428945_es-ES

liliconcom

Desafío DOE

• Meta es la caracterización/optimización de un proceso de fermentación.
• 6 factores (X1-X6), independientes y controlables para cada unidad experimental (su configuración de diseño personalizado necesita 53 ejecuciones)
• quiero incluir un factor "tiempo de cultivo" (Connecticut). Esto significa tomar una muestra en tres momentos diferentes y analizarla (una especie de medida repetida). Esto supone mucho trabajo para el departamento de análisis, por lo que quieren reducir el número de pruebas/muestras.
• Desafío: ¿Cómo seleccionar mejor las muestras de ct y configurar el diseño?

 

Ideas del cliente:

• utilice un diseñador personalizado y los factores X1-X6 como covariables para seleccionar
• Los efectos del modelo son solo efectos principales.
• probar un número diferente de ejecuciones hasta que las colinealidades de los efectos principales X1-X6 sean mínimas o aceptables (esperan que esto resuelva las interacciones de 2 factores (X1-X6)*ct)
• Alternativamente, usar una parcela dividida ya en el primer diseño.

 

¿Cómo abordar mejor este tipo de situación?

Creo que la idea con las covariables debería funcionar. Esto ayudaría a encontrar un subconjunto de ejecuciones en las que prueben los tres puntos de tiempo de ct y obtengan información decente si ct tendrá un efecto y también si existe alguna interacción potencial. Pero, ¿podemos evaluar fácilmente cuál es el poder de estos efectos del modelo?

No creo que la trama dividida funcione aquí, pero tal vez tengas otras ideas.

Otra idea espontánea sería tomar estas muestras y usar FDE y como variables suplementarias los factores DOE y ver si existe alguna relación entre X1-X6 y el perfil de los valores ct. 3 puntos no es mucho pero dependiendo de la forma puede ser suficiente.

 

¿Qué opinas? ¿Algunas ideas?

Re: desafío DOE

Hola martin,

Gracias por la aclaración.

En primer lugar, un CCD de 53 carreras que incluye 9 puntos centrales parece una elección extraña, pero tal vez tengan sus razones. Por ahora, debemos asumir que este es el diseño que utilizarán.

Todavía estoy un poco confundido acerca de la cantidad de mediciones analíticas que pueden permitirse. Supuse que pueden permitirse el lujo de realizar al menos una medición analítica para cada una de las 53 ejecuciones, presumiblemente en el punto final (el "punto final"). Pero entiendo que no pueden darse el lujo de realizar mediciones analíticas en 3 puntos temporales para las 53 ejecuciones.

Por lo tanto, hay una pequeña cantidad de ejecuciones para las cuales pueden realizar mediciones analíticas en 2 o 3 puntos de tiempo. Y por lo tanto un número menor de corridas que pueden usar para estimar los efectos de los factores sobre la pendiente y/o curvatura de Y versus el tiempo de cultivo.

Simplemente hacer múltiples puntos de tiempo para los 12 puntos axiales no es la peor idea, aunque todas las interacciones de 2 factores tienen alias entre sí, por lo que solo podrán estimar los efectos principales y cuadráticos de los factores en Y vs y el tiempo de cultivo. Además, el poder para detectar los efectos principales es bajo porque no se exploran los extremos del espacio factorial.

Si desean estimar los efectos de las interacciones de 2 factores en Y frente al tiempo de cultivo, entonces parece una buena idea utilizar un enfoque de diseño personalizado de covariables para seleccionar el subconjunto de ejecuciones para múltiples puntos de tiempo. Este también es un mejor enfoque para obtener el mejor poder para detectar efectos.

Tengo la sensación de que se inclinan más hacia el diseño clásico que hacia el diseño personalizado. Los animo a que analicen los beneficios del diseño personalizado. Especialmente para situaciones complejas como ésta.

Esta presentación del Discovery Americas más reciente debería ser realmente útil para saber cómo pueden modelar los datos resultantes usando FDE o Fit Curve. Creo que Curve DOE podría ser realmente útil aquí. De hecho, creo que Curve DOE debería ser realmente útil en muchas aplicaciones y deberíamos concienciar a más personas sobre ello.

Espero que eso ayude,

filo

 

Re: desafío DOE

Hola, gracias a todos por todas vuestras sugerencias y preguntas

Tengo algunos detalles más e intento responder a tus preguntas:

• a corregir: El diseño no es un diseño personalizado sino un CCD ortogonal (incl. 9 puntos centrales), por lo tanto se ejecuta 53=46+9 (me dijo que estaba equivocado y un colega usó otro diseño), 6 factores continuos
• Es un proceso por lotes (similar a un proceso de titulación) y el tiempo de cultivo se mide 3 veces durante este proceso para un lote, por lo que, por un lado, es una medida repetida pero sin tratamiento, pero en mi opinión es perfecto para un FDOE.
• Pueden permitirse entre 30 y 40 mediciones analíticas como máximo; ahora quieren hacer esto para los puntos axiales del CCD para evaluar cómo interactúa el tiempo de cultivo con los otros factores del DOE.
• Están en un proceso de caracterización y el objetivo final es encontrar el mejor momento de cultivo y cómo luego hay que controlar los demás parámetros para mantenerse en su rango de calidad.
• Tienen una idea de lo que probablemente sea importante; sin embargo, el proceso es diferente cada vez.

Si trato los datos resultantes en un modelo mixto, vería las medidas repetidas de esa manera:

• lote sería el efecto fijo
• tiempo de cultivo el efecto aleatorio también lote*ct (y los otros factores de manera similar)

Si intentara configurar un diseño personalizado, buscaría una respuesta funcional (con puntos de tiempo de ct) y haría un diseño con 6 cont. factores. Esto conduciría a un diseño de 34 corridas, agregando algunas adicionales (CP) que aún estar por debajo de 40 (>13 menos que ahora, aún con la necesidad de seleccionar entre 12 y 13 solo para el departamento de análisis (ya que tienen que medir 3 veces).

Todavía no veo cómo se utilizaría una trama dividida en el caso que solicitó el cliente. Y no se me ocurre tratar a ct como factor, ya que no tiene sentido tener solo una medida en un lote para, por ejemplo, el ct más bajo y en otro lote una medida para un ct más alto.

 

Espero poder descubrir algunas incógnitas.

 

 

 

 

Re: desafío DOE

¿Alguno de los factores es difícil de cambiar? ¿O restringirán la aleatorización por conveniencia?

¿Saben ya que estos seis factores afectan la respuesta?

¡Me suena a medidas repetidas! Yo sugeriría que consideren un rango de CT con el valor nominal en el centro.

¿Por qué utilizar covariables? ¿Quieres decir que ya tienen datos de algunas unidades experimentales? ¿Por qué no utilizar un diseño personalizado desde cero?

¿Qué especificaron en Diseño personalizado para que se requieran 53 ejecuciones? Ese número me parece excesivo.

¿Están seguros de que sólo habrá un cambio lineal en la respuesta? Este no suele ser el caso en sistemas biológicos como la fermentación.

Me gusta la idea de FDOE con CT como función. No estoy seguro de si 3 puntos temporales proporcionarán mucha información, pero una vez que tengan los datos, pueden probar muchos enfoques analíticos diferentes.

Ojalá tuviera más respuestas que preguntas. ¡Lo siento!

Re: desafío DOE

¿Se ejecutarán todas las unidades experimentales durante la misma cantidad de tiempo o dependerá del nivel de ct (es decir, es ct un tratamiento)?

Re: desafío DOE

Hola martin,

Interesante. ¿Puedes explicar un poco más acerca de " su configuración de diseño personalizado necesita 53 ejecuciones "? ¿Son todos los factores, X1 - X6, continuos?

¿Quiere decir que llevarán a cabo un DOE de 53 ejecuciones sobre los 6 factores y la pregunta es cómo deberían muestrear en función del tiempo en esas 53 ejecuciones?

Si es así, parece que no pueden permitirse 159 (=53*3) muestras de puntos temporales. ¿Cuántos podrían permitirse?

Salud,

filo