Adattamento di un modello di superficie di risposta con quattro fattori (un fattore è un fattore di disturbo)Ho progettato un DoE per studiare l'influenza di fattori su un processo di filtrazione. Innanzitutto, ho progettato una DoE fattoriale frazionaria per indagare su 4 fattori a due livelli (basso e alto) e include anche due punti centrali. Nella valutazione, trovo che uno dei quattro fattori non ha alcuna influenza sulle risposte e non è considerato in ulteriori progetti DoE. Il design viene quindi potenziato per includere i punti stella con i restanti tre fattori. Si nota quindi che esiste un fattore di disturbo che non è stato controllato nella DoE fattoriale frazionaria e non è stato controllato anche nel progetto aumentato. Si prevede che abbia un impatto su una o più risposte. Questo fattore di disturbo dipende tuttavia da uno dei tre fattori (dal punto di vista del calcolo). I valori del fattore di disturbo sono stati calcolati per entrambi i disegni sperimentali e inclusi nella tabella dei dati JMP per la valutazione. Ora, il design contiene quattro fattori.
Poiché non ci sono "livelli" per il fattore di disturbo di per sé, è valido adattare un modello di superficie di risposta ai dati? Oppure in questo caso sarebbe appropriato un modello / approccio diverso?
AnalyticsDOEOggetto: Adattare un modello di superficie di risposta con quattro fattori (un fattore è un fattore di disturbo)Ogni situazione richiede una comprensione attenta dei meccanismi al lavoro. Sfortunatamente non fornisci abbastanza per fornire una guida specifica, ma condividerò i miei pensieri. Come hai scoperto il fattore rumore e il suo effetto sulle risposte? La variabile rumore è misurabile? In tal caso potresti considerare di trattarlo come una covariata. Quanto sei vicino ai risultati "ottimali" o desiderati? Qual è la variabile rumore? Ha qualcosa a che fare con le materie prime? Potete collaborare con il fornitore delle materie prime per ridurre la variabilità? Hai studiato il processo per la consistenza / stabilità tramite campionamento diretto? Non sono sicuro di cosa intendi con " Questo fattore di disturbo dipende tuttavia da uno dei tre fattori (dal punto di vista del calcolo). " Se i fattori di progettazione interagiscono con la variabile di rumore, questo è un problema. È un'indicazione che il tuo processo non è robusto. Dovrai cercare come diventare robusto alla variabile noise. Ciò potrebbe includere la ricerca di livelli per i fattori di progettazione o la ricerca di un altro fattore di progettazione che riduca al minimo l'effetto del fattore di rumore. Potrebbe anche essere necessario riprogettare il processo. Ovviamente la buona notizia è che hai identificato il fattore di rumore e quindi puoi replicare i tuoi esperimenti su quel fattore di rumore variabile per stimare la robustezza. C'erano segni di curvatura dai punti centrali? In caso contrario, perché aggiungi i punti stella per stimare gli effetti non lineari?
Oggetto: Adattare un modello di superficie di risposta con quattro fattori (un fattore è un fattore di disturbo)Qui fornirò maggiori dettagli sul design sperimentale.
Uno dei fattori nella DoE era la concentrazione di proteine (in g / L) nella soluzione di input. Si intendeva filtrare lo stesso volume di soluzione di input per ogni esperimento (lo misuriamo).Pertanto, il contenuto proteico filtrato in ogni esperimento sarebbe diverso. Il contenuto proteico è riportato come filtro g / m2 ed è considerato come il fattore di disturbo (forse è necessario un termine migliore).In alcuni esperimenti i filtri si sono ostruiti e non è stato possibile filtrare tutta la soluzione (molto probabilmente a causa delle alte concentrazioni di proteine). Pertanto, abbiamo proposto di determinare il contenuto proteico filtrato in ogni esperimento e di vedere se questo ha avuto un impatto sulle risposte (il più interessante sarebbe l'effetto sul decadimento del flusso).
Per rispondere alla tua domanda sulla curvatura, abbiamo infatti rilevato la curvatura dai punti centrali e quindi abbiamo aggiunto punti stella al design. Inoltre, non stiamo cercando di ottimizzare il nostro processo, ma di stabilire intervalli che garantiscano la robustezza del processo.
