DSD-Beispiel mit möglichen MischungenIch habe einen potenziellen Kunden, der sich aufgrund des hier beigefügten Dokuments für JMP interessiert. Sie interessierten sich besonders für die Anwendungen von DSD und ich hatte ein paar Fragen zu dem von ihnen gesendeten Artikel. Ich habe ein paar Kennzahlen zusammengefasst und hatte folgende Frage:
- Dieses DSD scheint für einen Mischungsentwurf zu gelten, und soweit ich das beurteilen kann, verwenden sie die Cholesterin-Molzusammensetzung als Slack-Variable, da sie im von ihnen erstellten DSD-Entwurf nicht auftaucht. Ist dies eine angemessene Verwendung eines DSD?
Alle anderen Beobachtungen oder Kommentare wären willkommen! Ich werde während des Kundengesprächs nicht auf den detaillierten Prozess dieses Experiments eingehen, würde mich aber über ein besseres Verständnis freuen, um ihn bei möglichen Ansätzen oder anderen interessanten Plattformen zu unterstützen. Danke @Jeff_Upton für den Input bisher!
Betreff: DSD-Beispiel mit möglichen MischungenBitte sehen Sie sich die Arbeit unten an, die MESD verwendet und ein ähnliches Problem aufweist. Das Screening hat jedoch einen engen Umfang.
Entwicklung eines mit Tapentadolhydrochlorid beladenen proniosomalen Gels mithilfe des Main Effects Screening-Designs und der In-silico-Verifizierung mithilfe der Parameter-Sensitivitätsanalyse | Indian Journal of Pharmaceutical Education and Research (ijper.org)
Betreff: DSD-Beispiel mit möglichen MischungenSie haben in den Zusatzinformationen auch eine sehr schöne Werbung für JMP veröffentlicht, daher bin ich auch damit einverstanden, ihnen einen Pass zu geben!
Betreff: DSD-Beispiel mit möglichen MischungenJa ich stimme zu, @SamGardner . Sie verdienen Anerkennung für die Verwendung von DOE und es ist großartig, wenn es andere in diesem Bereich dazu inspiriert, DOE zu verwenden. Aber die Art und Weise, wie sie DOE verwenden, ist definitiv kein Beispiel, dem man folgen sollte.
Betreff: DSD-Beispiel mit möglichen MischungenEs gibt Korrelationen zwischen Haupteffekten, Quadraten und zwei FI (nicht alle, nicht groß, aber korreliert). Ich habe die Unterlagen nur überflogen, bin mir aber nicht sicher, wie man unter diesen Umständen von einem DSD sprechen kann. Als ich das Design in JMP erstellt habe, wurden nur die kategorialen Haupteffekte korreliert. Es scheint also ein besseres (DSD-)Design zu geben. Ich bin mir nicht sicher, ob es sich bei den molaren Zusammensetzungsfaktoren um Mischungsfaktoren handelt, aber ich bin kein Chemiker. Wenn dies der Fall ist, wäre es hilfreich, die Begrenzungsbeschränkung zu kennen.
Betreff: DSD-Beispiel mit möglichen MischungenAls ich mir das Papier ansah, verwendeten sie tatsächlich ein Taguchi L18-Array für das Folgedesign und nannten das meiner Meinung nach fälschlicherweise „Fraction Factorial“.Das L18-Design ist in allen bis auf einen Faktor ein dreistufiges Design, und wenn diese Spalte im Design weggelassen würde, würden alle Faktoren die Schätzung quadratischer Effekte ermöglichen.Das L18-Design ist weniger effizient als das DSD und weist eine teilweise Verwechslung der meisten Effekte auf, verglichen mit einem DSD, bei dem die Haupteffekte nicht mit Wechselwirkungen höherer Ordnung verwechselt werden.
Aber da es sich um ein akademisches Projekt handelte, werde ich sie etwas lockerer machen und einfach froh sein, dass sie überhaupt DOE verwendet haben.
Ich habe das L18-Design beigefügt, falls Sie es sich ansehen und mit einem DSD vergleichen möchten.Nachfolgend wird auch die Designvergleichsausgabe des vollständigen 8-Faktor-L18-Designs und eines 8-Faktor-DSD angezeigt.
Betreff: DSD-Beispiel mit möglichen MischungenDanke schön, @Phil , wie immer für den Einblick! Es scheint, als würden sie mit jedem Schritt in der Zeit zurückgehen, beginnend mit DSD und endend mit OFAT.
Betreff: DSD-Beispiel mit möglichen MischungenHallo @Joseph_Reese ,
Ich habe den Artikel nicht gelesen, aber aufgrund der Abbildungen und Tabellen oben halte ich dies, gelinde gesagt, für einen seltsamen Ansatz. Ich würde diesen Ansatz nicht empfehlen.
Ich bin mir ziemlich sicher, dass Sie recht haben, dass Cholesterin als Slack-Variable verwendet wird. Das mag in Ordnung sein, aber es scheint, dass Cholesterin und C12-200 beide große Teile der Formulierung sind und beide über große Bereiche variieren. Der Slack-Variablen-Ansatz ist hier möglicherweise kein nützlicher Ansatz. Aber das ist nicht das Seltsamste an dem, was sie vorgeschlagen haben ...
Das wirklich Seltsame ist dieses Flussdiagramm/Entscheidungsbaum. Warum sollten Sie von DSD auf Teilfaktorielle Berechnung umsteigen? Ein DSD ist ein Screening-Design (das steckt im Namen). Ein DSD dient in erster Linie der Überprüfung von Faktoren. Es dient nicht der Überprüfung auf „Treffer“.
Ich nahm an, dass Sie ein DSD verwenden könnten, um nach Treffern zu suchen – damit wird der Faktorraum einigermaßen abgedeckt. Aber ich weiß nicht, warum der nächste Schritt eine gebrochene Fakultät wäre.
Und dann schlagen sie vor, dass Sie den Faktorraum verschieben, bis Sie nur noch einen signifikanten Faktor haben. An diesem Punkt verwenden Sie OFAT. Sehr eigenartig!
Dies alles widerspricht dem akzeptierten Paradigma der sequentiellen DOE. Die Autoren scheinen zu glauben, dass sie eine bessere Version gefunden haben, aber für mich sieht sie schrecklich aus. Mit etwas Glück findet man noch brauchbare Formulierungen, aber ich sehe nur, dass es dadurch schwieriger wird.
Auch hier habe ich den Artikel nicht gelesen, daher haben sie vielleicht einen Einblick, warum dieser radikale Ansatz besonders nützlich ist. Aber meine erste Reaktion ist: Vermeiden.
