Hai bisogno di aiuto con l'analisi dei dati DoE fattoriale completa 3x3x3Ciao!
Sono nuovo nella comunità e vorrei ricevere alcuni consigli sul risultato dei dati dopo aver completato l'esperimento DoE (3x3x3 fattoriale completo).
Ho tre fattori (cloruro di sodio, citrato di sodio e glicina) e ho testato a 3 livelli (cloruro di sodio 0,100,200 mM; citrato di sodio 0,50,100 mM e glicina 0,50,100 mM). Testato tutte le 27 corse. La risposta è l'intensità del %monomero. Idealmente, voglio raggiungere quasi il 100% di intensità del monomero sulla base di questi tre fattori.
Alla fine dell'esperimento, tuttavia, i dati non hanno un andamento chiaro (il valore di p più basso era 0,27 per il cloruro di sodio e il secondo valore di p più basso era 0,28 per il cloruro di sodio*citrato di sodio. Tutto il resto (glicina e altre interazioni bidirezionali) hanno almeno un valore P di 0,5 (glicina a 0,9).
Come posso interpretare questi dati se il risultato non era vicino al 100% di monomero?Sospetto che il livello più alto per ciascun fattore non fosse abbastanza alto da generare dati più utili. Forse nessuno di questi fattori ha un impatto enorme sul miglioramento della % del monomero.
Per favore fatemi sapere come interpretare questi dati in base al risultato (file JMP allegato). Come posso trarre conclusioni in base al risultato?
Grazie!
AnaliticaTabella datiDOERi: Hai bisogno di aiuto con l'analisi dei dati DoE fattoriale completa 3x3x3Cosa ci si aspetterebbe dalla variazione della risposta se non cambiasse nulla. Vale a dire, se tutti i fattori fossero mantenuti costanti, di quanto varia la risposta su esecuzioni ripetute? La tabella Riepilogo dell'adattamento stima che la deviazione standard della risposta sia del 12%. Questo risultato ha senso o ti sorprende?
Un grafico dei residui del modello completo suggerisce che la varianza della risposta non è costante sull'intera gamma della risposta. La varianza sembra essere proporzionale alla risposta. È possibile questo caso?
Ho provato una trasformazione Box-Cox della risposta con lambda = -1 o reciproco. Non è stato di grande aiuto. Ma la funzione è molto piatta, quindi non mi aspettavo molti cambiamenti.
Il residuo studentizzato nel tempo (supponendo che l'ordine di riga sia l'ordine di esecuzione) non suggerisce un valore anomalo forte, ma suggerisce un potenziale ciclo. Potrebbe esserci una variabile in agguato che non era controllata, non misurata, ma avrebbe potuto variare corsa per corsa e influenzare la risposta?
Ho anche pensato che potessero essere presenti forti effetti non lineari, ma l'aggiunta di termini quadratici non ha migliorato il modello.
È possibile che i dati per la risposta siano stati inseriti nelle righe sbagliate?
Ri: Hai bisogno di aiuto con l'analisi dei dati DoE fattoriale completa 3x3x3Oltre a tutto @markbailey ' pensieri su cui concordo, un'altra osservazione vedo ... nel design hai molte combinazioni di trattamenti in cui uno e talvolta anche due dei fattori sono impostati su valori "zero". Sto interpretando questo come totale assenza dal processo, reazione (se questo è il tipo di sistema in gioco qui)? A volte nei sistemi chimici la completa assenza di uno o più composti/ingredienti/prodotti chimici può indurre un comportamento fisico/chimico/biologico completamente diverso dal comportamento che si sta cercando di caratterizzare. Potrebbe essere quello che sta succedendo qui? Con qualcosa nella reazione che "manca" è in gioco un fenomeno fisico completamente diverso rispetto alle combinazioni di trattamento in cui tutti e tre gli ingredienti sono inclusi nella combinazione di trattamento. La conoscenza e la comprensione del processo sono fondamentali qui.
Ri: Hai bisogno di aiuto con l'analisi dei dati DoE fattoriale completa 3x3x3Ciao P_Bartell,
Grazie per la vostra risposta!
Sì hai ragione. In questo studio, valori zero significano totale assenza dallo studio.
Il team voleva vedere se siamo in grado di migliorare la percentuale di monomero del campione introducendo tutte e tre le combinazioni (con varie concentrazioni), due combinazioni o solo un fattore nel campione. L'ultima volta abbiamo fatto un esperimento in cui il cloruro di sodio ha effettivamente migliorato la % di monomero del campione, ma il risultato è stato il 50% di monomero a 500 mM NaCl, circa il 47% a 150 mM NaCl dal 20% di monomero senza aggiunta di sale. 100 mM NaCl al campione l'ultima volta ci ha dato circa il 38% di monomero (leggero miglioramento rispetto al 20%). Il team era anche interessato a vedere se esiste una relazione tra due fattori (o tutti e tre).
Mi chiedo se il team abbia selezionato la concentrazione errata per ciascun fattore per questo esperimento.
Grazie per il tuo feedback!
Ri: Hai bisogno di aiuto con l'analisi dei dati DoE fattoriale completa 3x3x3Ciao markbailey,
Grazie per la vostra risposta! Questo è uno studio molto interessante perché abbiamo visto un miglioramento per la % di monomero quando abbiamo aggiunto varie concentrazioni di cloruro di sodio al campione (dal 20% senza cloruro di sodio a circa il 50% di monomero con 500 mM). Quindi, eravamo molto interessati a vedere se possiamo migliorare l'intensità del monomero % aggiungendo non solo il cloruro di sodio stesso, ma altri tipi di sostanze chimiche (un fattore alla volta o una combinazione di fattori).
Durante la corsa DoE, l'intensità del monomero % oscilla di circa il 5-10%. Questo perché lo strumento è molto sensibile anche alle particelle più piccole o di grandi dimensioni. Inoltre, il campione che abbiamo selezionato per lo studio è già instabile (17-20% di monomero). Lo strumento misura in totale 10 volte e ne calcola la media come 1 misurazione. Ho preso due misurazioni e ho preso la media dalle due. Se la % di monomero mi ha dato il 30% sul primo e il 55%, rifare la misurazione e confrontare la misurazione con i dati precedenti (comprese quelle 10 misurazioni separate). Quindi, se la misurazione ripetuta ha mostrato circa il 28% e quindi il 32%, rimuovo semplicemente il 55% dall'equazione.
L'hai menzionato La tabella Riepilogo dell'adattamento stima che la deviazione standard della risposta sia del 12%. Penso che questo abbia senso per me dato che il campione non è già troppo stabile. Forse avrei dovuto concentrarmi maggiormente su concentrazioni di sale molto più elevate (c'è un documento che suggerisce che potrebbe essere necessaria un'elevata concentrazione di sale per ottimizzare la % di monomero).
Questo è molto utile! Forse dovrei fare un rapido test con ogni sale fino a 500 mM invece di 100 mM.
Ri: Hai bisogno di aiuto con l'analisi dei dati DoE fattoriale completa 3x3x3Ciao markbailey,
Ho aggiunto due misurazioni per campione al file JMP e ho allegato il file a questo messaggio (questo esperimento è stato eseguito nell'ordine delle righe).
Ho usato Fit Model per testare % monomero 1 e % monomero 2. Ho visto alcuni miglioramenti nel valore P in Riepilogo effetti, ma penso di dover testare un livello superiore a 200 mM di cloruro di sodio, 100 mM di citrato di sodio o 100 mM di glicina.
Dai un'occhiata a questo file e fammi sapere se puoi fornirmi un feedback sul risultato dei dati o un consiglio per l'esperimento futuro.
Grazie!
Ri: Hai bisogno di aiuto con l'analisi dei dati DoE fattoriale completa 3x3x3Sembra esserci una vasta gamma di risultati per le stesse condizioni:
I due risultati per ciascuna condizione/trattamento sono due cicli indipendenti o due misure per un ciclo? Mi chiedo se sia un errore di misurazione, non un errore di esperimento. Intendo errore in senso statistico (variazione casuale). Non voglio dire che sia stato commesso un errore.
Ho anche provato il modello fattoriale completo sperando che potesse suggerire alcuni effetti forti. Gli effetti più deboli potrebbero quindi essere rimossi ed emergerebbe un quadro più chiaro. Ma invece ho avuto una notevole mancanza di adattamento.
Questo test confronta la stima della variazione casuale nella risposta utilizzando la somma degli errori ai quadrati del modello con la stima delle repliche. Ancora una volta, non so se le due risposte per ciascun trattamento rappresentino la replica (nuova corsa) o la misurazione ripetuta della stessa corsa. La somma dell'errore totale dei quadrati proviene dal modello. L'errore puro proviene dalle "replica". Puoi vedere che la differenza è grande e suggerisce che rimangono effetti non contabilizzati nei dati. L'effetto di una variabile in agguato?
Ri: Hai bisogno di aiuto con l'analisi dei dati DoE fattoriale completa 3x3x3Per prima cosa vorrei aggiungere il mio benvenuto alla community.
Mark e Pete hanno fornito un ottimo feedback e non sono sicuro di poter aggiungere molto, ma ecco i miei pensieri:
1. Hai menzionato l'instabilità un paio di volte nei tuoi post. Quello che stai cercando di fare, penso, sia l'ottimizzazione. Questo dovrebbe essere fatto solo su processi stabili poiché l'ottimizzazione sarà diversa in base a diversi "livelli di stabilità". Forse dovresti sperimentare (o campionare) per capire perché prima c'è l'instabilità? Inoltre l'impostazione del livello suggerisce che sei ancora nello spazio di "comprensione della struttura causale", non nello spazio di ottimizzazione (dovresti già conoscere il modello del primo ordine). Questo è simile alla mappatura della base della montagna. Per prima cosa raggiungi la cima della montagna, quindi mappala.
2. Ti sembra di essere nel mondo delle miscele dove c'è un vincolo sulla % di ogni componente nel "batch"? Man mano che aumenti la quantità di 1 componente nella miscela, dovrai diminuire la quantità di un altro... devono aggiungere fino al 100%
3. È necessario essere consapevoli di ciò che "crea" le stime MSE quando si interpretano i valori p. Nel tuo esperimento non ci sono gradi di libertà per stimare errori casuali. Non hai repliche, quindi l'MSE è una funzione degli effetti di ordine superiore nel tuo progetto (ad esempio, interazioni quadratiche per lineari). Se questi sono attivi, il tuo MSE sarà grande e i tuoi valori F saranno piccoli e i tuoi valori p saranno grandi. Se esegui di nuovo molte delle prove "identiche" del tuo primo esperimento, cosa ottieni?
4. La variabilità nei tuoi dati spiegata dal tuo modello è piuttosto bassa (e i tuoi residui sembrano "straordinari"). Questo è un indizio che c'è del rumore (variabili non contabilizzate nel tuo modello) che potrebbe spiegare la variazione. Potrebbe trattarsi di un errore di misurazione, delle condizioni ambientali, della configurazione, della variazione delle materie prime, ecc.
