更有效的方法是根据每种新材料选项的物理/化学特性来设计实验。这导致可持续的可以预测之前未测试过的期权的经验模型。
美国能源部造型
