Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Hallo Community, ich habe Probleme beim Modellieren einiger Daten, die ich von einem DSD erhalten habe. Dies war ein Screening mit 10 Faktoren. Wir haben dies mit 3 Blöcken (Operatoren) ausgeführt und ich habe die maximale Anzahl zusätzlicher Läufe (8) berücksichtigt. Dies ergab eine Tabelle mit 31 Läufen. Wir führten zunächst einige Experimente zur Bereichsbestimmung durch, um für alle Faktoren sinnvolle Grenzen festzulegen. Leider gab es immer noch 4 Läufe, bei denen die Reaktion völlig fehlschlug, sodass ich als Antwort keinen Wert angeben kann.
Meine erste Frage ist, wie diese fehlgeschlagenen Läufe behandelt werden sollen. Im Idealfall sollten sie meiner Meinung nach ausgeschlossen werden, und ich hätte immer noch 27 Läufe, die Daten lieferten. Wenn ich sie jedoch aus der Tabelle ausschließe und versuche, das Skript „Fit Definitive Screening“ auszuführen, passiert nichts. Es gibt keine Fehlermeldung, aber das Fenster öffnet sich einfach nicht. Meine Antwort ist „Zeit bis zum Abschluss“, mit dem Ziel, diese Antwort zu minimieren, und ich könnte einfach eine große Zahl eingeben, die eine Zeit darstellt, die länger als die Experimentdauer ist, aber das scheint willkürlich. Das Skript wird jedoch ausgeführt.
Meine zweite Frage ist, ob ich Replikationsläufe einbeziehen kann, um mehr Vertrauen in das Modell zu haben? Wir führten 8 Wiederholungen jeder Laufbedingung durch. Wenn ich jedoch einen Lauf kopiere und einfüge und versuche, das Skript auszuführen, passiert erneut nichts. Im Moment nehme ich nur den Durchschnitt der 8 Läufe und verwende ihn, aber ich frage mich, ob es besser wäre, die einzelnen Werte irgendwie einzubeziehen, und wenn ja, gibt es eine Möglichkeit, dies mit dem Fit Definitive Screening-Skript zu tun?
Ich kann das Standardmodul „Fit Model“ verwenden, um diese beiden Probleme zu lösen, aber es scheint, als würde mir der Vorteil des DSD entgehen. Vielen Dank für alle Antworten! Ich verwende JMP 15.2. Wenn es hilfreich wäre, die Tabelle zu veröffentlichen, mache ich das gerne.
Datenmischung und -bereinigungVersuchsplanungBetreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Freut mich. Experimentelles Design ist ein riesiges Thema mit vielen „Facetten“. Was das Thema noch komplizierter macht, ist, dass es nicht den einen „richtigen Weg“ gibt. Einige werden effizienter sein, andere effektiver. Ich habe festgestellt, dass ich zunächst die Situation verstehen muss, welche Fragen ich beantworten möchte, in welche Hypothesen ich Einblick gewinnen möchte und welche Modelleffekte ich abschätzen muss. Ich entwerfe mehrere Optionen/Pläne, überlege, welche Erkenntnisse für jede Option potenziell gewonnen werden könnten (ich prognostiziere tatsächlich jedes mögliche Ergebnis) und wäge dies gegen den Ressourcenbedarf ab. Mir ist klar, dass ich es wiederholen werde. Was brauche ich also, um die Untersuchung fortzusetzen?
Ich hatte das große Glück, von einigen der besten Köpfe zu lernen (Box, Taguchi, McLean, Sanders, Diamond, Bisgaard usw.) und hatte den Luxus, an der Gestaltung und Analyse von Tausenden von Experimenten beteiligt zu sein. Vieles davon hätte im Nachhinein besser gestaltet sein können ... LOL
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Je mehr ich lerne, desto mehr wird mir klar, wie viel ich nicht weiß. Vielen Dank für die fortlaufende Anleitung!
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?In Zukunft würde ich empfehlen, zu wissen, welche Modelleffekte Sie trennen möchten, welche Modelleffekte Sie verwechseln möchten und welche Modelleffekte Sie nicht in die Studie einbeziehen möchten, BEVOR Sie das auszuführende Design auswählen!
Sie können das Antwortoberflächenmakro nicht verwenden und müssen sicherstellen, dass es sich bei der Blockierung nicht um einen zufälligen Effekt handelt. Um das Modell zu erstellen, müssen Sie die gesamten verfügbaren Freiheitsgrade und das Aliasing in Ihrem Experiment verstehen. (Fügen Sie niemals Alias-Begriffe in das Modell ein, da sonst Singularitätsfehler auftreten.) Sie könnten hier beginnen:
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/efficient-model-selection-for-dsds.shtml#ww292566
Wenn Sie das Design in JMP erstellen, sollten Sie einen Pfeil erhalten, der ein Skript zum Auswerten des Designs ist. Dadurch wird die Aliasing-Struktur bereitgestellt. Wenn Sie einen vollständigen Block ausgeführt haben, enthält Ihr Modell das endgültige Screening-Designmodell, den Block und alle blockweisen Screening-Modelleffekte.
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Danke Statman, ich glaube, ich verstehe den Ansatz.
Um mein gesättigtes Modell zu erstellen, habe ich mit allen Faktoren, allen Faktoren im Quadrat und allen Wechselwirkungen begonnen (unter Verwendung des Response Surface-Makros). Führen Sie dann eine Standard-Methode der kleinsten Quadrate durch. Gibt es eine Möglichkeit, den Block als festen Effekt zu behandeln? Derzeit listet das Ergebnis ein paar Singularitäten auf, die mich anscheinend daran hindern, p-Werte für irgendeine der Interaktionen zu erhalten. Da bleibe ich stecken. In Ihrem Modell sind alle Faktoren und einige Wechselwirkungen vorhanden, aber nicht alle. Bedeutet das, dass Sie das Modell bereits irgendwie reduziert haben? Woher wussten Sie, welche Sie entfernen sollten?
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Mein Denkprozess bei der Analyse von DOE-Daten besteht darin, mit einem gesättigten Modell zu beginnen. Dies nennt man subtraktiv Ansatz zur Modellbildung (im Gegensatz zum additiven Ansatz, wie er schrittweise erfolgt). Von einem gesättigten Modell spricht man, wenn alle Freiheitsgrade zugewiesen sind. In Ihrem Fall habe ich den Block als festen Effekt behandelt und Block-für-Faktor-Interaktionen einbezogen. Denken Sie bei der Analyse der Ergebnisse zunächst darüber nach, welchen praktischen Effekt jeder Faktor (Modellbegriff) hat, und achten Sie dann auf die statistische Signifikanz. Entfernen Sie die unbedeutenden Elemente, führen Sie dann das reduzierte Modell erneut aus und analysieren Sie die Residuen. Ich weiß nicht, welche praktische Bedeutung Ihr Datensatz hat, daher konnte ich das Modell nicht reduzieren.
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Hallo @statman , das von Ihnen bereitgestellte Modell einschließlich aller Daten und des Blocks als Effekt ergibt nach dem, was wir über das System wissen, Sinn. Ich habe versucht, Ihr Modell nachzubilden, hatte aber Schwierigkeiten, insbesondere bin ich mir nicht sicher, wie Sie es geschafft haben, die sekundären Wechselwirkungen und quadratischen Effekte für eine Teilmenge der Faktoren (pH, Mg, Log2X2, Log25X3) zu betrachten, die das liefern schöne Krümmung, die wir erwartet hatten.
Ich habe die Strategie ausprobiert @P_Bartell wie oben erwähnt - Screening der Haupteffekte und anschließendes Vergleichen dieser mit allen möglichen Kombinationen von Faktoren. Ich habe auch versucht, die schrittweise lineare Regression auf verschiedene Arten zu verwenden. Aber nichts hat mich zu etwas geführt, das so vorausschauend war wie Ihre Angaben, und ich würde nur gerne wissen, wie Sie dorthin gekommen sind. Jeder Einblick in Ihren Denkprozess wäre dankbar! Wenn es eine bestimmte Hilfeseite gibt, die ich nachlesen sollte, lassen Sie es mich bitte wissen.
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Danke @statman ! Ich bin ziemlich neu in der DOE-Modellierung und versuche daher, meinen eigenen Weg zu den von Ihnen erstellten Modellen zu finden. Konzentriere mich jedoch darauf, den gesamten Datensatz mit Block als festen Effekt zu verwenden, und es scheint, als ob die Einbeziehung der Replikatdaten hilfreich ist. Die Unterschiede zwischen den einzelnen Blockmodellen sind sicherlich besorgniserregend. Vielen Dank an alle für die Hilfe.
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Ich habe einige Analysen (Anpassungsmodelle) blockweise durchgeführt und den Block als festen Effekt einbezogen. Beigefügtes Datenblatt. Die Analyse verwendet gesättigte Modelle und wurde nicht reduziert. Ja, Blockeffekte können ziemlich herausfordernd sein und viele Fragen aufwerfen.
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Alles, was länger als 5 Minuten dauert, wäre von Interesse. Für unseren „Mittelpunkt“-Assay für die 3 Blöcke/Operatoren war er in 16, 25 und 25 Minuten abgeschlossen (was an sich schon ein wenig besorgniserregend ist, weil ein Operator irgendwie so viel schneller war).
Viele dieser Bedingungen sind viel schlimmer, aber wir hatten gehofft, Faktoren zu identifizieren, die uns dabei helfen könnten, diesen Zeitpunkt zu verbessern.
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Kurze Frage: Wie groß ist die Zeitveränderung von wissenschaftlicher Bedeutung (oder praktischer Bedeutung)?
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Hallo @Mark_Bailey , @statman , @P_Bartell ,
Vielen Dank für die Gedanken! Ich habe meine Datentabelle angehängt, damit Sie reproduzieren können, was ich sehe, falls das hilfreich ist. Im Moment sind die Zellen ohne Wert in der Spalte „Zeit“ die fehlgeschlagenen Läufe. Ohne einen Wert wird das Skript „Fit Definitive Screen“ nicht ausgeführt. Wenn ich diese Zeilen/Läufe ausschließe, wird das Skript immer noch nicht ausgeführt. Wenn ich zufällige Werte zuweise, wird es ausgeführt. Ich weiß, dass es am besten ist, keine Läufe auszuschließen, da dies dem Modell schadet, aber da ich beim Generieren der Tabelle acht zusätzliche Läufe hinzugefügt habe, hatte ich gehofft, dass der Verlust von vier Läufen aufgrund von Fehlern immer noch funktionieren könnte. Ich war nur überrascht, dass das Skript es nicht einmal versucht! Ich habe damit begonnen, diesen Ansatz auszuprobieren @P_Bartell vorgeschlagen, und ich habe auch Fragen dazu, aber das sollte wahrscheinlich ein anderer Thread sein und ich möchte zunächst etwas mehr Zeit damit verbringen. Um einige der anderen Fragen zu beantworten, die aufkamen:
- Ja, ich kann versuchen, eine andere Metrik als „Zeit bis zur Fertigstellung“ zu verwenden. Das Einzige, was mir einfällt, ist „Verbleibende Zeit im Experiment“ und versuchen, diesen Wert zu maximieren (er wäre Null für die fehlgeschlagenen Läufe). Hierbei handelt es sich um eine biochemische Reaktion, die ein Signal erzeugt, das mit der Zeit ansteigen soll, bis es ein Maximum erreicht. In den fehlgeschlagenen Läufen wurde nie ein Signal erzeugt, daher habe ich keinen anderen Wert, den ich verwenden könnte.
- Ich habe versucht, den fehlgeschlagenen Läufen Werte zuzuweisen, z. B. Zahlen, die größer sind als die Dauer des Experiments, oder einfach nur sehr große Zahlen (ungefähr eine Zeit der Unendlichkeit, weil es nie funktioniert hat), diese scheinen das Modell wirklich zu verzerren und alles zu bewirken andere Datenpunkte sind weniger aussagekräftig.
- Zur Verdeutlichung: Bei meinen Replikaten handelt es sich tatsächlich um Wiederholungen der Laufbedingungen und nicht nur um mehrere Messungen desselben Laufs. Insgesamt haben wir also 31*8 = 248 Reaktionen durchgeführt. Da diese Reaktionen natürlicherweise eine gewisse Variabilität aufweisen, sind Wiederholungen wichtig. Die aktuell in der Tabelle aufgeführten Werte sind der Mittelwert der 8 Läufe. Ich dachte, es wäre sinnvoll, die Daten aus jedem Lauf in das Modell einzubeziehen, aber wenn ich versuche, der Tabelle zusätzliche Läufe hinzuzufügen, wird das Skript „Fit Definitive Screening“ nicht ausgeführt.
- Um „Was habe ich aus den Fehlern gelernt“ anzusprechen: Wenn ich mir die fehlgeschlagenen Läufe ansehe, weisen 3 von 4 eine Kombination aus niedrigem Mg und hohem Log2X1 auf. Man ging davon aus, dass sich dies negativ auf die Reaktion auswirken würde, und ich hatte darüber nachgedacht, eine Einschränkung einzurichten, damit diese Kombination nicht verwendet werden konnte, aber das DSD ließ dies nicht zu. Wenn ich ein benutzerdefiniertes DOE erstellt hätte, hätte ich diese Einschränkung vorgenommen. (Obwohl es Fälle gibt, in denen Low Mg und High Log2X1 funktionierten, ist dies kein garantierter Fehler.)
Im Moment werde ich versuchen, diese Daten zu modellieren, indem ich die fehlgeschlagenen Läufe ausschließe, einschließlich der einzelnen Replikatdaten, und nicht das Fit Definitive Screening-Skript verwende.
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Ich möchte überprüfen, ob dies beim Fit Definitive Screening der Fall ist nicht funktionieren, wenn Werte fehlen oder Läufe aus dem endgültigen Screening-Design gelöscht oder ausgeschlossen wurden. Die Fachanalyse richtet sich nach der Faltstruktur der Entwurfsmatrix bei der Bildung der Modellmatrizen für die Analyse. (Beachten Sie, dass Sie Fit Definitive Screening mit verwenden können beliebig Faltdesign!)
Ich frage mich, ob es möglich wäre, die fehlenden Werte für die Läufe ohne Reaktion durch eine sehr große Zahl für die Zeit bis zur Fertigstellung zu ersetzen? Diese Umkodierung ist ein numerischer Trick. Sie möchten lediglich, dass die Analyse dort fortgesetzt wird, wo einige Läufe im Wesentlichen eine unendliche Zeit gedauert haben, dies jedoch mit einer endlichen Zahl darstellen. Wenn die Reaktionszeit beispielsweise zwischen 5 Minuten und 2 Stunden liegt, können Sie anstelle der fehlenden Werte einen Wert von 1.000 bis 100.000 verwenden. Funktioniert es? Ich versuche, so viel wie möglich von Ihrem Experiment zurückzugewinnen.
Sind die zusätzlichen Läufe wirklich Nachbildungen? Das heißt, es handelt sich nicht einfach um wiederholte Messungen eines einzelnen Laufs. Ich vermute, dass Time to Completion erfordert, dass es sich um echte Replikate handelt – nur zur Überprüfung. Wenn ja, dann würde ich auf jeden Fall die einzelnen Replikate einbeziehen und nicht den Durchschnitt davon. Ein Gegenargument ist jedoch, dass Sie den Mittelwert und die Standardabweichung schätzen und diese modellieren könnten, um Bedingungen zu finden, die Ihnen sowohl die minimale mittlere Zeit als auch die minimale Variation in der Zeit liefern.
Mein letzter Kommentar ist, dass das Fit Definitive Screening ein wunderbares, spezialisiertes Tool ist. Es geht wirklich um die Modellauswahl, und das ist alles. Zur Auswahl des besten linearen Modells stehen Ihnen viele weitere Tools zur Verfügung.
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Meine Gedanken:
1. Antwortvariablen: Können Sie etwas anderes als die „Zeit bis zur Fertigstellung“ messen? Zum Beispiel der Prozentsatz der Fertigstellung oder die Chemie nach „x“ Zeitspanne ... mit anderen Worten, andere Möglichkeiten, die Phänomene zu messen.
2. Dies ist ein Anliegen jeder DOE-Strategie mit Blick auf Optimalität. Sie sind anfälliger für verlorene/fehlende/atypische Daten.
3. Wie können die fehlenden Daten ersetzt werden (einige Ideen dazu, aber je mehr fehlende Daten, desto weniger nützlich)?
- Verwenden Sie den Mittelwert des Datensatzes
- Verwenden Sie vorhergesagte Daten (hoffentlich wurden diese Vorhersagen a priori getroffen).
- Machen Sie eine Regression auf die Daten, die Sie haben, und verwenden Sie das Modell, um die fehlenden Daten vorherzusagen (unter Verwendung der Fit-Modell-Plattform).
- Führen Sie alle oben genannten Schritte durch und vergleichen Sie die Ergebnisse. Wenn sie einigermaßen übereinstimmen, haben Sie größeres Vertrauen in die resultierende Analyse. Wenn nicht, müssen Sie entscheiden, was Sie gelernt haben und was die nächste Iteration sein soll.
4. Die Aussage „Wir haben von jeder Laufbedingung 8 Wiederholungen durchgeführt“ verwirrt mich etwas. Replikate oder Wiederholungen? Waren es unabhängige Behandlungen? Was haben Sie gelernt, wenn es sich wirklich um Replikate handelt und alle 8 Replikate nicht reagiert haben (die 4 Mal)?
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Erstens habe ich mir Ihre Daten nicht angesehen, daher kann ich die von Ihnen beschriebenen Fehlermodi nicht reproduzieren ... aber ich denke, Sie haben Pech. Um die Vorteile eines DSD nutzen zu können, müssen Sie wirklich alle Antworten für jede Behandlungskombination haben. Es handelt sich um ein sehr wirtschaftliches und informationsreiches Design für die zweistufige Analyse, wie sie im Fit Definitive Screening-Skript vorgeschrieben ist. Hier ist mein allgemeiner Vorschlag. Auch hier habe ich mir Ihre Daten nicht angesehen. Aber ich würde es zumindest einmal versuchen ... Sie können vielleicht zu den gleichen Schlussfolgerungen gelangen, die Sie auch aus einem DSD-Analyse-Workflow ziehen würden.
Sie müssen die Fit Model-Plattform verwenden. Schließen Sie alle Replikate „wie sie sind“ ein. Könnte genauso gut sein ... die Variation zwischen diesen Punkten könnte nützliche Informationen enthalten ... entweder statistisch oder praktisch. Da ein DSD-Analyse-Workflow von einer Effektsparsität ausgeht, um die Vorteile eines DSD-Ansatzes zu nutzen, würde ich damit beginnen, ein Modell nur für Haupteffekte anzupassen und zu sehen, welche Effekte aktiv sind. Hoffentlich schaden die fehlenden Behandlungskombinationen nicht allzu sehr, um diese aktiven Haupteffekte zu finden. Sobald Sie diese aktiven Haupteffekte erhalten haben, passen Sie nun ein Modell mit diesen aktiven Haupteffekten UND allen möglichen Zwei-Faktor-Wechselwirkungen einschließlich dieser Haupteffektterme an. Passen Sie dieses Modell an ... und sehen Sie, was es Ihnen sagt.
Dieser zweistufige Ansatz ahmt konzeptionell das nach, was die Analyseplattform „Fit Definitive Screening“ tut … sozusagen. Ich denke, dieser Ansatz könnte Sie näher bringen?
Es würde mich interessieren, was andere mögen @Mark_Bailey oder @statman könnte denken?
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Hallo @Mark_Bailey
Wie geben Sie anschließend die einzelnen Replikate in das DSD ein? Beim Entwerfen der Tabelle des DOE gibt es kein Feld, in dem Sie die Anzahl der Wiederholungen angeben können (während dieses Feld beispielsweise beim Entwerfen eines klassischen Screening-Designs vorhanden ist).
Danke
Sara
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Mit einem DSD haben Sie nicht die gleiche Möglichkeit. Sie können einige Läufe nicht replizieren, wenn Sie Fit Definitive Screening verwenden möchten. Sie können alle Läufe kopieren, nachdem Sie auf „Tabelle erstellen“ geklickt haben, und eine Kopie unterhalb der Originalzeilen einfügen, um den Entwurf zu reproduzieren.
Betreff: Wie werden Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design behandelt?Hallo @SaraA ,
Wie @Mark_Bailey erwähnt hat, können Sie das vollständige Design manuell replizieren, indem Sie alle zum DSD gehörenden Zeilen kopieren und einfügen.
Sie können auch die Plattform Augment Design verwenden, um Ihr DSD zu replizieren: Replizieren Sie ein Design
