최종 선별 설계에서 반복실험 및 실패한 실행을 처리하는 방법커뮤니티 안녕하세요. DSD에서 가져온 일부 데이터를 모델링하는 데 문제가 있습니다. 10가지 요소의 화면이었습니다. 우리는 이것을 3개의 블록(연산자)으로 실행했으며 최대 추가 실행 수(8)를 포함했습니다. 이것은 나에게 31개의 실행 테이블을 주었다. 우리는 모든 요인에 대해 합리적인 범위를 설정하기 위해 몇 가지 초기 범위 찾기 실험을 했습니다. 불행히도 우리는 여전히 반응이 완전히 실패한 4번의 실행을 얻었으므로 응답으로 넣을 가치가 없습니다.
첫 번째 질문은 이러한 실패한 실행을 어떻게 처리해야 합니까? 이상적으로는 제외되어야 하고 데이터를 제공한 27개의 실행이 있을 것입니다. 그러나 테이블에서 제외하고 Fit Definitive Screening 스크립트를 실행하려고 하면 아무 일도 일어나지 않습니다. 오류 메시지는 없지만 창이 열리지 않습니다. 내 응답은 이 응답을 최소화하기 위한 목적으로 "완료까지의 시간"이며 실험 기간보다 긴 시간을 나타내는 많은 수를 입력할 수 있지만 이는 임의적인 것 같습니다. 그래도 스크립트는 실행됩니다.
두 번째 질문은 모델에 대한 신뢰도를 높이기 위해 반복실험을 포함할 수 있는지 여부입니다. 각 실행 조건에 대해 8번의 복제를 실행했습니다. 그러나 실행을 복사하여 붙여넣고 스크립트를 실행하려고 하면 다시 아무 일도 일어나지 않습니다. 지금은 8회 실행의 평균을 구하고 그것을 사용하고 있지만 어떻게든 개별 값을 포함하는 것이 더 나은지 궁금합니다. 그렇다면 Fit Definitive Screening 스크립트로 수행할 수 있는 방법이 있습니까?
표준 Fit Model 모듈을 사용하여 이 두 가지 문제를 모두 해결할 수 있지만 DSD의 이점을 놓치고 있는 것 같습니다. 응답해 주셔서 감사합니다! 저는 JMP 15.2를 사용 중입니다. 표를 게시하는 것이 도움이 된다면 기쁘게 생각합니다.
암사슴Re: 최종 선별 설계에서 반복실험 및 실패한 실행을 처리하는 방법첫째, 나는 당신의 데이터를 보지 않았으므로 당신이 설명하는 실패 모드를 복제할 수 없습니다...하지만 당신은 운이 좋지 않다고 생각합니다. DSD의 기능을 얻으려면 각 치료 조합에 대한 모든 응답이 필요합니다. Fit Definitive Screening 스크립트에서 규정한 대로 2단계 분석을 위한 매우 경제적이고 정보가 가득한 디자인입니다. 여기 내 일반적인 제안이 있습니다. 다시 한 번 귀하의 데이터를 검토하지 않았습니다. 하지만 적어도 한 번 시도해 보겠습니다... DSD 분석 워크플로에서 도달한 것과 동일한 결론으로 되돌아갈 수 있습니다.
Fit Model 플랫폼을 사용해야 합니다. 모든 복제물을 '있는 그대로' 포함합니다. 통계적이든 실제적이든... 해당 지점 간의 변동에 유용한 정보가 있을 수 있습니다. DSD 분석 워크플로는 DSD 접근 방식의 이점을 실현하기 위해 효과 희소성을 가정하기 때문에... 먼저 주 효과 전용 모델을 피팅하고 어떤 효과가 활성화되는지 확인하겠습니다. 누락된 치료 조합이 이러한 활성 주요 효과를 찾는 데 너무 많은 상처를 주지 않기를 바랍니다. 활성 주효과를 얻었으면 이제 활성 주효과와 해당 주효과 항을 포함하여 가능한 모든 2요인 상호작용이 있는 모형을 적합합니다. 그 모델에 맞게... 그리고 그것이 당신에게 말하는 것을 보십시오.
이 2단계 접근 방식은 Fit Definitive Screening 분석 플랫폼이 하는 일을 개념적으로 모방합니다. 이 접근 방식이 당신과 가까워 질 수 있다고 생각합니까?
나는 다른 사람들이 무엇을 좋아하는지보고 싶습니다. @markbailey 또는 @statman 생각할지도 모른다?
Re: 최종 선별 설계에서 반복실험 및 실패한 실행을 처리하는 방법내 생각:
1. 응답 변수: "완료 시간" 이외의 다른 것을 측정할 수 있습니까? 예를 들어, 'x' 시간 후 완료 또는 화학 반응의 %.... 즉, 현상을 측정하는 다른 방법입니다.
2. 이것은 최적성을 염두에 둔 모든 DOE 전략에 대한 우려 사항입니다. 손실/누락/비정형 데이터에 더 취약합니다.
3. 누락된 데이터를 대체하는 방법(이에 대한 몇 가지 아이디어가 있지만 누락된 데이터가 많을수록 덜 유용함)?
- 데이터 세트의 평균 사용
- 예측 데이터 사용(이러한 예측이 사전에 수행되기를 바랍니다.
- 보유하고 있는 데이터에 대한 회귀 및 모델을 사용하여 누락된 데이터 예측(적합 모델 플랫폼 사용)
- 위의 모든 작업을 수행하고 결과를 비교합니다....그들이 어느 정도 동의하면 결과 분석에 대해 더 큰 확신을 갖게 되고, 그렇지 않으면 무엇을 배웠고 다음 반복이 되어야 하는지를 결정해야 합니다.
4. "우리는 각 실행 조건에 대해 8번의 복제를 실행했습니다"라는 문구가 약간 혼란스럽습니다. 복제 또는 반복? 그들은 독립적인 치료였습니까? 그것들이 정말로 복제이고 8개의 복제가 모두 반응하지 않았다면(4번), 무엇을 배웠습니까?
Re: 최종 선별 설계에서 반복실험 및 실패한 실행을 처리하는 방법Fit Definitive Screening이 다음을 수행하는지 확인하고 싶습니다. ~ 아니다 결측값이 있거나 최종 선별 설계에서 삭제 또는 제외된 런이 있는 경우 작동합니다. 전문적인 분석은 접는 구조 분석을 위한 모델 행렬을 구성할 때 설계 행렬의 (Fit Definitive Screening을 다음과 함께 사용할 수 있습니다. 어느 접이식 디자인!)
반응 없이 실행에 대한 누락된 값을 완료 시간에 대한 매우 큰 숫자로 대체할 수 있는지 궁금합니다. 이 기록은 숫자 트릭입니다. 일부 실행이 본질적으로 무한한 시간이 소요되는 분석을 진행하기를 원하지만 이를 유한한 숫자로 표현합니다. 예를 들어 반응 시간이 5분에서 2시간 사이인 경우 결측값 대신 1000에서 100000 사이의 값을 사용할 수 있습니다. 효과가 있나요? 나는 당신의 실험을 가능한 한 많이 되찾기 위해 노력하고 있습니다.
추가 실행이 실제로 복제됩니까? 즉, 단순히 단일 실행의 반복 측정이 아닙니다. Time to Completion은 그들이 진정한 복제물이어야 한다고 생각합니다. 단지 확인만 하면 됩니다. 그렇다면 개별 복제물을 포함할 것이며 평균은 포함하지 않을 것입니다. 그러나 반대 주장은 평균과 표준 편차를 추정하고 이를 모델링하여 최소 평균 시간과 시간의 최소 변동을 모두 제공하는 조건을 찾을 수 있다는 것입니다.
마지막으로 Fit Definitive Screening은 훌륭하고 전문화된 도구라는 것입니다. 그것은 실제로 모델 선택에 관한 것이며 그것이 어디까지나 마찬가지입니다. 최고의 선형 모델을 선택하기 위한 다른 많은 도구가 있습니다.
Re: 최종 선별 설계에서 반복실험 및 실패한 실행을 처리하는 방법안녕 @markbailey , @statman , @P_바텔 ,
생각해주셔서 감사합니다! 도움이된다면 내가보고있는 것을 복제 할 수 있도록 데이터 테이블을 첨부했습니다. 현재 "시간" 열에 값이 없는 셀은 실패한 실행입니다. 값이 없으면 Fit Definitive Screen 스크립트가 실행되지 않습니다. 해당 행/실행을 제외하면 스크립트가 여전히 실행되지 않습니다. 임의의 값을 할당하면 실행됩니다. 나는 어떤 실행도 제외하지 않는 것이 최선이고 이것이 모델에 해를 끼칠 것이라는 것을 알고 있지만 테이블을 생성할 때 8개의 추가 실행을 추가했기 때문에 4개를 실패로 잃어도 여전히 작동할 수 있기를 바랐습니다. 스크립트가 시도조차 하지 않는다는 사실에 놀랐습니다! 나는 접근 방식을 시도하여 시작했습니다. @P_바텔 제안했고 거기에도 질문이 있지만 그것은 아마도 다른 스레드여야 하고 먼저 그것에 대해 더 많은 시간을 보내고 싶습니다. 다른 질문에 답하려면 다음 단계를 따르세요.
- 예, "완료 시간"과 다른 측정항목을 사용해 볼 수 있습니다. 내가 생각할 수 있는 유일한 것은 "실험에 남은 시간"이며 그 값을 최대화하려고 합니다(실패한 실행의 경우 0이 됨). 이것은 최대에 도달할 때까지 시간이 지남에 따라 증가해야 하는 신호를 생성하는 생화학 반응입니다. 실패한 실행에서는 신호가 생성되지 않았으므로 사용할 다른 값이 없습니다.
- 실험 기간보다 큰 숫자 또는 매우 큰 숫자(작동하지 않았기 때문에 무한대 시간 근사치)와 같이 실패한 실행에 값을 할당하려고 시도했지만, 이러한 값은 실제로 모델을 왜곡하고 모든 다른 데이터 포인트는 덜 영향을 미칩니다.
- 명확히 하자면, 제 반복실험은 동일한 실행에 대한 다중 측정이 아니라 실행 조건의 반복입니다. 따라서 총 31*8 = 248개의 반응을 실행했습니다. 이러한 반응에는 자연적으로 약간의 가변성이 있으므로 복제가 중요합니다. 현재 표에 있는 값은 8회 실행의 평균입니다. 각 실행의 데이터를 모델에 포함하는 것이 어느 정도 가치가 있다고 생각했지만 테이블에 추가 실행을 추가하려고 하면 Fit Definitive Screening 스크립트가 실행되지 않습니다.
- "실패에서 무엇을 배웠습니까?" 해결: 실패한 실행을 보면 4개 중 3개가 Low Mg와 High Log2X1의 조합을 가지고 있습니다. 이것은 반응에 해로울 것으로 예상되어 이 조합을 사용할 수 없도록 제약 조건을 설정하는 것을 고려했지만 DSD에서 허용하지 않았습니다. 맞춤 DOE를 수행했다면 이 제약 조건을 설정했을 것입니다. (하지만 Low Mg 및 High Log2X1이 작동하는 경우가 있으므로 이것이 보장된 실패는 아닙니다).
지금은 개별 복제 데이터를 포함하여 실패한 실행을 제외하고 Fit Definitive Screening 스크립트를 사용하지 않음으로써 이 데이터를 모델링하려고 합니다.
Re: 최종 선별 설계에서 반복실험 및 실패한 실행을 처리하는 방법빠른 질문: 시간의 변화가 과학적으로 얼마나 의미가 있습니까(또는 실제적인 의미)?
Re: 최종 선별 설계에서 반복실험 및 실패한 실행을 처리하는 방법5분 이상이면 관심을 가질 것입니다. 3개의 블록/운영자에 대한 "중간점" 분석의 경우 16분, 25분, 25분에 완료되었습니다(한 명의 운영자가 어떻게든 훨씬 더 빨랐다는 점 자체가 약간 우려됨).
이러한 조건의 대부분은 그보다 훨씬 더 나쁩니다. 그러나 우리는 타이밍을 개선하는 데 도움이 될 수 있는 요소를 식별하기를 희망했습니다.
Re: 최종 선별 설계에서 반복실험 및 실패한 실행을 처리하는 방법고정 효과로 블록을 포함하고 블록별로 몇 가지 분석(핏 모델)을 실행했습니다. 첨부된 데이터 시트. 분석은 포화된 모델을 사용하고 있으며 축소되지 않았습니다. 예, 블록 효과는 상당히 어려울 수 있습니다... 많은 질문을 하게 됩니다.
Re: 최종 선별 설계에서 반복실험 및 실패한 실행을 처리하는 방법감사합니다 @statman ! 저는 DOE 모델링에 상당히 익숙하므로 스크립팅한 모델에 대한 나만의 방법을 찾으려고 노력하지만 고정 효과로 블록이 있는 전체 데이터 세트를 사용하는 데 집중하고 복제 데이터를 포함하는 것이 도움이 되는 것 같습니다. 개별 블록 모델 간의 차이점은 확실히 중요합니다. 도움을 주신 모든 분들께 감사드립니다.
Re: 최종 선별 설계에서 반복실험 및 실패한 실행을 처리하는 방법안녕 @statman , 모든 데이터와 효과로 블록을 포함하여 제공한 모델은 시스템에 대해 우리가 알고 있는 것으로부터 의미가 있습니다. 나는 당신의 모델을 다시 만들려고 노력했지만 어려움을 겪고 있습니다. 특히 당신이 어떻게 2차 상호작용과 요인의 하위 집합(pH, Mg, Log2X2, Log25X3)에 대한 2차 효과를 보기로 결정했는지 잘 모르겠습니다. 우리가 기대했던 멋진 곡률.
나는 전략을 시도했다. @P_바텔 위에서 언급한 - 주요 효과를 선별한 다음 가능한 모든 요인 조합과 교차합니다. 또한 몇 가지 다른 방법으로 단계적 선형 회귀를 사용해 보았습니다. 하지만 당신이 제공한 것만큼 예측할 수 있는 것은 없었고, 당신이 어떻게 거기에 도달했는지 알고 싶습니다. 사고 과정에 대한 모든 통찰력을 주시면 감사하겠습니다! 또는 내가 읽어야 할 특정 도움말 페이지가 있으면 알려주십시오.
Re: 최종 선별 설계에서 반복실험 및 실패한 실행을 처리하는 방법DOE 데이터를 분석할 때 내 생각 프로세스는 포화된 모델로 시작하는 것입니다. 이것을 빼기 모델 구축에 대한 접근 방식(대. 단계적 접근 방식과 같은 추가 접근 방식). 포화 모델은 모든 자유도가 할당된 경우입니다. 귀하의 경우 블록을 고정 효과로 취급하고 블록별 상호 작용을 포함합니다. 결과를 분석할 때는 먼저 각 요인(모형항)이 어떤 실질적인 영향을 미치는지 생각하고 통계적 유의성을 살펴봅니다. 중요하지 않은 항목을 제거한 다음 축소된 모델을 다시 실행하고 잔차를 분석합니다. 귀하의 데이터 세트에 대한 실질적인 중요성을 모르므로 모델을 축소할 수 없습니다.
