5개의 다단계 범주가 있는 DOE. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?안녕,
이 흥미로운 문제에 대한 몇 가지 아이디어가 있기를 바랍니다.
우리는 화학 반응의 수율을 최적화하는 설정을 찾는 목표를 가지고 있습니다.
반응물, 시약, 리간드, 용매의 다양한 선택에 대한 5가지 범주형 요인이 있습니다(인자 표 첨부). 요인의 수준은 3~12개입니다.
요인 수준의 가능한 조합은 4608개입니다. 모두 실행하는 것은 불가능합니다!
48개의 실행을 동시에 수행할 수 있으며 약 2일의 실험실 작업이 소요됩니다.
따라서 첫 번째 단계에서는 48개의 실행(첨부)이 포함된 맞춤형 주효과 선별 설계를 실행합니다.
이 첫 번째 실행 블록에서는 몇 가지 유용한 통찰력을 발견합니다.
- Reactant_1과 Reactant_2가 가장 큰 영향을 미칩니다.
- 일부 조합은 >90%의 수율을 제공합니다.
Distribution of %Yield and 5 Factors for 48 run screening experiment.Distribution of %Yield and 5 Factors for 48 run screening experiment.48회 실행 선별 실험에 대한 %수율 및 5개 인자의 분포.
문제는 다음은 무엇입니까? 다음 48번의 실행은 무엇이어야 합니까?
답변: 5개의 다단계 범주가 있는 DOE입니다. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?감사해요, @Ryan_Lekivetz . 이것이 흥미로운 논문이 될 수 있다고 생각하므로 꼭 연락하겠습니다. 하지만 우리는 이에 대해 이제 막 생각하기 시작했습니다.
답변: 5개의 다단계 범주가 있는 DOE입니다. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?@benfrancis 예측 모델을 이용한 확장 아이디어에 대해 물었기 때문에 다른 사람에게 유용할 경우를 대비해 여기에 게시하겠다고 생각했습니다.
Augment_example.jmp에서 연속 요인 3개와 3수준 요인 1개를 사용하여 간단한 12-런 설계를 만들었습니다. 시뮬레이션된 응답은 X3의 계수 3과 X4의 첫 번째 수준의 계수 2(따라서 세 번째 수준의 경우 -2)를 기반으로 했습니다. 이 원본 데이터 세트를 기반으로 Fit Model의 예측 공식을 저장하고 콜론을 제거하고 일치 항목을 각 수준에 대한 참조로 대체하여 허용되지 않는 조합으로 "변환"했습니다. 그런 다음 예측된 응답이 3보다 작은 지점을 허용하지 않도록 설정했습니다. 즉, 공식은 다음과 같습니다.
(-0.488118773193337) + 0.0500127592094168 * :X1 + 0.090943953251116 * :X2
+3.44923140690808 * :X3 + 일치( :X4,
"L1", 1.81325700252147,
"L2", 0.117965718890636,
"L3", -1.93122272141211,
.
)
다음과 같이 됩니다:
(-0.488118773193337) + 0.0500127592094168 * X1 + 0.090943953251116 * X2
+3.44923140690808 * X3 + (X4 == 1) * 1.81325700252147 + (X4 == 2) *
0.117965718890636 + (X4 == 3) * -1.93122272141211 < 3
"disallowed.jmp를 사용한 증강 설계"는 결과 설계를 보여주고 예측된 응답 값이 모두 3보다 큰지 다시 확인합니다. "L3"에서 X4를 선택하거나 -1에서 X3을 선택하지 않는다는 점에 유의하세요. 여전히 X3를 약간 변경하지 않는 이유가 있는지 확인해야 하지만 아이디어를 제공합니다.
주로 연속 입력인 경우에도 이와 동일한 접근 방식을 사용했습니다. FFF 디자인을 사용하면 모델이 흥미로워 보이는 부분으로 디자인 공간을 제한할 수 있습니다.
도움이 되었기를 바랍니다,
라이언
답변: 5개의 다단계 범주가 있는 DOE입니다. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?여기요 @Phil_Kay ,
이것은 흥미로운 문제입니다 ... 나는 문헌에 관심이 없지만, 당신이 하고 있는 일을 "만약에" 설계된 실험으로 취급했다는 것을 기반으로 뭔가를 출판할 가치가 있을 것 같습니다. 저는 한동안 이러한 유형의 문제(완전 요인 대 부분 집합)에 관해 이야기할 수 있는 방법을 생각해 왔습니다. 따라서 아직 출판 단계에 있지 않다면 대화를 나누는 것이 좋을 것입니다. 몇 년 전 이런 대화가 생각납니다.
http://www.acadiau.ca/~hchipman/talks/ChipmanSSC2015.pdf
증강 문제와 관련하여 내부 위시리스트에 자유롭게 뭔가를 추가해 주세요. 향후 실험에서는 레벨을 제거하는 것이 좋을 것입니다.
나는 또한 과거에 첫 번째 디자인에서 예측된 모델을 허용되지 않는 조합으로 사용하는 데 성공했습니다(이는 변환해야 하기 때문에 범주형의 경우 좀 더 고통스럽습니다). 예측 공식을 사용하고 예측 값이 특정 값(예: 80)보다 작은 조합을 허용하지 않는 경우. 그리고 @nick_shelton 언급했듯이 해당 수준도 허용하지 않을 수도 있습니다.
답변: 5개의 다단계 범주가 있는 DOE입니다. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?그건 그렇고, 예는 다음에서 나옵니다. 출판된 논문 실제로 전체 계승을 실행했습니다(4608 실행!).
이것은 정말 좋은 데이터 세트입니다(JMP 테이블 첨부). 데이터가 얼마나 정확하고 정확한지 아는 것은 어렵습니다.
다른 것이 없다면 멋진 히트맵을 만들 수 있습니다.
답변: 5개의 다단계 범주가 있는 DOE입니다. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?감사해요. 정말 도움이 됩니다. @nick_shelton .
답변: 5개의 다단계 범주가 있는 DOE입니다. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?증대 설계에서는 범주형 수준을 제거할 수 없지만 요인 제약 조건을 설정하여 새 실행에서 특정 수준을 사용하지 못하도록 할 수 있습니다.
답변: 5개의 다단계 범주가 있는 DOE입니다. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?나는 그 아이디어를 좋아한다. @benfrancis .
이상적으로는 다음과 같은 48개의 실행 세트를 선택합니다.
- 현재 모델에서 높은 수율을 얻을 것으로 예측
- 관심 모델 테스트에 최적
어쩌면 우리는 다음과 같이 할 수 있을 것입니다:
- 1000번의 실행(예: 전체 계승)으로 구성된 매우 큰 후보 세트를 생성한 다음
- 일부 임계값보다 높은 수율을 가질 것으로 예측되는 수백 개의 실행 하위 집합을 선택합니다.
- 이를 후보 세트로 사용하고 공변량 요인이 포함된 맞춤 설계를 사용하여 모델을 테스트하기 위한 최적의 48개를 결정합니다.
답변: 5개의 다단계 범주가 있는 DOE입니다. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?감사해요 @benfrancis 그리고 @nick_shelton .
둘 다 좋은 생각이에요.
현재 예상되는 최상의 설정에 대한 일부 확인 실행은 좋은 생각처럼 보입니다. 하지만 내 생각에 우리는 앞으로 48번의 실행을 통해 더 많은 일을 하고 싶을 수도 있습니다.
Ben이 제안한 내용을 확장하여 Scaled Estimates를 살펴보았는데 다른 요소보다 훨씬 더 나쁜 일부 요소의 범주 수준이 있습니다(예: Ligand[Xantphos]).
(Xantphos는 역대 최악의 리간드입니다. 그렇죠? 개인적으로 나는 Xantphos를 어떤 용도로도 사용하지 않을 것입니다 
).
추가 실행에서 이러한 범주 수준을 제거하는 것이 합리적이고 정당해 보입니다.
마찬가지로 반응물 2의 수준 중 2개를 제거하고 붕산만 사용하는 것이 타당할 것입니다.
범주형 변수에 Augment를 사용해 본 사람이 있나요? 보강하기 전에 카테고리 수준을 제거하는 방법을 알 수 없는 것 같습니다.
건배,
필
답변: 5개의 다단계 범주가 있는 DOE입니다. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?좋은 지적 @건강 상태 , 아마도 시뮬레이터를 사용하여 예측된 높은 수율(Obj>0.95) 후보 세트를 찾을 수 있을까요? 이에 따라 첨부된 23개의 후보 세트가 생성됩니다.
답변: 5개의 다단계 범주가 있는 DOE입니다. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?반응물 1과 2 사이의 상호 작용을 모델에 포함시키면 프로파일러에 수율을 99%로 가져오는 요소의 조합이 있습니다. 후속 DOE를 통해 다른 요소 조합을 탐색하는 대신 확인된 실험 세트로 이동하여 식별된 설정이 실제로 99%를 산출하는지 검증하는 것이 가장 좋습니다.
답변: 5개의 다단계 범주가 있는 DOE입니다. 최적을 찾기 위한 최선의 순차적 접근 방식은 무엇입니까?안녕하세요 필,
이 예를 강조해 주셔서 감사합니다. 이는 순차적 접근 방식보다는 대규모 실험에 중점을 두는 많은 고객에게 중요해 보입니다. 그리고 이것은 머리를 긁적이기 때문에 모두가 어떻게 생각하는지 탐구하고 싶습니다!
요인 수준을 선별할 근거가 있는지 고려하는 것이 유용할 수 있습니다. 효과 세부 정보(Fit Y by X 초기 제안보다 좋음) 및 TK HSD(가능한 한 보수적임)를 사용하면 6-Cl-Q(반응물 1) 및 삼불화붕산염(반응물 2)을 수준으로 제거할 근거가 있을까요? 또한 흥미로운 점은 리간드의 "없음"이 두 번째로 낮은 평균 수율인 반면, 시약 1의 "없음"은 중간 수율이라는 것입니다. 이는 null 요소와 동일하지는 않지만 부정적인 영향을 미치는 일부 시약 1이 다음 48에서 유용할 수 있는지에 초점을 맞출 수 있습니까?
감사합니다,
벤
