DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?CIAO,
Spero che tu possa avere qualche idea per questo interessante problema.
Il nostro obiettivo è trovare le impostazioni che ottimizzino la resa per una reazione chimica.
Esistono 5 fattori categorici per le diverse scelte di reagenti, reagenti, ligandi, solventi (tabella dei fattori allegata). I fattori hanno tra 3 e 12 livelli.
Esistono 4608 possibili combinazioni dei livelli dei fattori. Non è possibile gestirli tutti!
È possibile effettuare 48 corse contemporaneamente, impiegando circa 2 giorni di lavoro di laboratorio.
Quindi, nella prima fase eseguiamo un progetto di screening personalizzato degli effetti principali 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%.
Distribution of %Yield and 5 Factors for 48 run screening experiment.Distribution of %Yield and 5 Factors for 48 run screening experiment.Distribuzione della percentuale di rendimento e di 5 fattori per l'esperimento di screening da 48 sedute.
La domanda è: e dopo? Quali dovrebbero essere le prossime 48 corse?
Re: DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?Grazie, @Ryan_Lekivetz . Mi metterò sicuramente in contatto perché penso che questo potrebbe costituire un articolo interessante, ma abbiamo appena iniziato a pensarci.
Re: DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?@benfrancesco mi ha chiesto dell'idea di aumentare con il modello previsto, quindi ho pensato di pubblicarlo qui nel caso fosse utile a qualcun altro.
Nel file Augment_example.jmp ho creato un semplice progetto a 12 esecuzioni con 3 fattori continui e 1 fattore a 3 livelli. La risposta simulata si basava su un coefficiente pari a 3 per X3 e pari a 2 per il primo livello di X4 (quindi -2 per il terzo livello). Ho salvato la formula prevista da Fit Model in base a questo set di dati originale e l'ho "convertita" in una combinazione non consentita rimuovendo i due punti e sostituendo la corrispondenza con un riferimento a ciascun livello. L'ho quindi impostato sul punto non consentito in cui la risposta prevista è inferiore a 3. Cioè, la formula:
(-0,488118773193337) + 0,0500127592094168 * :X1 + 0,090943953251116 * :X2
+3.44923140690808 * :X3 + Corrispondenza( :X4,
"L1", 1.81325700252147,
"L2", 0,117965718890636,
"L3", -1.93122272141211,
.
)
diventa:
(-0,488118773193337) + 0,0500127592094168 * X1 + 0,090943953251116 * X2
+3.44923140690808 * X3 + (X4 == 1) * 1.81325700252147 + (X4 == 2) *
0,117965718890636 + (X4 == 3) * -1,93122272141211 < 3
La "Progettazione aumentata con disallowed.jmp" mostra la progettazione risultante e un doppio controllo che i valori di risposta previsti siano tutti superiori a 3. Nota che non finisce per selezionare X4 a "L3" o X3 a -1. Devo vedere se c'è una ragione per cui non varia ancora leggermente l'X3, ma dà un'idea.
Quando si tratta principalmente di input continui, ho utilizzato lo stesso approccio con i progetti FFF per limitare lo spazio di progettazione ai punti in cui il modello sembra interessante.
Spero che questo ti aiuti,
Ryan
Re: DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?EHI @Phil_Kay ,
Questo è un problema interessante... Non sono esperto in letteratura, ma sembra che potrebbe valere la pena pubblicare qualcosa basato su ciò che stai facendo come un "e se" lo trattassi come un esperimento progettato. È da un po' che penso a possibili modi per parlare di questo tipo di problema (fattoriale completo o sottoinsieme), quindi se non sei già sulla strada della pubblicazione, forse dovremmo chiacchierare. Mi viene in mente questo discorso di qualche anno fa:
http://www.acadiau.ca/~hchipman/talks/ChipmanSSC2015.pdf
Per quanto riguarda il problema dell'aumento, sentiti libero di aggiungere qualcosa alla lista dei desideri interna: sarebbe carino rimuovere i livelli negli esperimenti futuri.
Ho avuto successo anche in passato quando utilizzo il modello previsto dal primo progetto come combinazione non consentita (il che è un po' più complicato con categorico, poiché è necessario convertirlo). Dove prendi la formula prevista e non consenti combinazioni in cui il valore previsto è inferiore a un certo valore (diciamo 80). E come @nick_shelton menzionato, puoi anche disabilitare questi livelli.
Re: DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?A proposito, l'esempio viene da un articolo pubblicato dove hanno effettivamente eseguito il fattoriale completo (4608 esecuzioni!).
Questo è un set di dati davvero carino (tabella JMP allegata). Sebbene sia difficile sapere quanto siano accurati o precisi i dati.
Se non altro puoi creare una bella mappa di calore:
Re: DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?Grazie. Questo è davvero utile, @nick_shelton .
Re: DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?Nella progettazione aumentata, non è possibile rimuovere i livelli categoriali ma è possibile impostare un vincolo fattoriale per impedire alle nuove esecuzioni di utilizzare determinati livelli.
Re: DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?Mi piace quell'idea, @benfrancesco .
Idealmente dovremmo selezionare una serie di 48 esecuzioni che siano:
- Dal nostro modello attuale si prevede un rendimento elevato
- Ottimale per testare il modello di interesse
Quindi forse potremmo:
- Genera un insieme di candidati molto ampio di migliaia di esecuzioni (ad esempio, il fattoriale completo) e poi
- Selezionare da questo un sottoinsieme di centinaia di esecuzioni che si prevede avranno un rendimento superiore a una certa soglia.
- Utilizzarli come set di candidati e progettare personalizzato con fattori di covariazione per determinare i 48 ottimali per testare il modello
Re: DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?Grazie @benfrancesco E @nick_shelton .
Entrambe buone idee.
Alcune prove di conferma sulle migliori impostazioni attuali previste sembrerebbero una buona idea. Ma penso che potremmo voler fare di più con le prossime 48 corse che abbiamo.
Ampliando ciò che Ben ha suggerito, ho esaminato le stime in scala e ci sono livelli di categoria di alcuni fattori che sono significativamente peggiori degli altri, ad esempio Ligand[Xantphos].
(Lo Xantphos è semplicemente il peggior ligando mai esistito, non è vero? Personalmente non utilizzerei mai Xantphos per nulla 
).
Sembrerebbe razionale e giustificato rimuovere questi livelli di categoria da ulteriori corse.
Allo stesso modo saremmo giustificati nell’eliminare 2 dei livelli del reagente 2 e utilizzare solo l’acido boronico.
Qualcuno ha provato a utilizzare Augment su variabili categoriali? Non riesco a capire come rimuovere un livello di categoria prima di aumentarlo.
Saluti,
Fil
Re: DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?Buon punto @Nick , forse potremmo usare il simulatore per scoprire una serie di candidati previsti ad alto rendimento (Obj>0,95)? Ciò porta a 23 set di candidati nell'allegato.
Re: DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?Se includi l'interazione tra i reagenti 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 successivi DOE, forse è meglio passare ora a una serie di esperimenti di conferma per verificare che le impostazioni identificate produrranno nella pratica il 99%.
Re: DOE con 5 categorici multilivello. Il miglior approccio sequenziale per trovare l'ottimale?Ciao Phil,
Grazie per aver evidenziato questo esempio, sembra importante per un numero di clienti che si concentrano sul grande esperimento piuttosto che su un approccio sequenziale. E questo è un grattacapo, quindi sono ansioso di esplorare cosa pensano tutti!
Potrebbe essere utile valutare se abbiamo motivi per escludere i livelli di fattori. Utilizzando Effect Details (meglio del mio suggerimento iniziale Fit Y by X) e un TK HSD (essendo il più conservativo possibile), forse ci sono motivi per rimuovere 6-Cl-Q (reagente 1) e trifluoroborato (reagente 2) come livelli? È anche interessante notare che mentre "Nessuno" per il ligando è dal 2° al più basso rendimento medio, "Nessuno" per il Reagente 1 ha una resa media. Non è la stessa cosa di un fattore nullo, ma forse concentrati sul fatto che alcuni reagenti 1 che hanno un impatto negativo potrebbero essere utili nei prossimi 48?
Cordiali saluti,
Ben
