DOE avec 5 catégories à plusieurs niveaux. Meilleure approche séquentielle pour trouver l'optimum?Salut,
En espérant que vous pourriez avoir des idées pour ce problème intéressant.
Nous avons pour objectif de trouver les paramètres qui optimisent le rendement pour une réaction chimique.
Il existe 5 facteurs catégoriques pour différents choix de réactifs, réactifs, ligands, solvants (tableau des facteurs ci-joint). Les facteurs ont entre 3 et 12 niveaux.
Il existe 4608 combinaisons possibles des niveaux de facteurs. Il n'est pas possible de les exécuter tous!
Il est possible d'effectuer 48 analyses simultanément, soit environ 2 jours de travail en laboratoire.
Ainsi, dans la première étape, nous exécutons une conception de projection d'effets principaux personnalisée avec 48 essais (ci-joint).
Ce premier bloc d'exécutions révèle des informations utiles:
- Reactant_1 et Reactant_2 ont le plus grand effet.
- Certaines combinaisons donnent des rendements> 90%.
Distribution du% de rendement et de 5 facteurs pour une expérience de dépistage de 48 essais.
La question est: et ensuite? Quelles devraient être les 48 prochaines courses?
Re: DOE avec 5 catégories à plusieurs niveaux. Meilleure approche séquentielle pour trouver l'optimum?Salut Phil,
Merci d'avoir mis en évidence cet exemple, cela semble important pour un certain nombre de clients qui se concentrent sur la grande expérience plutôt que sur une approche séquentielle. Et c'est un grattoir à la tête, alors j'ai hâte d'explorer ce que tout le monde pense!
Il pourrait être utile de déterminer si nous avons des raisons d’écarter les niveaux de facteurs. En utilisant les détails de l'effet (mieux que ma suggestion initiale Fit Y by X) et un TK HSD (étant aussi conservateur que possible), il y a peut-être des raisons de supprimer le 6-Cl-Q (réactif 1) et le trifluoroborate (réactif 2) en tant que niveaux? Il est également intéressant de noter que tandis que "Aucun" pour le ligand est le rendement moyen du deuxième au plus bas, "Aucun" pour le réactif 1 a un rendement moyen. Ce n'est pas la même chose qu'un facteur nul, mais peut-être se concentrer sur la question de savoir si certains réactifs 1 qui ont un impact négatif pourraient être utiles dans les 48 prochains?
Sincères amitiés,
Ben
Re: DOE avec 5 catégories à plusieurs niveaux. Meilleure approche séquentielle pour trouver l'optimum?Si vous incluez l'interaction entre les réactifs 1 et 2 dans le modèle, il existe une combinaison de facteurs dans le profileur qui porte le rendement à 99%. Au lieu d'explorer d'autres combinaisons de facteurs avec les DOE suivants, il est peut-être préférable de passer maintenant à un ensemble d'expériences de confirmation pour valider que ces paramètres identifiés donneront 99% dans la pratique.
Re: DOE avec 5 catégories à plusieurs niveaux. Meilleure approche séquentielle pour trouver l'optimum?Bon point @Pseudo , peut-être pourrions-nous utiliser le simulateur pour trouver un ensemble de candidats à haut rendement prédits (Obj> 0,95)? Cela conduit à 23 ensembles candidats dans la pièce jointe.
Re: DOE avec 5 catégories à plusieurs niveaux. Meilleure approche séquentielle pour trouver l'optimum?Merci @benfrancis et @nick_shelton .
Les deux bonnes idées.
Certains essais de confirmation autour des meilleurs paramètres prédits actuels semblent être une bonne idée. Mais je pense que nous pourrions souhaiter en faire plus avec les 48 prochaines courses que nous avons.
En développant ce que Ben a suggéré, j'ai regardé les estimations mises à l'échelle et il y a des niveaux de catégorie de certains facteurs qui sont nettement pires que les autres, par exemple Ligand [Xantphos].
(Xantphos est juste le pire ligand de tous les temps, n'est-ce pas. Personnellement, je n'utiliserais jamais Xantphos pour quoi que ce soit:)).
Il semblerait rationnel et justifié de supprimer ces niveaux de catégorie des séries ultérieures.
De même, nous serions justifiés de se débarrasser de 2 des niveaux de réactif 2 et d'utiliser simplement l'acide boronique.
Quelqu'un a-t-il essayé d'utiliser Augment sur des variables catégorielles? Je n'arrive pas à comprendre comment supprimer un niveau de catégorie avant d'augmenter.
À votre santé,
Phil
Re: DOE avec 5 catégories à plusieurs niveaux. Meilleure approche séquentielle pour trouver l'optimum?J'aime cette idée, @benfrancis .
Idéalement, nous sélectionnerions un ensemble de 48 courses qui sont:
- Prédiction de notre modèle actuel d'avoir un rendement élevé
- Optimal pour tester le modèle d'intérêt
Alors peut-être pourrions-nous:
- Générez un très grand ensemble candidat de milliers d'exécutions (par exemple, la factorielle complète), puis
- Sélectionnez à partir de cela un sous-ensemble de 100 séries d'exécutions qui devraient avoir un rendement supérieur à un certain seuil.
- Utilisez-les comme ensemble candidat et conception personnalisée avec des facteurs de covariable pour déterminer les 48 optimaux pour tester le modèle
Re: DOE avec 5 catégories à plusieurs niveaux. Meilleure approche séquentielle pour trouver l'optimum?Dans la conception augmentée, vous ne pouvez pas supprimer les niveaux catégoriels, mais vous pouvez définir une contrainte de facteur pour empêcher les nouvelles exécutions d'utiliser certains niveaux.
Re: DOE avec 5 catégories à plusieurs niveaux. Meilleure approche séquentielle pour trouver l'optimum?Merci. C'est vraiment utile, @nick_shelton .
Re: DOE avec 5 catégories à plusieurs niveaux. Meilleure approche séquentielle pour trouver l'optimum?Au fait, l'exemple vient de un article publié où ils ont exécuté la factorielle complète (4608 exécutions!).
C'est un très bel ensemble de données (table JMP jointe). Bien qu'il soit difficile de savoir à quel point les données sont exactes ou précises.
Si rien d'autre, vous pouvez faire une belle carte thermique:
