DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?Hallo,
Ich hoffe, Sie haben einige Ideen für dieses interessante Problem.
Unser Ziel ist es, die Einstellungen zu finden, die den Ertrag einer chemischen Reaktion optimieren.
Es gibt 5 kategoriale Faktoren für die unterschiedliche Auswahl von Reaktanten, Reagenzien, Liganden und Lösungsmitteln (Faktorentabelle beigefügt). Die Faktoren liegen zwischen 3 und 12 Stufen.
Es gibt 4608 mögliche Kombinationen der Faktorstufen. Es ist nicht möglich, sie alle auszuführen!
Es ist möglich, 48 Läufe gleichzeitig durchzuführen, was etwa 2 Tage Laborarbeit erfordert.
Daher führen wir in der ersten Phase ein benutzerdefiniertes Haupteffekt-Screening-Design mit 48 Durchläufen durch (im Anhang).
Dieser erste Laufblock liefert einige nützliche Erkenntnisse:
- Reaktant_1 und Reaktant_2 haben den größten Effekt.
- Einige Kombinationen ergeben Erträge von >90 %.
Distribution of %Yield and 5 Factors for 48 run screening experiment.Distribution of %Yield and 5 Factors for 48 run screening experiment.Verteilung von %Ausbeute und 5 Faktoren für 48 Screening-Experimente.
Die Frage ist: Wie geht es weiter? Wie sollen die nächsten 48 Läufe aussehen?
Betreff: DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?Danke, @Ryan_Lekivetz . Ich werde mich auf jeden Fall mit Ihnen in Verbindung setzen, da ich denke, dass daraus ein interessanter Aufsatz entstehen könnte, aber wir haben gerade erst begonnen, darüber nachzudenken.
Betreff: DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?@benfrancis Als ich nach der Idee einer Erweiterung mit dem vorhergesagten Modell gefragt wurde, dachte ich mir, ich poste es hier, falls es für jemand anderen von Nutzen ist.
In Augment_example.jmp habe ich ein einfaches 12-Durchlauf-Design mit 3 kontinuierlichen und 1 3-stufigen Faktor erstellt. Die simulierte Reaktion basierte auf einem Koeffizienten von 3 für X3 und einem Koeffizienten von 2 für die erste Stufe von X4 (also -2 für die dritte Stufe). Ich habe die vorhergesagte Formel von Fit Model basierend auf diesem Originaldatensatz gespeichert und sie in eine unzulässige Kombination „konvertiert“, indem ich die Doppelpunkte entfernt und die Übereinstimmung durch einen Verweis auf jede Ebene ersetzt habe. Ich habe es dann so eingestellt, dass der Punkt nicht zugelassen wird, an dem die vorhergesagte Antwort weniger als 3 beträgt. Das heißt, die Formel:
(-0,488118773193337) + 0,0500127592094168 * :X1 + 0,090943953251116 * :X2
+3.44923140690808 * :X3 + Match( :X4,
„L1“, 1.81325700252147,
„L2“, 0,117965718890636,
„L3“, -1,93122272141211,
.
)
wird:
(-0,488118773193337) + 0,0500127592094168 * X1 + 0,090943953251116 * X2
+3,44923140690808 * X3 + (X4 == 1) * 1,81325700252147 + (X4 == 2) *
0,117965718890636 + (X4 == 3) * -1,93122272141211 < 3
Das „Erweiterte Design mit disallowed.jmp“ zeigt das resultierende Design und eine doppelte Überprüfung, ob die vorhergesagten Antwortwerte alle über 3 liegen. Beachten Sie, dass am Ende nicht X4 bei „L3“ oder X3 bei -1 ausgewählt wird. Ich muss sehen, ob es einen Grund dafür gibt, dass X3 immer noch nicht leicht variiert, aber es gibt eine Idee.
Wenn es sich hauptsächlich um kontinuierliche Eingaben handelt, habe ich denselben Ansatz ebenfalls verwendet mit FFF-Designs, um den Designraum auf die Bereiche zu beschränken, in denen das Modell interessant aussieht.
Hoffe das hilft,
Ryan
Betreff: DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?Hey @Phil_Kay ,
Das ist ein interessantes Problem... Ich kenne mich mit der Literatur nicht aus, aber es scheint, dass es sich lohnen könnte, etwas zu veröffentlichen, basierend auf dem, was Sie tun, als „Was wäre, wenn“ Sie es als geplantes Experiment betrachten würden. Ich habe schon seit einiger Zeit über Möglichkeiten nachgedacht, über diese Art von Problem zu sprechen (vollständig faktoriell vs. eine Teilmenge). Wenn Sie also noch nicht auf dem Weg zur Veröffentlichung sind, sollten wir uns vielleicht unterhalten. Es erinnert mich an diesen Vortrag von vor ein paar Jahren:
http://www.acadiau.ca/~hchipman/talks/ChipmanSSC2015.pdf
Was das Augmentationsproblem betrifft, können Sie gerne etwas zur internen Wunschliste hinzufügen – es wäre schön, Levels in zukünftigen Experimenten zu entfernen.
Ich hatte in der Vergangenheit auch Erfolg, als ich das vorhergesagte Modell aus dem ersten Entwurf als unzulässige Kombination verwendete (was bei kategorialen Modellen etwas mühsamer ist, da man es konvertieren muss). Wobei Sie die vorhergesagte Formel verwenden und Kombinationen nicht zulassen, bei denen der vorhergesagte Wert unter einem bestimmten Wert liegt (z. B. 80). Und wie @nick_shelton erwähnt, können Sie diese Ebenen auch verbieten.
Betreff: DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?Das Beispiel stammt übrigens von ein veröffentlichter Artikel wo sie tatsächlich die vollständige Fakultät durchführten (4608 Läufe!).
Das ist ein wirklich schöner Datensatz (beigefügte JMP-Tabelle). Allerdings ist es schwierig zu wissen, wie genau oder präzise die Daten sind.
Wenn nichts anderes passiert, können Sie eine schöne Heatmap erstellen:
Betreff: DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?Danke. Das ist wirklich hilfreich, @nick_shelton .
Betreff: DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?Im Augment-Design können Sie keine kategorialen Ebenen entfernen, aber Sie können eine Faktorbeschränkung festlegen, um zu verhindern, dass neue Läufe bestimmte Ebenen verwenden.
Betreff: DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?Ich mag diese Idee, @benfrancis .
Idealerweise würden wir einen Satz von 48 Läufen auswählen, die:
- Unser aktuelles Modell prognostiziert eine hohe Ausbeute
- Optimal zum Testen des gewünschten Modells
Vielleicht könnten wir also:
- Generieren Sie einen sehr großen Kandidatensatz aus Tausenden von Läufen (z. B. die vollständige Fakultät) und dann
- Wählen Sie daraus eine Teilmenge von Hunderten von Läufen aus, bei denen ein Ertrag über einem bestimmten Schwellenwert vorhergesagt wird.
- Verwenden Sie diese als Kandidatensatz und benutzerdefiniertes Design mit Kovariatenfaktoren, um die optimalen 48 zum Testen des Modells zu bestimmen
Betreff: DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?Danke @benfrancis Und @nick_shelton .
Beides gute Ideen.
Einige Bestätigungsläufe rund um die aktuell vorhergesagten besten Einstellungen scheinen eine gute Idee zu sein. Aber ich denke, wir möchten mit den nächsten 48 Läufen, die wir haben, vielleicht mehr erreichen.
Als Ergänzung zu dem, was Ben vorgeschlagen hat, habe ich mir die skalierten Schätzungen angesehen und festgestellt, dass es Kategorieniveaus einiger Faktoren gibt, die deutlich schlechter sind als die anderen, z. B. Ligand[Xantphos].
(Xantphos ist einfach der schlechteste Ligand überhaupt, nicht wahr? Persönlich würde ich Xantphos nie für irgendetwas verwenden 
).
Es erscheint rational und gerechtfertigt, diese Kategorieebenen aus weiteren Durchläufen zu entfernen.
Ebenso wäre es gerechtfertigt, zwei der Mengen an Reaktant 2 zu entfernen und nur Boronsäure zu verwenden.
Hat jemand versucht, Augment für kategoriale Variablen zu verwenden? Ich kann anscheinend nicht herausfinden, wie ich eine Kategorieebene vor der Erweiterung entfernen kann.
Prost,
Phil
Betreff: DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?Guter Punkt @Nick , vielleicht könnten wir den Simulator verwenden, um eine Reihe vorhergesagter Kandidaten mit hoher Ausbeute (Obj>0,95) herauszufinden? Dies führt zu 23 Kandidatensätzen im Anhang.
Betreff: DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?Wenn Sie die Wechselwirkung zwischen Reaktant 1 und 2 in das Modell einbeziehen, gibt es im Profiler eine Kombination von Faktoren, die die Ausbeute auf 99 % bringen. Anstatt andere Kombinationen von Faktoren mit nachfolgenden DOEs zu untersuchen, ist es vielleicht am besten, jetzt mit einer Reihe von Bestätigungsexperimenten fortzufahren, um zu bestätigen, dass diese identifizierten Einstellungen in der Praxis 99 % ergeben.
Betreff: DOE mit 5 mehrstufigen Kategorien. Bester sequenzieller Ansatz, um das Optimum zu finden?Hallo Phil,
Vielen Dank, dass Sie dieses Beispiel hervorgehoben haben. Dies scheint für eine Reihe von Kunden wichtig zu sein, die sich eher auf das große Experiment als auf einen sequenziellen Ansatz konzentrieren. Und das ist ein Rätsel, also bin ich gespannt darauf, herauszufinden, was jeder denkt!
Es könnte nützlich sein, darüber nachzudenken, ob es Gründe gibt, bestimmte Faktoren herauszufiltern. Unter Verwendung von Effektdetails (besser als mein ursprünglicher Vorschlag „Fit Y by Interessant ist auch, dass „Keine“ für Ligand die zweitniedrigste durchschnittliche Ausbeute darstellt, während „Keine“ für Reagenz 1 eine mittlere Ausbeute darstellt. Es ist nicht dasselbe wie ein Nullfaktor, aber vielleicht sollten Sie sich darauf konzentrieren, ob einige Reagenzien 1, die sich negativ auswirken, in den nächsten 48 Jahren nützlich sein könnten?
Mit freundlichen Grüße,
Ben
