Besoin d'aide avec l'analyse de données DoE factorielle complète 3x3x3Bonjour!
Je suis nouveau dans la communauté et j'aimerais obtenir des conseils sur le résultat des données après avoir terminé l'expérience DoE (factorielle complète 3x3x3).
J'ai trois facteurs (chlorure de sodium, citrate de sodium et glycine) et testé à 3 niveaux (chlorure de sodium 0,100,200 mM; citrate de sodium 0,50,100 mM; et glycine 0,50,100 mM). Testé les 27 pistes. La réponse est le % d'intensité de monomère. Idéalement, je veux atteindre près de 100% d'intensité de monomère sur la base de ces trois facteurs.
Cependant, à la fin de l'expérience, les données n'ont pas de tendance claire (la valeur p la plus basse était de 0,27 pour le chlorure de sodium et la deuxième valeur p la plus basse était de 0,28 pour le chlorure de sodium*citrate de sodium. Tout le reste (glycine et autres interactions bidirectionnelles) a au moins une valeur P de 0,5 (glycine à 0,9).
Comment puis-je interpréter ces données si le résultat n'était pas proche du 100 % de monomère ?Je soupçonne que le niveau le plus élevé pour chaque facteur n'était pas assez élevé pour générer des données plus utiles. Peut-être qu'aucun de ces facteurs n'a un impact énorme sur l'amélioration du pourcentage de monomère.
Merci de me dire comment interpréter ces données en fonction du résultat (fichier JMP joint). Comment puis-je tirer des conclusions sur la base du résultat ?
Merci!
AnalytiqueTableau de donnéesBICHERe : Besoin d'aide avec l'analyse de données DoE factorielle complète 3x3x3À quoi s'attendre de la variation de la réponse si rien ne changeait. C'est-à-dire que si tous les facteurs étaient maintenus constants, de combien la réponse varierait-elle au cours d'exécutions répétées ? Le tableau Summary of Fit estime l'écart type de la réponse à 12 %. Ce résultat a-t-il un sens ou vous surprend-il ?
Un graphique des résidus du modèle complet suggère que la variance de la réponse n'est pas constante sur toute la plage de la réponse. La variance semble être proportionnelle à la réponse. Est-ce que ce cas est possible ?
J'ai essayé une transformation Box-Cox de la réponse avec lambda = -1, ou réciproque. Cela n'a pas vraiment aidé. Mais la fonction est très plate, donc je ne m'attendais pas à beaucoup de changement.
Le résidu studentisé au fil du temps (en supposant que l'ordre des lignes est l'ordre d'exécution) ne suggère pas une forte valeur aberrante, mais il suggère un cycle potentiel. Pourrait-il y avoir une variable cachée qui n'a pas été contrôlée, ni mesurée, mais qui aurait pu varier d'une course à l'autre et affecter la réponse ?
J'ai également pensé que de forts effets non linéaires pouvaient être présents, mais l'ajout de termes quadratiques n'améliorait pas le modèle.
Est-il possible que les données de la réponse aient été saisies dans les mauvaises lignes ?
Re : Besoin d'aide avec l'analyse de données DoE factorielle complète 3x3x3En plus de tout @markbailey 's pensées auxquelles je souscris, une autre observation que je vois ... dans la conception, vous avez de nombreuses combinaisons de traitements où un et même parfois deux des facteurs sont définis sur des valeurs «zéro». J'interprète cela comme une absence totale du procès, une réaction (si c'est le type de système en jeu ici) ? Parfois, dans les systèmes chimiques, l'absence totale d'un ou plusieurs composés/ingrédients/produits chimiques peut induire un comportement physique/chimique/biologique entièrement différent du comportement que vous essayez de caractériser. Serait-ce ce qui se passe ici? Avec quelque chose dans la réaction qui "manque", un phénomène physique complètement différent est en jeu par rapport aux combinaisons de traitement où les trois ingrédients sont inclus dans la combinaison de traitement. La connaissance et la compréhension des processus sont essentielles ici.
Re : Besoin d'aide avec l'analyse de données DoE factorielle complète 3x3x3Bonjour P_Bartell,
Merci pour votre réponse!
Oui vous avez raison. Dans cette étude, les valeurs nulles signifient une absence totale de l'essai.
L'équipe voulait voir si nous pouvions améliorer le % de monomère de l'échantillon en introduisant les trois combinaisons (avec différentes concentrations), deux combinaisons ou un seul facteur dans l'échantillon. Nous avons eu une expérience la dernière fois où le chlorure de sodium a effectivement amélioré le % de monomère de l'échantillon, mais le résultat était 50 % de monomère à 500 mM de NaCl, environ 47 % à 150 mM de NaCl à partir de 20 % de monomère sans ajout de sel. 100 mM de NaCl à l'échantillon la dernière fois nous ont donné environ 38 % de monomère (légère amélioration par rapport à 20 %). L'équipe souhaitait également voir s'il existait une relation entre deux facteurs (ou les trois).
Je me demande si l'équipe a sélectionné la concentration incorrecte pour chaque facteur pour cette expérience.
Merci pour votre avis!
Re : Besoin d'aide pour l'analyse de données DoE factorielle complète 3x3x3Bonjour Mark Bailey,
Merci pour votre réponse! Il s'agit d'une étude très intéressante car nous avons constaté une amélioration du pourcentage de monomère lorsque nous avons ajouté diverses concentrations de chlorure de sodium à l'échantillon (de 20 % sans chlorure de sodium à environ 50 % de monomère avec 500 mM). Nous étions donc très intéressés de voir si nous pouvions améliorer le pourcentage d'intensité de monomère en ajoutant non seulement du chlorure de sodium lui-même, mais d'autres types de produits chimiques (soit un facteur à la fois, soit un mélange de facteurs).
Au cours de l'exécution du DoE, le pourcentage d'intensité de monomère fluctue d'environ 5 à 10 %. C'est parce que l'instrument est très sensible même aux dimères ou aux grosses particules. De plus, l'échantillon que nous avons sélectionné pour l'étude est déjà instable (17-20 % de monomère). L'instrument mesure un total de 10 fois et en prend la moyenne pour en faire une mesure. J'ai pris deux mesures et pris la moyenne des deux. Si le % de monomère me donne 30% sur le premier et 55%, je refais la mesure et compare la mesure avec les données précédentes (y compris ces 10 mesures distinctes). Ensuite, si la mesure répétée a montré environ 28 %, puis 32 %, j'enlève simplement 55 % de l'équation.
Vous avez mentionné que Le tableau Résumé de l'ajustement estime l'écart type de la réponse à 12 %. Je pense que cela a du sens pour moi étant donné que l'échantillon n'est déjà pas trop stable. J'aurais peut-être dû me concentrer davantage sur des concentrations de sel beaucoup plus élevées (un article suggère qu'une concentration élevée en sel peut être nécessaire pour optimiser le pourcentage de monomère).
C'est très utile! Je devrais peut-être faire un test rapide avec chaque sel jusqu'à 500 mM au lieu de 100 mM.
Re : Besoin d'aide avec l'analyse de données DoE factorielle complète 3x3x3Salut markbaley,
J'ai ajouté deux mesures par échantillon au fichier JMP et joint le fichier à ce message (cette expérience a été réalisée dans l'ordre des lignes).
J'ai utilisé Fit Model pour tester % monomère 1 et % monomère 2. J'ai constaté une certaine amélioration de la valeur P sous Effect Summary, mais je pense que je dois tester un niveau supérieur à 200 mM de chlorure de sodium, 100 mM de citrate de sodium ou 100 mM de glycine.
Veuillez consulter ce fichier et faites-moi savoir si vous pouvez me faire part de vos commentaires sur le résultat des données ou des recommandations pour la future expérience.
Merci!
Re : Besoin d'aide pour l'analyse de données DoE factorielle complète 3x3x3Il semble y avoir une large gamme de résultats pour les mêmes conditions:
Les deux résultats pour chaque condition/traitement sont-ils deux essais indépendants ou deux mesures pour un essai ? Je me demande si c'est une erreur de mesure, pas une erreur d'expérience. Je veux dire erreur au sens statistique (variation aléatoire). Je ne veux pas dire qu'une erreur a été commise.
J'ai également essayé le modèle factoriel complet en espérant qu'il pourrait suggérer des effets importants. Les effets les plus faibles pourraient alors être supprimés et une image plus claire émergerait. Mais au lieu de cela, j'ai eu un manque d'ajustement important.
Ce test compare l'estimation de la variation aléatoire de la réponse à l'aide de l'erreur de la somme des carrés du modèle avec l'estimation des répliques. Encore une fois, je ne sais pas si les deux réponses pour chaque traitement représentent la réplication (nouvelle série) ou la mesure répétée de la même série. La somme des carrés de l'erreur totale provient du modèle. L'erreur pure provient des "répliques". Vous pouvez voir que la différence est grande et cela suggère qu'il reste des effets non pris en compte dans les données. L'effet d'une variable cachée?
Re : Besoin d'aide avec l'analyse de données DoE factorielle complète 3x3x3Tout d'abord, je voudrais ajouter ma bienvenue à la communauté.
Mark et Pete ont fourni d'excellents commentaires et je ne suis pas sûr de pouvoir ajouter grand-chose, mais voici mes réflexions :
1. Vous mentionnez l'instabilité à quelques reprises dans vos messages. Ce que vous essayez de faire, je pense, c'est de l'optimisation. Cela ne devrait être fait que sur des processus stables car l'optimisation sera différente selon les différents "niveaux de stabilité". Peut-être devriez-vous d'abord expérimenter (ou échantillonner) pour comprendre pourquoi il y a de l'instabilité ? De plus, le réglage du niveau suggère que vous êtes toujours dans l'espace "compréhension de la structure causale", pas dans l'espace d'optimisation (vous devriez déjà connaître le modèle de premier ordre). Cela revient à cartographier la base de la montagne. Arrivez d'abord au sommet de la montagne, puis cartographiez-la.
2. Il semble que vous soyez dans le monde des mélanges où il y a une contrainte sur le % de chaque composant dans le « batch » ? Au fur et à mesure que vous augmentez la quantité d'un composant dans le mélange, vous devrez diminuer la quantité d'un autre... ils doivent ajouter jusqu'à 100 %
3. Vous devez être conscient de ce qui « crée » les estimations de l'EQM lors de l'interprétation des valeurs p. Dans votre expérience, il n'y a pas de degrés de liberté pour estimer les erreurs aléatoires. Vous n'avez pas de réplication, donc la MSE est une fonction d'effets d'ordre supérieur dans votre conception (par exemple, des interactions quadratiques par linéaires). Si ceux-ci sont actifs, votre MSE sera grand et vos valeurs F seront petites et vos valeurs p seront grandes. Si vous réexécutez plusieurs des essais "identiques" de votre première expérience, qu'obtenez-vous ?
4. La variabilité de vos données expliquée par votre modèle est assez faible (et vos résidus ont l'air "funky"). C'est un indice qu'il y a du bruit (variables non prises en compte dans votre modèle) qui peut expliquer la variation. Il peut s'agir d'une erreur de mesure, des conditions ambiantes, de la configuration, de la variation des matières premières, etc.
