Benötigen Sie Hilfe bei der vollfaktoriellen 3x3x3-DoE-DatenanalyseHallo!
Ich bin neu in der Community und möchte nach Abschluss des DoE-Experiments (3x3x3 vollfaktoriell) Ratschläge zu den Datenergebnissen erhalten.
Ich habe drei Faktoren (Natriumchlorid, Natriumcitrat und Glycin) und 3 Konzentrationen getestet (0,100,200 mM Natriumchlorid; 0,50,100 mM Natriumcitrat; und 0,50,100 mM Glycin). Alle 27 Läufe getestet. Die Antwort ist die %Monomerintensität. Idealerweise möchte ich basierend auf diesen drei Faktoren eine Monomerintensität von nahezu 100 % erreichen.
Am Ende des Experiments weisen die Daten jedoch keinen klaren Trend auf (der niedrigste p-Wert war 0,27 für Natriumchlorid und der zweitniedrigste p-Wert war 0,28 für Natriumchlorid*Natriumcitrat). Alles andere (Glycin und andere Zweiwege-Wechselwirkungen) hat mindestens einen P-Wert von 0,5 (Glycin bei 0,9).
Wie kann ich diese Daten interpretieren, wenn das Ergebnis nicht nahe an 100 % Monomer liegt?Ich vermute, dass das höchste Niveau für jeden Faktor nicht hoch genug war, um nützlichere Daten zu generieren. Vielleicht hat keiner dieser Faktoren einen großen Einfluss auf die prozentuale Monomerverbesserung.
Bitte lassen Sie mich wissen, wie diese Daten basierend auf dem Ergebnis zu interpretieren sind (Datei JMP im Anhang). Wie kann ich aus dem Ergebnis Rückschlüsse ziehen?
Danke!
AnalytikDatentabelleDAMHIRSCHKUHBetreff: Benötigen Sie Hilfe bei der vollfaktoriellen 3x3x3-DoE-DatenanalyseWas würde man von der Variation in der Antwort erwarten, wenn sich nichts ändert. Das heißt, wenn alle Faktoren konstant gehalten würden, um wie viel würde die Reaktion bei wiederholten Durchläufen variieren? In der Tabelle „Summary of Fit“ wird die Standardabweichung der Antwort auf 12 % geschätzt. Macht das Ergebnis Sinn oder überrascht es Sie?
Ein Diagramm der Residuen aus dem vollständigen Modell legt nahe, dass die Varianz der Antwort nicht über den gesamten Bereich der Antwort konstant ist. Die Varianz scheint proportional zur Antwort zu sein. Ist dieser Fall möglich?
Ich habe eine Box-Cox-Transformation der Antwort mit Lambda = -1 oder reziprok versucht. Es hat nicht wirklich geholfen. Aber die Funktion ist sehr flach, daher habe ich nicht viel Änderung erwartet.
Das studentisierte Residuum im Laufe der Zeit (unter der Annahme, dass die Zeilenreihenfolge die Ausführungsreihenfolge ist) deutet nicht auf einen starken Ausreißer hin, aber es deutet auf einen potenziellen Zyklus hin. Könnte es eine lauernde Variable geben, die nicht kontrolliert, nicht gemessen wurde, aber von Lauf zu Lauf variiert und die Reaktion beeinflusst haben könnte?
Ich dachte auch, dass starke nichtlineare Effekte vorhanden sein könnten, aber das Hinzufügen quadratischer Terme hat das Modell nicht verbessert.
Kann es sein, dass die Daten für die Antwort in den falschen Zeilen eingetragen wurden?
Betreff: Benötigen Sie Hilfe bei der vollfaktoriellen 3x3x3-DoE-DatenanalyseNeben allen @markbailey 's Gedanken, denen ich zustimme, eine weitere Beobachtung, die ich sehe ... im Design gibt es viele Behandlungskombinationen, bei denen einer und manchmal sogar zwei der Faktoren auf "Null" -Werte gesetzt sind. Ich interpretiere das als völlige Abwesenheit vom Prozess, Reaktion (wenn das die Art von System ist, die hier im Spiel ist)? Manchmal kann in chemischen Systemen das völlige Fehlen einer oder mehrerer Verbindungen/Inhaltsstoffe/Chemikalien ein völlig anderes physikalisches/chemisches/biologisches Verhalten hervorrufen als das Verhalten, das Sie zu charakterisieren versuchen. Könnte das sein, was hier vor sich geht? Wenn etwas in der Reaktion „fehlt“, ist ein völlig anderes physikalisches Phänomen im Spiel als bei den Behandlungskombinationen, bei denen alle drei Bestandteile in der Behandlungskombination enthalten sind. Prozesswissen und -verständnis sind hier entscheidend.
Betreff: Benötigen Sie Hilfe bei der vollfaktoriellen 3x3x3-DoE-DatenanalyseHallo P_Bartel,
Danke für Ihre Antwort!
Ja du hast Recht. In dieser Studie bedeuten Nullwerte völlige Abwesenheit von der Studie.
Das Team wollte sehen, ob wir den Prozentsatz des Monomers in der Probe verbessern können, indem wir entweder alle drei Kombinationen (mit verschiedenen Konzentrationen), zwei Kombinationen oder nur einen Faktor in die Probe einbringen. Wir hatten letztes Mal ein Experiment, bei dem das Natriumchlorid tatsächlich den prozentualen Anteil an Monomer der Probe verbesserte, aber das Ergebnis war 50 % Monomer bei 500 mM NaCl, etwa 47 % bei 150 mM NaCl aus 20 % Monomer ohne Salzzugabe. 100 mM NaCl zur Probe beim letzten Mal ergaben etwa 38 % Monomer (leichte Verbesserung gegenüber 20 %). Das Team war auch daran interessiert zu sehen, ob es einen Zusammenhang zwischen zwei Faktoren (oder allen dreien) gibt.
Ich frage mich, ob das Team für dieses Experiment die falsche Konzentration für jeden Faktor ausgewählt hat.
Vielen Dank für dein Feedback!
Betreff: Benötigen Sie Hilfe bei der vollfaktoriellen 3x3x3-DoE-DatenanalyseHallo markbailey,
Danke für Ihre Antwort! Dies ist eine sehr interessante Studie, da wir eine Verbesserung des prozentualen Monomergehalts sahen, als wir der Probe verschiedene Natriumchloridkonzentrationen hinzufügten (von 20 % ohne Natriumchlorid bis etwa 50 % Monomer mit 500 mM). Wir waren also sehr daran interessiert zu sehen, ob wir die prozentuale Monomerintensität verbessern können, indem wir nicht nur Natriumchlorid selbst, sondern andere Arten von Chemikalien (entweder jeweils einen Faktor oder eine Mischung von Faktoren) hinzufügen.
Während des DoE-Laufs schwankt die prozentuale Monomerintensität um etwa 5–10 %. Dies liegt daran, dass das Instrument selbst für dimere oder große Partikel sehr empfindlich ist. Außerdem ist die Probe, die wir für die Studie ausgewählt haben, bereits instabil (17–20 % Monomer). Das Instrument misst insgesamt 10 Mal und nimmt daraus den Durchschnitt, um es als 1 Messung zu machen. Ich habe zwei Messungen gemacht und daraus den Durchschnitt genommen. Wenn der %-Monomer mir 30 % beim ersten und 55 % gab, wiederhole ich die Messung und vergleiche die Messung mit den vorherigen Daten (einschließlich dieser 10 separaten Messungen). Wenn dann die Wiederholungsmessung etwa 28 % und dann 32 % ergab, entferne ich einfach 55 % von der Gleichung.
Das hast du erwähnt Die Tabelle „Summary of Fit“ schätzt die Standardabweichung der Antwort auf 12 %. Ich denke, das macht für mich Sinn, da die Probe bereits nicht zu stabil ist. Vielleicht hätte ich mich mehr auf viel höhere Salzkonzentrationen konzentrieren sollen (es gibt ein Papier, das darauf hindeutet, dass eine hohe Salzkonzentration erforderlich sein kann, um den Prozentsatz an Monomer zu optimieren).
Das ist sehr hilfreich! Vielleicht sollte ich einen Schnelltest mit jedem Salz von bis zu 500 mM anstelle von 100 mM durchführen.
Betreff: Benötigen Sie Hilfe bei der vollfaktoriellen 3x3x3-DoE-DatenanalyseHallo markbailey,
Ich habe der JMP-Datei zwei Messungen pro Probe hinzugefügt und die Datei an diese Nachricht angehängt (dieses Experiment wurde in der Reihenreihenfolge durchgeführt).
Ich habe Fit Model verwendet, um auf % Monomer 1 und % Monomer 2 zu testen. Ich habe eine gewisse Verbesserung des P-Werts unter Wirkungszusammenfassung gesehen, aber ich denke, ich muss auf höhere Konzentrationen als 200 mM Natriumchlorid, 100 mM Natriumcitrat oder 100 mM Glycin testen.
Bitte werfen Sie einen Blick auf diese Datei und lassen Sie mich wissen, ob Sie mir Feedback zu den Datenergebnissen oder eine Empfehlung für das zukünftige Experiment geben können.
Danke!
Betreff: Benötigen Sie Hilfe bei der vollfaktoriellen 3x3x3-DoE-DatenanalyseEs scheint eine große Bandbreite an Ergebnissen für dieselben Bedingungen zu geben:
Sind die beiden Ergebnisse für jede Bedingung / Behandlung zwei unabhängige Läufe oder zwei Messungen für einen Lauf? Ich frage mich, ob es ein Messfehler ist, kein Experimentfehler. Ich meine Fehler im statistischen Sinne (zufällige Variation). Ich meine nicht, dass ein Fehler gemacht wurde.
Ich habe auch das vollfaktorielle Modell ausprobiert, in der Hoffnung, dass es einige starke Effekte vermuten lässt. Die schwächeren Effekte könnten dann entfernt werden und ein klareres Bild würde entstehen. Aber stattdessen bekam ich einen erheblichen Mangel an Passform.
Dieser Test vergleicht die Schätzung der zufälligen Streuung in der Antwortvariablen unter Verwendung des Fehlers der Summe der Quadrate aus dem Modell mit der Schätzung aus den Wiederholungen. Auch hier weiß ich nicht, ob die beiden Reaktionen für jede Behandlung eine Replikation (neuer Lauf) oder eine wiederholte Messung desselben Laufs darstellen. Die Summe der Quadrate des Gesamtfehlers stammt aus dem Modell. Der reine Fehler kommt von den „Replikaten“. Sie können sehen, dass der Unterschied groß ist und darauf hindeutet, dass in den Daten unberücksichtigte Effekte verbleiben. Die Wirkung einer lauernden Variablen?
Betreff: Benötigen Sie Hilfe bei der vollfaktoriellen 3x3x3-DoE-DatenanalyseZuerst möchte ich der Community meinen Willkommensgruß hinzufügen.
Mark und Pete haben großartiges Feedback gegeben und ich bin mir nicht sicher, ob ich viel hinzufügen kann, aber hier sind meine Gedanken:
1. Sie erwähnen in Ihren Beiträgen ein paar Mal Instabilität. Was Sie zu tun versuchen, denke ich, ist Optimierung. Dies sollte nur bei stabilen Prozessen durchgeführt werden, da die Optimierung unter verschiedenen "Stabilitätsebenen" unterschiedlich ist. Vielleicht sollten Sie zuerst experimentieren (oder probieren), um zu verstehen, warum es zu Instabilität kommt? Auch die Ebeneneinstellung deutet darauf hin, dass Sie sich immer noch im Raum "Kausalstruktur verstehen" befinden, nicht im Optimierungsraum (Sie sollten das Modell erster Ordnung bereits kennen). Dies ist vergleichbar mit der Kartierung der Basis des Berges. Erreiche zuerst den Gipfel des Berges und kartiere ihn dann.
2. Es scheint, als wären Sie in der Welt der Mischungen, in denen der Prozentsatz jeder Komponente in der "Charge" eingeschränkt ist? Wenn Sie die Menge einer Komponente in der Mischung erhöhen, müssen Sie die Menge einer anderen verringern ... sie müssen sich zu 100 % addieren
3. Sie müssen sich darüber im Klaren sein, was die MSE-Schätzungen „erzeugt“, wenn Sie p-Werte interpretieren. In Ihrem Experiment gibt es keine Freiheitsgrade, um zufällige Fehler abzuschätzen. Sie haben keine Replikation, daher ist der MSE eine Funktion von Effekten höherer Ordnung in Ihrem Design (z. B. quadratisch-durch-lineare Wechselwirkungen). Wenn diese aktiv sind, dann ist Ihr MSE groß und Ihre F-Werte sind klein und Ihre p-Werte sind groß. Was erhalten Sie, wenn Sie mehrere der "identischen" Versuche aus Ihrem ersten Experiment erneut durchführen?
4. Die Variabilität in Ihren Daten, die durch Ihr Modell erklärt wird, ist ziemlich gering (und Ihre Residuen sehen "funky" aus). Dies ist ein Hinweis darauf, dass Rauschen (Variablen, die in Ihrem Modell nicht berücksichtigt werden) vorhanden ist, die möglicherweise für die Variation verantwortlich sind. Dies können Messfehler, Umgebungsbedingungen, Aufbau, Rohmaterialvariationen usw. sein.
