Besoin d'aide avec l'analyse de données factorielle complète DoE 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 courses. La réponse est l’intensité du % monomère. Idéalement, je souhaite atteindre une intensité de monomère proche de 100 % sur la base de ces trois facteurs.
Cependant, à la fin de l'expérience, les données ne présentent 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’est pas proche du 100 % de monomère ?Je soupçonne que le niveau le plus élevé pour chaque facteur n'était pas suffisamment élevé pour générer des données plus utiles. Peut-être qu’aucun de ces facteurs n’a un impact énorme sur l’amélioration du % de monomères.
Veuillez me faire savoir comment interpréter ces données en fonction du résultat (fichier JMP ci-joint). Comment puis-je tirer des conclusions basées sur le résultat ?
Merci!
Études de consommation et de marchéConception d'expériencesRe : Besoin d'aide pour l'analyse de données factorielle DoE complète 3x3x3si l'échantillon est instable, le temps entre la fin de l'analyse et la mesure est-il constant ?
Le choix des facteurs, en termes d’effets, est évidemment crucial. Peut-être qu'un « réseau plus large » suite à un brainstorming ou à l'examen d'une carte de processus ou de la réaction chimique pourrait identifier d'autres facteurs. il est trop facile (c'est-à-dire que cela arrive tout le temps) de penser que vous en savez plus que vous n'en savez réellement parce que votre compréhension est basée sur des données de l'OFAT ou sur une expérience anecdotique. L'un des objectifs de l'expérience est d'explorer de manière réaliste autant de variables que possible dans « le système » pour apprendre comment il fonctionne réellement. J'enseigne et j'aide les utilisateurs avec DOE depuis des décennies et c'est l'exception dans mon expérience que les résultats ne parviennent pas à surprendre, à remettre en question ce que l'on sait.
Je ne suis pas sûr de ce que vous voulez dire lorsque vous dites "", mais votre espace DOE devrait provoquer un changement dans la réponse, pour le meilleur et pour le pire. Vous souhaitez modéliser la plage de la réponse. L'expérience ne consiste PAS à trouver les conditions optimales ou à « choisir le gagnant » parmi les traitements. Il s’agit de fournir les meilleures données que vous pouvez vous permettre pour étayer l’estimation des paramètres du modèle. Le modèle consiste à trouver les conditions optimales. Encore une fois, j'ai peut-être mal interprété votre sens.
Re : Besoin d'aide pour l'analyse de données factorielle DoE complète 3x3x3Salut @Mark_Bailey , il s'agit d'une mesure répétée de la même analyse. Chaque exécution mesure d'autres informations utiles, pas seulement le pourcentage de monomère, et j'espère obtenir des réponses/tendances une fois que j'aurai inclus toutes les données de réponse dans JMP. Mais je pense que cela peut être l’effet d’une variable cachée. L'échantillon lui-même est instable (comme vous pouvez le voir sur l'échantillon n° 111 avec environ 30 %). L'échantillon idéal serait de 100 %).
Cela pourrait être dû à une erreur de mesure ou ces facteurs ne constituent tout simplement pas le bon choix pour cet échantillon.
Peut-être que ces facteurs et niveaux ne constituent pas les conditions les plus optimales.
Je dois faire plus d'analyses sur ces données mais merci de m'avoir fait part de vos commentaires !
Re : Besoin d'aide pour l'analyse de données factorielle DoE complète 3x3x3Je ne suis pas sûr de suivre la séquence de niveaux de facteurs dans le "...une expérience la dernière fois..." mais cela ressemble certainement à "l'équipe ?" peut-être avez-vous essayé une petite expérimentation OFAT et tiré des conclusions après chaque exécution... en quelque sorte poursuivant quelque chose qui serait beaucoup plus fructueux (l'efficacité en tête d'entre eux) en utilisant une approche rationnelle du DOE ? Cette approche OFAT peut être très trompeuse, notamment avec les systèmes où les interactions abondent.
Je n'ai jamais été un grand fan des expériences/systèmes basés sur des produits chimiques où un facteur était fixé à « zéro » de la manière dont vous le décrivez. Trop souvent, cette absence de « quelque chose » créait de grandes non-linéarités dans l’espace de réponse qui nous intéressait réellement, rendant problématiques les méthodes de modélisation linéaire.
Re : Besoin d'aide pour l'analyse de données factorielle DoE complète 3x3x3Tout d'abord, j'aimerais ajouter ma bienvenue dans 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 plusieurs reprises dans vos messages. Ce que vous essayez de faire, je pense, c'est l'optimisation. Cela ne doit être fait que sur des processus stables car l'optimisation sera différente selon différents « niveaux de stabilité ». Peut-être devriez-vous d'abord expérimenter (ou échantillonner) pour comprendre pourquoi il y a une 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. Rendez-vous d’abord au sommet de la montagne, puis cartographiez-la.
2. Vous avez l'impression d'être 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 totaliser 100 %
3. Vous devez être conscient de ce qui « crée » les estimations MSE lors de l'interprétation des valeurs p. Dans votre expérience, il n'existe aucun degré de liberté pour estimer les erreurs aléatoires. Vous n'avez pas de réplication, donc le MSE est fonction d'effets d'ordre supérieur dans votre conception (par exemple, interactions quadratiques par linéaires). Si ceux-ci sont actifs, alors votre MSE sera grand et vos valeurs F seront petites et vos valeurs p seront grandes. Si vous exécutez à nouveau 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 semblent « géniaux »). 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, d'une variation des matières premières, etc.
Re : Besoin d'aide pour l'analyse de données factorielle DoE complète 3x3x3Il semble y avoir une large gamme de résultats pour les mêmes conditions :
Les deux résultats pour chaque condition/traitement sont-ils deux analyses indépendantes ou deux mesures pour une analyse ? 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 somme des carrés du modèle avec l'estimation des répétitions. Encore une fois, je ne sais pas si les deux réponses pour chaque traitement représentent une réplication (nouvelle analyse) ou une mesure répétée de la même analyse. La somme totale des carrés d’erreur provient du modèle. L'erreur pure vient des « répétitions ». Vous pouvez constater que la différence est importante et suggère qu’il reste des effets non pris en compte dans les données. L’effet d’une variable cachée ?
Re : Besoin d'aide pour l'analyse de données factorielle DoE complète 3x3x3Salut Markbailey,
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 le % monomère 1 et le % monomère 2. J'ai constaté une certaine amélioration de la valeur P sous Résumé des effets, 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 jeter un œil à ce fichier et faites-moi savoir si vous pouvez me fournir des commentaires sur les résultats des données ou des recommandations pour la future expérience.
Merci!
Re : Besoin d'aide pour l'analyse de données factorielle DoE complète 3x3x3Bonjour Markbailey,
Merci pour votre réponse! Il s'agit d'une étude très intéressante car nous avons constaté une amélioration du % 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 des monomères en ajoutant non seulement du chlorure de sodium lui-même, mais également d’autres types de produits chimiques (soit un facteur à la fois, soit une combinaison de facteurs).
Au cours de l'analyse DoE, le pourcentage d'intensité des monomères fluctue d'environ 5 à 10 %. En effet, l'instrument est très sensible, même pour les dimères ou les grosses particules. De plus, l’échantillon que nous avons sélectionné pour l’étude est déjà instable (17 à 20 % de monomère). L'instrument mesure un total de 10 fois et prend la moyenne de cela pour en faire une mesure. J'ai pris deux mesures et j'ai fait la moyenne des deux. Si le % monomère m'a donné 30% sur la première 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 montre environ 28 %, puis 32 %, je supprime simplement 55 % de l’équation.
Vous avez mentionné cela Le tableau Résumé de l’ajustement estime l’écart type de la réponse à 12 %. Je pense que cela a du sens 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% de monomère).
C'est très utile! Peut-être devrais-je faire un test rapide avec chaque sel jusqu'à 500 mM au lieu de 100 mM.
Re : Besoin d'aide pour l'analyse de données factorielle DoE complète 3x3x3Bonjour P_Bartell,
Merci pour votre réponse!
Oui tu as raison. Dans cette étude, les valeurs zéro signifient une absence totale à l’essai.
L'équipe voulait voir si nous pouvions améliorer le pourcentage de monomère de l'échantillon en introduisant soit 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 réellement amélioré le % de monomère de l'échantillon, mais le résultat était de 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. La dernière fois, 100 mM de NaCl dans l'échantillon 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 mauvaise concentration pour chaque facteur pour cette expérience.
Merci pour votre avis!
Re : Besoin d'aide pour l'analyse de données factorielle DoE complète 3x3x3En plus de tous @Mark_Bailey Je partage les pensées de ce que je partage, 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 fixés à des valeurs « zéro », et enfin, comme il s'agit d'une factorielle complète, vous avez avoir une combinaison où tout est mis à 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 totalement différent de celui que vous essayez de caractériser. Serait-ce ce qui se passe ici ? S'il manque quelque chose dans la réaction, un phénomène physique complètement différent entre en jeu par rapport aux combinaisons de traitements dans lesquelles les trois ingrédients sont inclus dans la combinaison de traitements. La connaissance et la compréhension des processus sont ici essentielles.
Re : Besoin d'aide pour l'analyse de données factorielle DoE complète 3x3x3À quoi s’attendre de la variation de la réponse si rien ne changeait. Autrement dit, si tous les facteurs restaient constants, dans quelle mesure la réponse varierait-elle au cours d’essais répétés ? Le tableau Résumé de l'ajustement estime l'écart type de la réponse à 12 %. Ce résultat est-il logique ou vous surprend-il ?
Un tracé 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. Ce cas est-il 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 étudiant 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. Se pourrait-il qu’il y ait une variable cachée qui n’était ni contrôlée, ni mesurée, mais qui aurait pu varier d’une séquence à l’autre et affecter la réponse ?
J'ai également pensé que de forts effets non linéaires pourraient être présents, mais l'ajout de termes quadratiques n'a pas amélioré le modèle.
Est-il possible que les données de la réponse aient été saisies dans les mauvaises lignes ?
