3x3x3 전체 요인 DoE 데이터 분석에 도움이 필요합니다.안녕하세요!
저는 커뮤니티에 처음이고 DoE(3x3x3 full factorial) 실험을 완료한 후 데이터 결과에 대한 조언을 얻고 싶습니다.
저는 세 가지 요소(염화나트륨, 시트르산나트륨, 글리신)가 있고 3가지 수준(0,100,200mM 염화나트륨, 0,50,100mM 시트르산나트륨, 0,50,100mM 글리신)에서 테스트했습니다. 27개의 모든 실행을 테스트했습니다. 응답은 %단량체 강도입니다. 이상적으로는 이 세 가지 요소를 기반으로 100%에 가까운 단량체 강도를 달성하고 싶습니다.
그러나 실험이 끝날 때 데이터에는 명확한 경향이 없습니다(최저 p 값은 염화나트륨의 경우 0.27이고 두 번째로 낮은 p 값은 염화나트륨*시트르산나트륨의 경우 0.28). 다른 모든 것(글리신 및 기타 양방향 상호작용)은 최소 0.5의 P 값(0.9의 글리신)을 갖습니다.
결과가 100% 단량체에 가깝지 않은 경우 이 데이터를 어떻게 해석할 수 있습니까?각 요인에 대한 최고 수준이 더 유용한 데이터를 생성할 만큼 높지 않은 것으로 의심됩니다. 아마도 이러한 요인 중 어느 것도 % 단량체 개선에 큰 영향을 미치지 않을 것입니다.
결과(파일 JMP 첨부)를 기반으로 이 데이터를 해석하는 방법을 알려주십시오. 결과를 바탕으로 어떻게 결론을 내릴 수 있습니까?
고맙습니다!
해석학데이터 테이블암사슴Re: 3x3x3 전체 요인 DoE 데이터 분석에 대한 도움이 필요합니다.아무 것도 변경되지 않은 경우 응답의 변동에 대해 어떻게 예상합니까? 즉, 모든 요인이 일정하게 유지된다면 반복 실행에서 반응이 얼마나 달라질까요? 적합치 요약 표는 반응의 표준 편차를 12%로 추정합니다. 그 결과가 의미가 있습니까? 아니면 놀랍습니까?
전체 모형의 잔차 그림은 반응의 분산이 반응의 전체 범위에서 일정하지 않음을 나타냅니다. 분산은 응답에 비례하는 것으로 보입니다. 그 경우가 가능한가요?
나는 람다 = -1 또는 역수를 사용하여 응답의 Box-Cox 변환을 시도했습니다. 정말 도움이되지 않았습니다. 하지만 기능은 매우 평면적이어서 큰 변화를 기대하지 않았습니다.
시간 경과에 따른 스튜던트화 잔차(행 순서가 실행 순서라고 가정)는 강력한 이상값을 제안하지 않지만 잠재적인 주기를 제안합니다. 통제되지 않고 측정되지 않았지만 실행에 따라 달라질 수 있고 반응에 영향을 미칠 수 있는 잠복 변수가 있을 수 있습니까?
나는 또한 강한 비선형 효과가 존재할 수 있다고 생각했지만 2차 항을 추가해도 모델이 향상되지 않았습니다.
응답에 대한 데이터가 잘못된 행에 입력되었을 수 있습니까?
Re: 3x3x3 전체 요인 DoE 데이터 분석에 대한 도움이 필요합니다.뿐만 아니라 모든 @markbailey 의 생각에 동의합니다. 제가 본 또 다른 관찰은... 설계에서 하나 또는 때로는 두 개의 요소가 '0' 값으로 설정되는 많은 치료 조합이 있습니다. 나는 이것을 재판에서 완전히 결석한 것으로 해석하고 있습니다. 반응(여기에서 작동하는 시스템 유형인 경우)? 때때로 화학 시스템에서 하나 이상의 화합물/성분/화학물질이 완전히 없으면 특성화하려는 행동과 완전히 다른 물리적/화학적/생물학적 행동을 유발할 수 있습니다. 여기에서 무슨 일이 일어나고 있는 걸까요? 반응에서 무언가가 '누락'되면 세 가지 성분이 모두 치료 조합에 포함되는 치료 조합과 비교할 때 완전히 다른 물리적 현상이 발생합니다. 프로세스 지식과 이해가 여기에서 중요합니다.
Re: 3x3x3 전체 요인 DoE 데이터 분석에 대한 도움이 필요합니다.안녕하세요 P_Bartell입니다.
당신의 응답을 주셔서 감사합니다!
그래 정확 해. 이 연구에서 값이 0이면 시험에서 완전히 결석했음을 의미합니다.
팀은 샘플에 세 가지 조합(다양한 농도 포함), 두 가지 조합 또는 한 가지 요소를 모두 도입하여 샘플 % 단량체를 개선할 수 있는지 확인하고 싶었습니다. 우리는 지난 시간에 염화나트륨이 샘플의 단량체 %를 실제로 개선한 실험을 했으나 결과는 염을 첨가하지 않은 20% 단량체에서 500mM NaCl에서 50% 단량체, 150mM NaCl에서 약 47%였습니다. 지난 번 샘플에 100mM NaCl은 약 38%의 단량체를 제공했습니다(20%에서 약간 개선됨). 팀은 또한 두 가지 요인(또는 세 가지 모두) 간에 관계가 있는지 확인하는 데 관심이 있었습니다.
이 실험을 위해 팀이 각 요인에 대해 잘못된 농도를 선택했는지 궁금합니다.
의견을 보내 주셔서 감사합니다!
Re: 3x3x3 전체 요인 DoE 데이터 분석에 대한 도움이 필요합니다.안녕하세요 마크베일리님
당신의 응답을 주셔서 감사합니다! 이것은 샘플에 다양한 염화나트륨 농도(염화나트륨이 없는 20%에서 500mM이 있는 약 50%의 모노머)를 추가했을 때 % 모노머가 개선되었음을 보았기 때문에 매우 흥미로운 연구입니다. 그래서 우리는 염화나트륨 자체뿐만 아니라 다른 유형의 화학 물질(한 번에 하나의 요소 또는 여러 요소의 혼합)을 추가하여 % 단위체 강도를 향상시킬 수 있는지 확인하는 데 매우 관심이 있었습니다.
DoE 실행 중에 % 단량체 강도는 약 5-10% 변동합니다. 기기가 이량체 또는 큰 입자에 대해 매우 민감하기 때문입니다. 또한 연구를 위해 선택한 샘플은 이미 불안정합니다(단량체 17-20%). 측정기는 총 10회 측정하고 그 평균을 취하여 1회 측정합니다. 나는 두 가지 측정을하고 두 가지의 평균을 취했습니다. % 단량체가 첫 번째 측정에서 30%, 55%를 제공했다면 측정을 다시 실행하고 측정을 이전 데이터(10개의 개별 측정 포함)와 비교합니다. 그런 다음 반복 측정에서 약 28%, 그 다음 32%가 표시되면 방정식에서 55%를 제거합니다.
당신은 그것을 언급 적합치 요약 표는 반응의 표준 편차를 12%로 추정합니다. 샘플이 이미 너무 안정적이지 않다는 점을 감안할 때 이것이 의미가 있다고 생각합니다. 아마도 훨씬 더 높은 염 농도에 더 집중했어야 했을 것입니다(단량체 %를 최적화하기 위해 높은 염 농도가 필요할 수 있다는 논문이 있습니다).
이것은 매우 도움이 됩니다! 아마도 100mM 대신 500mM만큼 높은 각 소금으로 빠른 테스트를 수행해야 할 것입니다.
Re: 3x3x3 전체 요인 DoE 데이터 분석에 대한 도움이 필요합니다.안녕하세요 마크베일리님
샘플당 두 개의 측정값을 JMP 파일에 추가하고 이 메시지에 파일을 첨부했습니다(이 실험은 행 순서대로 수행되었습니다).
Fit Model을 사용하여 % 단량체 1 및 % 단량체 2를 테스트했습니다. 효과 요약에서 P값이 약간 개선된 것을 보았지만 200mM 염화나트륨, 100mM 시트르산나트륨 또는 100mM 글리신보다 높은 수준을 테스트해야 한다고 생각합니다.
이 파일을 보고 데이터 결과에 대한 피드백이나 향후 실험에 대한 권장 사항을 알려주실 수 있는지 알려주십시오.
고맙습니다!
Re: 3x3x3 전체 요인 DoE 데이터 분석에 대한 도움이 필요합니다.동일한 조건에 대해 다양한 결과가 있는 것 같습니다.
각 조건/치료에 대한 두 개의 결과는 두 개의 독립적인 실행입니까 아니면 한 번의 실행에 대한 두 개의 측정값입니까? 실험오차가 아니라 측정오차인지 궁금합니다. 통계적 의미의 오류(무작위 변동)를 의미합니다. 실수가 있었다는 뜻이 아닙니다.
나는 또한 그것이 몇 가지 강력한 효과를 제안할 수 있기를 바라며 전체 요인 모델을 시도했습니다. 그러면 약한 효과가 제거되고 더 선명한 그림이 나타날 수 있습니다. 그러나 대신에 나는 적합성이 현저히 부족했습니다.
이 검정은 모형의 제곱합 오차를 사용하여 반응의 랜덤 변동 추정값을 반복실험의 추정값과 비교합니다. 다시 말하지만, 각 처리에 대한 두 가지 반응이 반복(새 실행) 또는 동일한 실행의 반복된 측정을 나타내는지 모르겠습니다. 총 오차 제곱합은 모델에서 가져온 것입니다. 순수한 오류는 '복제본'에서 발생합니다. 차이가 크며 데이터에 설명되지 않은 효과가 남아 있음을 알 수 있습니다. 잠복 변수의 영향?
Re: 3x3x3 전체 요인 DoE 데이터 분석에 대한 도움이 필요합니다.먼저 커뮤니티에 오신 것을 환영합니다.
Mark와 Pete는 훌륭한 피드백을 제공했으며 제가 더 많이 추가할 수 있을지 확신할 수 없지만 제 생각은 다음과 같습니다.
1. 게시물에서 불안정성을 몇 번 언급합니다. 당신이하려는 것은 최적화라고 생각합니다. 최적화는 "안정성 수준"에 따라 다르기 때문에 안정적인 프로세스에서만 수행해야 합니다. 먼저 불안정성이 있는 이유를 이해하기 위해 실험(또는 샘플)해야 할까요? 또한 레벨 설정은 최적화 영역이 아닌 "인과 구조 이해" 영역에 있음을 나타냅니다(이미 1차 모델을 알고 있어야 함). 이것은 산기슭을 매핑하는 것과 유사합니다. 먼저 산 정상에 도착한 다음 지도를 작성합니다.
2. "배치"에서 각 성분의 %에 대한 제약이 있는 혼합물의 세계에 있는 것 같습니까? 혼합물에서 한 성분의 양을 늘리면 다른 성분의 양을 줄여야 합니다...합산하여 최대 100%가 되어야 합니다.
3. p-값을 해석할 때 무엇이 MSE 추정치를 "생성"하는지 알고 있어야 합니다. 실험에는 무작위 오류를 추정할 자유도가 없습니다. 복제가 없으므로 MSE는 설계에서 고차 효과의 함수입니다(예: 2차 선형 상호 작용). 이것이 활성화되면 MSE는 크고 F 값은 작고 p 값은 커집니다. 첫 번째 실험에서 여러 "동일한" 시도를 다시 실행하면 무엇을 얻을 수 있습니까?
4. 모델에서 설명하는 데이터의 변동성은 매우 낮습니다(그리고 잔차는 "펑키"하게 보입니다). 이것은 변동을 설명할 수 있는 노이즈(모델에서 설명되지 않은 변수)가 있다는 단서입니다. 이것은 측정 오류, 주변 조건, 설정, 원자재 변동 등이 될 수 있습니다.
