Necesita ayuda con el análisis de datos DoE factorial completo 3x3x3¡Hola!
Soy nuevo en la comunidad y me gustaría obtener algunos consejos sobre el resultado de los datos después de completar el experimento DoE (factorial completo 3x3x3).
Tengo tres factores (cloruro de sodio, citrato de sodio y glicina) y probado en 3 niveles (cloruro de sodio 0,100,200 mM, citrato de sodio 0,50,100 mM y glicina 0,50,100 mM). Probado las 27 carreras. La respuesta es el % de intensidad de monómero. Idealmente, quiero alcanzar cerca del 100 % en la intensidad del monómero en función de estos tres factores.
Sin embargo, al final del experimento, los datos no muestran una tendencia clara (el valor de p más bajo fue 0,27 para el cloruro de sodio y el segundo valor de p más bajo fue 0,28 para el cloruro de sodio*citrato de sodio). Todo lo demás (glicina y otras interacciones bidireccionales) tiene al menos un valor P de 0,5 (glicina a 0,9).
¿Cómo puedo interpretar estos datos si el resultado no estuvo cerca del 100 % de monómero?Sospecho que el nivel más alto para cada factor no fue lo suficientemente alto para generar datos más útiles. Quizás ninguno de estos factores tiene un gran impacto en la mejora del % de monómero.
Por favor, hágame saber cómo interpretar estos datos en función del resultado (archivo JMP adjunto). ¿Cómo puedo sacar conclusiones en base al resultado?
¡Gracias!
AnalíticaTabla de datosGAMARe: Necesito ayuda con el análisis de datos DoE factorial completo 3x3x3¿Qué se esperaría de la variación en la respuesta si nada cambiara? Es decir, si todos los factores se mantuvieran constantes, ¿cuánto variaría la respuesta en ejecuciones repetidas? La tabla Summary of Fit estima que la desviación estándar de la respuesta es del 12 %. ¿Ese resultado tiene sentido o te sorprende?
Una gráfica de los residuos del modelo completo sugiere que la varianza de la respuesta no es constante en todo el rango de la respuesta. La varianza parece ser proporcional a la respuesta. ¿Es posible ese caso?
Probé una transformación de Box-Cox de la respuesta con lambda = -1, o recíproco. Realmente no ayudó. Pero la función es muy plana, así que no esperaba mucho cambio.
El residual estudentizado a lo largo del tiempo (suponiendo que el orden de las filas es el orden de ejecución) no sugiere un fuerte valor atípico, pero sugiere un ciclo potencial. ¿Podría haber una variable al acecho que no se controló, no se midió, pero que podría haber variado de ejecución en ejecución y afectado la respuesta?
También pensé que podrían estar presentes fuertes efectos no lineales, pero agregar términos cuadráticos no mejoró el modelo.
¿Es posible que los datos de la respuesta se hayan ingresado en las filas incorrectas?
Re: Necesito ayuda con el análisis de datos DoE factorial completo 3x3x3Además de todos @markbailey Los pensamientos de los cuales estoy de acuerdo, otra observación que veo... en el diseño tiene muchas combinaciones de tratamiento donde uno e incluso a veces dos de los factores se establecen en valores 'cero'. ¿Estoy interpretando esto como ausencia total del juicio, reacción (si ese es el tipo de sistema en juego aquí)? A veces, en los sistemas químicos, la ausencia total de uno o más compuestos/ingredientes/sustancias químicas puede inducir un comportamiento físico/químico/biológico completamente diferente del comportamiento que está tratando de caracterizar. ¿Podría ser eso lo que está pasando aquí? Con algo en la reacción que 'falta', un fenómeno físico completamente diferente está en juego en comparación con las combinaciones de tratamiento donde los tres ingredientes están incluidos en la combinación de tratamiento. El conocimiento y la comprensión del proceso son clave aquí.
Re: Necesito ayuda con el análisis de datos DoE factorial completo 3x3x3Hola P_Bartell,
¡Gracias por su respuesta!
Sí, estás en lo correcto. En este estudio, los valores cero significan ausencia total del juicio.
El equipo quería ver si podíamos mejorar el % de monómero de la muestra introduciendo las tres combinaciones (con varias concentraciones), dos combinaciones o solo un factor en la muestra. Tuvimos un experimento la última vez en el que el cloruro de sodio realmente mejoró el % de monómero de la muestra, pero el resultado fue un 50 % de monómero a 500 mM de NaCl, aproximadamente un 47 % a 150 mM de NaCl a partir de un 20 % de monómero sin adición de sal. La aplicación de NaCl 100 mM a la muestra la última vez nos dio aproximadamente un 38 % de monómero (una ligera mejora con respecto al 20 %). El equipo también estaba interesado en ver si existe alguna relación entre dos factores (o los tres).
Me pregunto si el equipo seleccionó la concentración incorrecta para cada factor para este experimento.
¡Gracias por tus comentarios!
Re: Necesito ayuda con el análisis de datos DoE factorial completo 3x3x3Hola markbailey,
¡Gracias por su respuesta! Este es un estudio muy interesante porque vimos una mejora en el % de monómero cuando agregamos varias concentraciones de cloruro de sodio a la muestra (del 20 % sin cloruro de sodio a aproximadamente el 50 % de monómero con 500 mM). Por lo tanto, estábamos muy interesados en ver si podíamos mejorar la intensidad del % de monómero al agregar no solo el cloruro de sodio en sí, sino otros tipos de productos químicos (ya sea un factor a la vez o una combinación de factores).
Durante la ejecución de DoE, el % de intensidad de monómero fluctúa entre un 5 y un 10 %. Esto se debe a que el instrumento es muy sensible incluso para partículas grandes o dímeras. Además, la muestra que elegimos para el estudio ya es inestable (17-20 % de monómero). El instrumento mide un total de 10 veces y toma el promedio para convertirlo en 1 medición. Tomé dos medidas y tomé el promedio de las dos. Si el % de monómero me dio 30% en el primero y 55%, vuelvo a hacer la medición y comparo la medición con los datos anteriores (incluidas esas 10 mediciones separadas). Luego, si la medición repetida mostró alrededor del 28 % y luego el 32 %, simplemente elimino el 55 % de la ecuación.
Mencionaste eso La tabla Resumen de ajuste estima que la desviación estándar de la respuesta es del 12 %. Creo que esto tiene sentido para mí dado que la muestra ya no es demasiado estable. Tal vez debería haberme centrado más en concentraciones de sal mucho más altas (hay un artículo que sugiere que puede ser necesaria una alta concentración de sal para optimizar el % de monómero).
¡Esto es muy útil! Tal vez debería hacer una prueba rápida con cada sal hasta 500 mM en lugar de 100 mM.
Re: Necesito ayuda con el análisis de datos DoE factorial completo 3x3x3Hola markbailey,
Agregué dos mediciones por muestra al archivo JMP y adjunté el archivo a este mensaje (este experimento se realizó en el orden de las filas).
Usé Fit Model para probar el % de monómero 1 y el % de monómero 2. Observé algunas mejoras en el valor P en Resumen de efectos, pero creo que necesito probar un nivel más alto que el cloruro de sodio 200 mM, el citrato de sodio 100 mM o la glicina 100 mM.
Eche un vistazo a este archivo y avíseme si puede proporcionarme algún comentario sobre el resultado de los datos o una recomendación para el experimento futuro.
¡Gracias!
Re: Necesito ayuda con el análisis de datos DoE factorial completo 3x3x3Parece haber una amplia gama de resultados para las mismas condiciones:
¿Son los dos resultados para cada condición/tratamiento dos corridas independientes o dos medidas para una corrida? Me pregunto si es un error de medición, no un error de experimento. Me refiero a error en el sentido estadístico (variación aleatoria). No quiero decir que se haya cometido un error.
También probé el modelo factorial completo con la esperanza de que pudiera sugerir algunos efectos fuertes. Entonces podrían eliminarse los efectos más débiles y surgiría una imagen más clara. Pero en lugar de eso, obtuve una importante falta de ajuste.
Esta prueba compara la estimación de la variación aleatoria en la respuesta usando el error de la suma de los cuadrados del modelo con la estimación de las réplicas. Nuevamente, no sé si las dos respuestas para cada tratamiento representan una replicación (nueva ejecución) o una medición repetida de la misma ejecución. La suma total del error de los cuadrados es del modelo. El error puro es de las 'réplicas'. Puede ver que la diferencia es grande y sugiere que quedan efectos no contabilizados en los datos. ¿El efecto de una variable al acecho?
Re: Necesito ayuda con el análisis de datos DoE factorial completo 3x3x3Primero me gustaría agregar mi bienvenida a la comunidad.
Mark y Pete han brindado excelentes comentarios y no estoy seguro de poder agregar mucho, pero aquí están mis pensamientos:
1. Mencionas la inestabilidad un par de veces en tus publicaciones. Lo que estás tratando de hacer, creo, es la optimización. Esto solo debe hacerse en procesos estables ya que la optimización será diferente bajo diferentes "niveles de estabilidad". ¿Quizás debería experimentar (o probar) para entender por qué hay inestabilidad primero? Además, la configuración del nivel sugiere que todavía se encuentra en el espacio de "comprensión de la estructura causal", no en el espacio de optimización (ya debe conocer el modelo de primer orden). Esto es similar a mapear la base de la montaña. Primero llega a la cima de la montaña, luego mapéala.
2. ¿Parece que estás en el mundo de las mezclas donde hay una restricción en el % de cada componente en el "lote"? A medida que aumenta la cantidad de 1 componente en la mezcla, tendrá que disminuir la cantidad de otro... tienen que sumar 100%
3. Debe ser consciente de lo que "crea" las estimaciones de MSE al interpretar los valores de p. En su experimento no hay grados de libertad para estimar errores aleatorios. No tiene replicación, por lo que el MSE es una función de efectos de orden superior en su diseño (p. ej., interacciones cuadráticas por lineales). Si están activos, entonces su MSE será grande y sus valores F serán pequeños y sus valores p serán grandes. Si vuelve a ejecutar varias de las pruebas "idénticas" de su primer experimento, ¿qué obtiene?
4. La variabilidad en sus datos explicada por su modelo es bastante baja (y sus residuales se ven "raros"). Esta es una pista de que hay ruido (variables que no se tienen en cuenta en su modelo) que pueden explicar la variación. Esto podría ser un error de medición, condiciones ambientales, configuración, variación de materia prima, etc.
