DOE con 5 categorie multi-livello. Il miglior approccio sequenziale per trovare l'optimum?Ciao,
Spero che tu possa avere qualche idea per questo interessante problema.
Abbiamo l'obiettivo di trovare le impostazioni che ottimizzano la resa per una reazione chimica.
Esistono 5 fattori categoriali per diverse scelte di reagenti, reagenti, ligandi, solventi (tabella dei fattori allegata). I fattori hanno tra 3 e 12 livelli.
Sono disponibili 4608 combinazioni di livelli di fattore. Non è possibile eseguirli tutti!
È possibile eseguire 48 corse contemporaneamente, richiedendo circa 2 giorni di lavoro di laboratorio.
Quindi, nella prima fase eseguiamo un progetto di screening degli effetti principali personalizzato con 48 sequenze (allegate).
Questo primo blocco di esecuzioni rivela alcune informazioni utili:
- Reactant_1 e Reactant_2 hanno l'effetto maggiore.
- Alcune combinazioni danno rendimenti> 90%.
Distribuzione della resa% e 5 fattori per l'esperimento di screening a 48 sessioni.
La domanda è: cosa succederà? Quali dovrebbero essere le prossime 48 corse?
Ri: DOE con 5 categoriali multi-livello. Il miglior approccio sequenziale per trovare l'optimum?Ciao Phil,
Grazie per aver evidenziato questo esempio, sembra importante per un numero di clienti che si concentra sul grande esperimento piuttosto che su un approccio sequenziale. E questo è un grattacapo, quindi sono ansioso di esplorare ciò che pensano tutti!
Potrebbe essere utile valutare se abbiamo motivi per escludere livelli di fattori. Usando i dettagli dell'effetto (meglio del mio suggerimento iniziale Fit Y per X) e un TK HSD (essendo il più conservativo possibile), forse ci sono motivi per rimuovere 6-Cl-Q (Reattante 1) e Trifluoroborato (Reattante 2) come livelli? È anche interessante che mentre "Nessuno" per il ligando è dal 2 ° al rendimento medio più basso, "Nessuno" per il reagente 1 ha una resa media. Non è la stessa cosa di un fattore nullo, ma forse concentrarsi sul fatto che alcuni reagenti 1 che hanno un impatto negativo potrebbero essere utili nei prossimi 48?
Cordiali saluti,
Ben
Ri: DOE con 5 categoriali multi-livello. Il miglior approccio sequenziale per trovare l'optimum?Se includi l'interazione tra Reactant 1 e 2 nel modello, c'è una combinazione di fattori nel profiler che portano la resa al 99%. Invece di esplorare altre combinazioni di fattori con i successivi DOE, forse è meglio passare ora a una serie di esperimenti di conferma per convalidare che quelle impostazioni identificate produrranno il 99% in pratica.
Ri: DOE con 5 categoriali multi-livello. Il miglior approccio sequenziale per trovare l'optimum?Buon punto @ Nick , forse potremmo usare il simulatore per trovare una serie di candidati previsti ad alto rendimento (Obj> 0,95)? Ciò porta a 23 serie di candidati in allegato.
Ri: DOE con 5 categoriali multi-livello. Il miglior approccio sequenziale per trovare l'optimum?Grazie @benfrancis e @nick_shelton .
Entrambe buone idee.
Alcune prove di conferma attorno alle migliori impostazioni previste attuali sembrerebbero una buona idea. Ma penso che potremmo desiderare di fare di più con le prossime 48 piste che abbiamo.
Espandendo ciò che Ben ha suggerito, ho esaminato le stime in scala e ci sono livelli di categoria da alcuni fattori che sono significativamente peggiori degli altri, ad esempio Ligand [Xantphos].
(Xantphos è solo il peggior ligando di sempre, non è vero. Personalmente non userei mai Xantphos per niente:)).
Sembrerebbe razionale e giustificato rimuovere questi livelli di categoria da ulteriori corse.
Allo stesso modo saremmo giustificati a sbarazzarci di 2 dei livelli di Reactant 2 e usare solo acido boronico.
Qualcuno ha provato a utilizzare Augment su variabili categoriali? Non riesco a capire come rimuovere un livello di categoria prima di aumentare.
Saluti,
Phil
Ri: DOE con 5 categoriali multi-livello. Il miglior approccio sequenziale per trovare l'optimum?Mi piace quell'idea, @benfrancis .
Idealmente dovremmo selezionare un insieme di 48 corse che sono:
- Previsto dal nostro modello attuale per avere un alto rendimento
- Ottimo per testare il modello di interesse
Quindi forse potremmo:
- Genera una serie candidata molto ampia di migliaia di esecuzioni (ad esempio, l'intero fattoriale) e poi
- Selezionare da questo un sottoinsieme di centinaia di corse che si prevede abbiano una resa superiore a una certa soglia.
- Usali come set candidato e design personalizzato con fattori covariati per determinare il 48 ottimale per testare il modello
Ri: DOE con 5 categoriali multi-livello. Il miglior approccio sequenziale per trovare l'optimum?Nella progettazione potenziata, non è possibile rimuovere i livelli categoriali ma è possibile impostare un vincolo di fattore per impedire che nuove esecuzioni utilizzino determinati livelli.
Ri: DOE con 5 categoriali multi-livello. Il miglior approccio sequenziale per trovare l'optimum?Grazie. Questo è davvero utile, @nick_shelton .
Ri: DOE con 5 categoriali multi-livello. Il miglior approccio sequenziale per trovare l'optimum?A proposito, l'esempio viene da un articolo pubblicato dove hanno effettivamente eseguito l'intero fattoriale (4608 corse!).
Questo è davvero un bel set di dati (tabella JMP allegata). Sebbene sia difficile sapere quanto siano accurati o precisi i dati.
Se non altro puoi creare una bella mappa di calore:
