Fragen zur Response Surface Methodology (Box-Behnken-Designmatrix)Guten Morgen,
Ich versuche derzeit, einige enzymatische Reaktionen mithilfe der Response Surface Methodology in einer konkreten Box-Behnken-Entwurfsmatrix zu optimieren.
Mithilfe des Programms wählen Sie Ihre unabhängigen Variablen oder Faktoren (pH-Wert, Temperatur, Enzymbelastung usw.) aus und weisen ihnen jeweils einen „niedrigen“ und „hohen“ Wert zu. Das Programm berechnet dann automatisch den „mittleren“ Wert.
Meine erste Frage ist, ob es möglich ist, diesen „mittleren“ Wert zu ändern. Mein unterster Wert für die Enzymbelastung beträgt 5 U/ml und mein oberer Wert 20. Der mittlere Wert sollte also 12,5 U/ml betragen. Ich habe meine „mittleren“ Reaktionen jedoch mit 10 U/ml durchgeführt. Das Programm ermöglicht es Ihnen, die vorgeschlagenen Werte sehr einfach zu ändern, und das habe ich getan. Ist das ein Problem? Ich gehe davon aus, dass das Programm, da es diese Änderungen zulässt, die Reaktionsbedingungen unter Berücksichtigung meines Wertes von 10 statt 12,5 optimiert.
Meine nächste Frage ist, ob ich mehr Reaktionen (mit unterschiedlichen Kombinationen der Faktoren) hinzufügen kann als die, die das Programm vorschlägt. Das liegt daran, dass ich vor der Gestaltung des Experiments mit dem Programm einige Reaktionen durchgeführt habe und ich habe Ergebnisse („Reaktionen“) für Reaktionen, die mit anderen Kombinationen der Variablen durchgeführt wurden als die, die das Programm vorschlägt. Ich weiß, dass die Gestaltung von Experimenten darauf abzielt, die Anzahl der Reaktionen zu minimieren, die zur Optimierung eines Prozesses erforderlich sind, aber da ich diese Werte bereits habe, denke ich, dass sie nützlich sein könnten, um das Vorhersagemodell zu verbessern.
Vielen Dank im Voraus.
Carlos
VersuchsplanungRe: Fragen zur Response Surface Methodology (Box-Behnken Design Matrix)Petes Rat ist richtig. Ich habe ein paar zusätzliche Gedanken ... ganz meine bescheidene Meinung, also solltest du sie vielleicht ignorieren.
1. Konzipierte Experimente sollen ein effektives und oft effizientes Mittel zum Verständnis kausaler Beziehungen zwischen unabhängigen Variablen und abhängigen Variablen bieten. Sobald Sie festgestellt haben, dass Sie über ein robustes Modell verfügen (d. h., Sie haben mit sich ändernden Rauschbedingungen experimentiert und die Ergebnisse konsistent sind), können Sie sich entscheiden, die Antwortfläche weiter zu verstehen. Dies kann in einem Design erfolgen, das eine ausreichende "Füllung" des Designraums bereitstellt, oder in sequentiellen Designs, die "additiv" sind (Box-Ansatz). Das Box-Behnken-Design ist besonders nützlich für Faktoren, die nicht an ihren Extremen ausgeführt werden können, sodass die Extreme aus dem Design ausgeschlossen werden.
2. Sie sind sich nicht sicher, warum Sie nicht einfach - und + gleich weit vom Mittelpunkt von 10 (5 und 15) entfernt platzieren? Ausgewogene Designs sind einfacher zu analysieren und möglicherweise weniger voreingenommen. Aber tun Sie das, was für Sie am sinnvollsten ist.
3. Pete hat Recht, es nützt nichts, ein komplexes Modell zu entwickeln, das gestern funktioniert hat, aber nicht morgen.
4. Ich würde an eine komplexe Oberfläche denken, die Sie abzubilden versuchen. So würde ich das auch analysieren. Sie kennen bereits die statistische Signifikanz (und sollten ein Modell erster Ordnung haben), also machen Sie jetzt die Feinabstimmung. Komplexität ist nicht unbedingt eine gute Sache, obwohl sie cool sein kann. Das Modell muss handhabbar sein.
Re: Fragen zur Response Surface Methodology (Box-Behnken Design Matrix)Sie werden nicht ins DOE-Gefängnis geworfen, wenn Sie die „mittleren“ Werte an einer Stelle platzieren, die nicht in der Mitte des Faktorraums liegt. Das hat ein bisschen was von „schädlich“, und das ist wahrscheinlich ein zu starkes Wort, um es in Bezug auf die Orthogonalität des Designs zu verwenden … aber es ist im Allgemeinen keine fatale Konsequenz.
Das Hinzufügen zusätzlicher Läufe zum Designbereich ist in JMP aus prozeduraler Sicht sehr gut möglich ... hat jedoch einige Annahmen, die damit einhergehen sollten ... wie das Vorhandensein oder Fehlen von Stör- / Rauschvariablen und deren Auswirkungen zwischen dem Kern Design und die zusätzlichen Läufe. Was sagt Ihnen Ihr Bauchgefühl dazu ... zum Beispiel verwenden Sie beim Kerndesign vielleicht die Materialien eines Lieferanten ... und bei den anderen Läufen haben Sie einen anderen Lieferanten verwendet. Sind Sie bereit anzunehmen, dass Materialunterschiede der Lieferanten keine Auswirkungen haben?
Diese zusätzlichen Läufe werden auch die Korrelation der Effekte im Kerndesign weiter beeinflussen und können zu einigen Korrelationen zwischen den Schätzungen führen, die Sie nicht erwartet haben. Bevor Sie also mit der Analyse fortfahren, möchten Sie vielleicht die Plattform zum Vergleichen von Entwürfen verwenden, um die Auswirkungen des Hinzufügens dieser Läufe zu bewerten ... auf die Plusgröße sollte die Leistung Ihres zusammengeführten Entwurfs steigen, wenn alle anderen Dinge gleich bleiben.
