Benötigen Sie Hilfe bei der 3x3x3 Full Factorial DoE-DatenanalyseHallo!
Ich bin neu in der Community und würde gerne Ratschläge zu den Datenergebnissen nach Abschluss des DoE-Experiments (3x3x3 vollfaktoriell) erhalten.
Ich habe drei Faktoren (Natriumchlorid, Natriumcitrat und Glycin) und habe sie in drei 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 betrug 0,27 für Natriumchlorid und der zweitniedrigste p-Wert betrug 0,28 für Natriumchlorid*Natriumcitrat. Alles andere (Glycin und andere Zwei-Wege-Wechselwirkungen) hat mindestens einen P-Wert von 0,5 (Glycin bei 0,9).
Wie kann ich diese Daten interpretieren, wenn das Ergebnis nicht annähernd dem 100 %-Monomer entsprach?Ich vermute, dass die höchste Stufe für jeden Faktor nicht hoch genug war, um nützlichere Daten zu generieren. Möglicherweise hat keiner dieser Faktoren einen großen Einfluss auf die prozentuale Monomerverbesserung.
Bitte lassen Sie mich wissen, wie ich diese Daten basierend auf dem Ergebnis interpretieren soll (Datei JMP im Anhang). Wie kann ich aus dem Ergebnis Rückschlüsse ziehen?
Danke schön!
Verbraucher- und MarktforschungVersuchsplanungBetreff: Benötige Hilfe bei der 3x3x3 Full Factorial DoE-DatenanalyseWenn die Probe instabil ist, ist die Zeit zwischen dem Ende des Laufs und der Messung konstant?
Die Auswahl der Faktoren ist im Hinblick auf die Suche nach Wirkungen offensichtlich von entscheidender Bedeutung. Vielleicht könnte ein „größeres Netz“ im Anschluss an ein Brainstorming oder eine Überprüfung einer Prozesskarte oder der chemischen Reaktion andere Faktoren identifizieren. Es ist zu einfach (das passiert ständig), zu glauben, dass man mehr weiß, als man wirklich weiß, weil sein Verständnis auf OFAT-Daten oder anekdotischen Erfahrungen basiert. Ein Zweck des Experiments besteht darin, möglichst viele Variablen im „System“ realistisch zu untersuchen, um herauszufinden, wie es tatsächlich funktioniert. Ich unterrichte und helfe Benutzern seit Jahrzehnten mit DOE und es ist meiner Erfahrung nach die Ausnahme, dass die Ergebnisse nicht überraschen und das Bekannte nicht in Frage stellen.
Ich bin mir nicht sicher, was Sie meinen, wenn Sie „“ sagen, aber Ihr DOE-Bereich sollte eine Veränderung der Reaktion zum Guten und zum Schlechten hervorrufen. Sie möchten den Bereich der Reaktion modellieren. Bei dem Experiment geht es NICHT darum, die optimalen Bedingungen zu finden oder den Gewinner unter den Behandlungen auszuwählen. Es geht darum, die besten Daten bereitzustellen, die Sie sich leisten können, um die Schätzung der Modellparameter zu unterstützen. Bei dem Modell geht es darum, die optimalen Bedingungen zu finden. Auch hier könnte es sein, dass ich Ihre Bedeutung falsch interpretiert habe.
Betreff: Benötige Hilfe bei der 3x3x3 Full Factorial DoE-DatenanalyseHallo @Mark_Bailey Es handelt sich um eine wiederholte Messung desselben Laufs. Bei jedem Lauf werden andere nützliche Informationen gemessen, nicht nur der Monomerprozentsatz, und ich hoffe, einige Antworten/Trends zu erhalten, sobald ich alle Antwortdaten in JMP eingebe. Aber ich denke, dass dies der Effekt einer lauernden Variablen sein könnte. Die Probe selbst ist instabil (wie Sie an Probe Nr. 111 mit ~30 % sehen können). Die ideale Stichprobe wäre 100 %.
Es könnte am Messfehler liegen oder diese Faktoren sind einfach nicht die richtige Wahl für diese Probe.
Möglicherweise sind diese Faktoren und Werte nicht die optimalsten Bedingungen.
Ich muss diese Daten noch genauer analysieren, aber vielen Dank für Ihr Feedback!
Betreff: Benötige Hilfe bei der 3x3x3 Full Factorial DoE-DatenanalyseIch bin mir nicht sicher, ob ich der Reihenfolge der Faktorstufen in „...ein Experiment letztes Mal...“ folge, aber es klingt auf jeden Fall nach „das Team?“ Vielleicht haben Sie ein wenig OFAT-Experimente ausprobiert und nach jedem Durchlauf Schlussfolgerungen gezogen ... eine Art Jagd nach etwas, das viel fruchtbarer wäre (Effizienz unter ihnen), unter Verwendung eines rationalen DOE-Ansatzes? Dieser OFAT-Ansatz kann insbesondere bei Systemen mit zahlreichen Interaktionen sehr irreführend sein.
Ich war nie ein großer Fan von chemischen Experimenten/Systemen, bei denen ein Faktor auf die von Ihnen beschriebene Weise auf „Null“ gesetzt wurde. Zu oft führte dieses Fehlen von „etwas“ zu großen Nichtlinearitäten im Antwortraum, an dem wir wirklich interessiert waren, was lineare Modellierungsmethoden problematisch machte.
Betreff: Benötige Hilfe bei der 3x3x3 Full Factorial DoE-DatenanalyseZunächst möchte ich mich in der Community herzlich willkommen heißen.
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 mehrmals Instabilität. Meiner Meinung nach geht es Ihnen um Optimierung. Dies sollte nur bei stabilen Prozessen durchgeführt werden, da die Optimierung je nach „Stabilitätsniveau“ unterschiedlich ausfällt. Vielleicht sollten Sie zuerst experimentieren (oder probieren), um zu verstehen, warum es zu Instabilität kommt? Auch die Ebeneneinstellung deutet darauf hin, dass Sie sich noch im Bereich „Kausalstruktur verstehen“ und nicht im Optimierungsbereich befinden (Sie sollten das Modell erster Ordnung bereits kennen). Dies ähnelt einer Kartierung des Fußes des Berges. Erklimmen Sie zuerst den Gipfel des Berges und kartieren Sie ihn dann.
2. Es scheint, als ob Sie sich in der Welt der Mischungen befinden, in der 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 Komponente verringern ... sie müssen sich auf 100 % addieren.
3. Sie müssen sich darüber im Klaren sein, was die MSE-Schätzungen bei der Interpretation von p-Werten „erstellt“. In Ihrem Experiment gibt es keine Freiheitsgrade zur Schätzung zufälliger Fehler. Sie haben keine Replikation, daher ist die MSE eine Funktion von Effekten höherer Ordnung in Ihrem Design (z. B. quadratisch-lineare Wechselwirkungen). Wenn diese aktiv sind, ist Ihr MSE groß und Ihre F-Werte klein und Ihre P-Werte groß. Was erhalten Sie, wenn Sie mehrere der „identischen“ Versuche aus Ihrem ersten Experiment noch einmal durchführen?
4. Die durch Ihr Modell erklärte Variabilität Ihrer Daten ist recht gering (und Ihre Residuen sehen „unkonventionell“ aus). Dies ist ein Hinweis darauf, dass Rauschen (in Ihrem Modell nicht berücksichtigte Variablen) für die Variation verantwortlich sein könnte. Dies können Messfehler, Umgebungsbedingungen, Einrichtung, Rohmaterialschwankungen usw. sein.
Betreff: Benötige Hilfe bei der 3x3x3 Full Factorial DoE-DatenanalyseEs scheint eine große Bandbreite an Ergebnissen für dieselben Bedingungen zu geben:
Handelt es sich bei den beiden Ergebnissen für jede Bedingung/Behandlung um zwei unabhängige Durchläufe oder um zwei Messungen für einen Durchlauf? Ich frage mich, ob es sich um einen Messfehler und nicht um einen Experimentfehler handelt. 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. Dann könnten die schwächeren Effekte beseitigt werden und es würde ein klareres Bild entstehen. Aber stattdessen hatte ich einen erheblichen Mangel an Passform.
Dieser Test vergleicht die Schätzung der zufälligen Variation in der Antwort anhand der Fehlerquadratsumme des Modells mit der Schätzung der Replikate. Auch hier weiß ich nicht, ob die beiden Reaktionen für jede Behandlung eine Replikation (neuer Lauf) oder eine wiederholte Messung desselben Laufs darstellen. Die Gesamtfehlersumme der Quadrate stammt aus dem Modell. Der reine Fehler stammt von den „Replikaten“. Sie sehen, dass der Unterschied groß ist und darauf hindeutet, dass es in den Daten weiterhin unberücksichtigte Effekte gibt. Die Wirkung einer lauernden Variablen?
Betreff: Benötige Hilfe bei der 3x3x3 Full Factorial 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 Zeilenreihenfolge durchgeführt).
Ich habe Fit Model verwendet, um % Monomer 1 und % Monomer 2 zu testen. Ich habe unter „Wirkungszusammenfassung“ eine gewisse Verbesserung des P-Werts gesehen, aber ich denke, ich muss einen höheren Wert 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 zum Datenergebnis oder eine Empfehlung für das zukünftige Experiment geben können.
Danke schön!
Betreff: Benötige Hilfe bei der 3x3x3 Full Factorial DoE-DatenanalyseHallo markbailey,
Danke für Ihre Antwort! Dies ist eine sehr interessante Studie, da wir eine Verbesserung des prozentualen Monomergehalts sahen, wenn wir der Probe verschiedene Natriumchloridkonzentrationen hinzufügten (von 20 % ohne Natriumchlorid bis etwa 50 % Monomer mit 500 mM). Daher waren wir sehr daran interessiert, zu sehen, ob wir die prozentuale Monomerintensität verbessern können, indem wir nicht nur Natriumchlorid selbst, sondern auch andere Arten von Chemikalien (entweder einen Faktor nach dem anderen oder eine Kombination 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. Darüber hinaus ist die Probe, die wir für die Studie ausgewählt haben, bereits instabil (17–20 % Monomer). Das Instrument misst insgesamt 10 Mal und bildet daraus den Durchschnitt, um daraus eine Messung zu machen. Ich habe zwei Messungen vorgenommen und daraus den Mittelwert gebildet. Wenn der Prozentsatz an Monomer bei der ersten Messung 30 % und bei der ersten Messung 55 % ergab, wiederhole ich die Messung und vergleiche die Messung mit den vorherigen Daten (einschließlich dieser 10 separaten Messungen). Wenn die wiederholte Messung dann etwa 28 % und dann 32 % ergab, streiche ich einfach 55 % aus der Gleichung.
Das hast du erwähnt Die Tabelle „Zusammenfassung der Anpassung“ schätzt die Standardabweichung der Antwort auf 12 %. Ich denke, das macht für mich Sinn, da die Probe ohnehin nicht allzu stabil ist. Vielleicht hätte ich mich mehr auf viel höhere Salzkonzentrationen konzentrieren sollen (es gibt einen Artikel, der darauf hinweist, dass eine hohe Salzkonzentration erforderlich sein könnte, um den Monomeranteil zu optimieren).
Das ist sehr hilfreich! Vielleicht sollte ich einen Schnelltest mit jeweils 500 mM anstelle von 100 mM durchführen.
Betreff: Benötige Hilfe bei der 3x3x3 Full Factorial DoE-DatenanalyseHallo P_Bartell,
Danke für Ihre Antwort!
Ja du hast Recht. In dieser Studie bedeuten Nullwerte völlige Abwesenheit vom Versuch.
Das Team wollte herausfinden, ob wir den Monomeranteil der Probe verbessern können, indem wir entweder alle drei Kombinationen (mit unterschiedlichen Konzentrationen), zwei Kombinationen oder nur einen Faktor in die Probe einbringen. Wir hatten das letzte Mal ein Experiment, bei dem Natriumchlorid tatsächlich den Monomeranteil der Probe verbesserte, aber das Ergebnis war 50 % Monomer bei 500 mM NaCl, etwa 47 % bei 150 mM NaCl aus 20 % Monomer ohne Salzzusatz. 100 mM NaCl zur Probe beim letzten Mal ergaben etwa 38 % Monomer (leichte Verbesserung gegenüber 20 %). Das Team war auch daran interessiert, herauszufinden, ob es einen Zusammenhang zwischen zwei Faktoren (oder allen drei) gibt.
Ich frage mich, ob das Team für dieses Experiment für jeden Faktor die falsche Konzentration ausgewählt hat.
Danke für Ihre Rückmeldung!
Betreff: Benötige Hilfe bei der 3x3x3 Full Factorial DoE-DatenanalyseZusätzlich zu allem @Mark_Bailey Ich stimme diesen Gedanken zu und sehe noch eine weitere Beobachtung ... im Design gibt es viele Behandlungskombinationen, bei denen einer und manchmal sogar zwei der Faktoren auf „Null“-Werte gesetzt sind, und schließlich haben Sie, da es sich um eine Vollfaktorie handelt eine Kombination zu haben, bei der alles auf Null gesetzt ist. Ich interpretiere das als völlige Abwesenheit vom Prozess, als Reaktion (falls das hier die Art von System ist)? Manchmal kann in chemischen Systemen das völlige Fehlen einer oder mehrerer Verbindungen/Zutaten/Chemikalien ein völlig anderes physikalisches/chemisches/biologisches Verhalten hervorrufen als das Verhalten, das Sie charakterisieren möchten. Könnte das sein, was hier vor sich geht? Wenn etwas in der Reaktion „fehlt“, spielen völlig andere physikalische Phänomene eine Rolle als bei den Behandlungskombinationen, bei denen alle drei Inhaltsstoffe in der Behandlungskombination enthalten sind. Hier sind Prozesskenntnisse und -verständnis von zentraler Bedeutung.
Betreff: Benötige Hilfe bei der 3x3x3 Full Factorial DoE-DatenanalyseWas wäre von der Variation in der Antwort zu erwarten, wenn sich nichts ändern würde? Das heißt, wenn alle Faktoren konstant gehalten würden, wie stark würde die Reaktion bei wiederholten Durchläufen variieren? In der Tabelle „Summary of Fit“ wird die Standardabweichung der Antwort auf 12 % geschätzt. Ist dieses Ergebnis sinnvoll oder überrascht es Sie?
Eine grafische Darstellung der Residuen des vollständigen Modells 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 Kehrwert versucht. Es hat nicht wirklich geholfen. Aber die Funktion ist sehr flach, sodass ich keine große Änderung erwartet habe.
Das studentisierte Residuum über die Zeit (unter der Annahme, dass die Zeilenreihenfolge der Ausführungsreihenfolge entspricht) deutet nicht auf einen starken Ausreißer hin, sondern auf einen möglichen Zyklus. Könnte es eine lauernde Variable geben, die nicht kontrolliert und nicht gemessen wurde, die 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 eingegeben wurden?
