Wie man eine Mischung aus Mischungen entwirftHallo, ich entwickle ein Zellkulturmedium basierend auf 4 Prototypen. Diese 4 Prototypen enthalten grundsätzlich die gleichen Komponenten, jedoch in unterschiedlichen Konzentrationen: Prototyp 1 ist mager, Prototyp 2 ist reich an Aminosäuren, Prototyp 3 ist reich an Vitaminen und Prototyp 4 ist reich an Spurenelementen. Ich werde verschiedene Ebenen der 4 Prototypen mischen, um ein neues Mischmedium zu erhalten.
Ich verstehe, dass dies eine Mischung aus Mischungsdesign ist. Es gibt ein Beispiel für ein Mix-of-Mixture-Design von JMP. Bei diesem Design bestehen die Mischungen jedoch aus unterschiedlichen Komponenten, wie zum Beispiel beim Kuchenfabrik-Experiment: Mischung 1 ist trocken und enthält Kakao, Zucker und Mehl, und Mischung 2 ist feucht und enthält Butter, Milch und Ei.
In meinem Fall enthalten die Mischungen alle die gleiche Komponente, jedoch in unterschiedlichen Konzentrationen.
Ich frage mich, wie ich dieses Experiment gestalten kann. Können die 4 Mischungen als 4 separate Faktoren behandelt werden? Welches Mischungsdesign sollte ich anwenden und sollte ich eine 2-Wege- oder 3-Wege-Interaktion der 4 Faktoren berücksichtigen? Ist das kubische Sheffe-Modell für die Analyse geeignet?
Vielen Dank, wir freuen uns über jeden Vorschlag.
VersuchsplanungBetreff: Wie man eine Mischung aus Mischungen entwirftVielen Dank, Vector. Ich weiß die lange Antwort wirklich zu schätzen. Ich kann mir nicht vorstellen, wie viel Zeit Sie mit dem Eintippen der Antwort verbringen. Ich bin froh, dass ich die Frage gestellt habe, damit nicht nur ich, sondern auch andere aus Ihrer Antwort lernen können.
Beste Wünsche
Betreff: Wie man eine Mischung aus Mischungen entwirftIch empfehle Ihnen, dieses Mischungsexperiment einfach zu halten. Ich würde ein Mischungsdesign mit den wesentlichen Komponenten des Mediums verwenden und einen weiten Raum der Proportionen jedes einzelnen erkunden, anstatt „Prototypen“ vorab zu konzipieren. Ich würde das Scheffe-Kubikmodell mit Custom Design verwenden, damit Sie den Raum gut vorhersagen können. Es macht keinen Sinn, Komponenten in einem Mischungsexperiment zu überprüfen, obwohl Sie möglicherweise feststellen, dass einige Terme höherer Ordnung unbedeutend sind, und sie aus dem Modell entfernen. Es kann durchaus sein, dass die optimale Mischung einem der konzeptionellen Prototypen nahe kommt, die Sie sich vorgestellt haben.
Betreff: Wie man eine Mischung aus Mischungen entwirftHallo @loganshawn ,
Ihrer Beschreibung zufolge gibt es möglicherweise (mindestens) zwei Optionen, die in Betracht gezogen werden sollten:
- Entweder Sie arbeiten mit den einzelnen Komponenten/Rohstoffen: Sie finden die Komponenten jeder Mischung, erstellen einen Mischungsentwurf mit den einzelnen Komponenten, definieren den geeigneten Bereich für jeden Faktor basierend auf Ihrem Fachwissen und Ihrer Erfahrung mit den Mischungen und erstellen eine Mischung Design. Abhängig von der Anzahl der einzelnen Komponenten kann diese Option einen hohen Versuchsaufwand erfordern.
- Oder Sie arbeiten mit den Mischungsvorbereitungen: Sie können dann Ihr Mischungsdesign auf der Grundlage Ihrer 4 Mischungen aufbauen und auf der Grundlage Ihrer Erfahrung für jede geeignete Bereiche definieren. Sobald Sie die optimale Mischung (Verhältnis) der 4 Mischungen gefunden haben, können Sie die optimale Menge für jeden Bestandteil berechnen, wenn Sie über die Zusammensetzungsinformationen für jede Mischungszubereitung verfügen.
Es gibt in der Tat viele Optionen für die Mischungsgestaltung, von klassischen (z. B. Scheffe Cubic) bis hin zu spezifischeren (kundenspezifische Designs und Mischungsraumfüllung). Eine Übersicht der verfügbaren Mischungsausführungen finden Sie hier: Übersicht über Mischungsdesigns (jmp.com) und hier : Beispiele für Mischungsdesigntypen (jmp.com)
Die Wahl hängt von mehreren Kriterien ab, wie zum Beispiel: experimentellem Budget, erwarteter Vorhersagegenauigkeit/Varianz in Ihrem experimentellen Raum, „kontinuierlicher“ oder „diskontinuierlicher“ Antwortoberfläche, modellbasiertem vs. modellagnostischem Ansatz ...
Einige Unterschiede zwischen Modellen und in verschiedenen Modellen verwendete Begriffe:
- Im kubischen Scheffé-Modell (erstellt in Custom Design) können Sie ein Modell mit Haupteffekten, 2 Mischungsfaktor-Wechselwirkungen und 3 Mischungsfaktor-Wechselwirkungen für insgesamt 30 von JMP empfohlene Durchläufe erstellen (siehe Screenshot). Sie können die 4-Faktoren-Interaktion manuell hinzufügen, ohne dass zusätzliche Kosten anfallen (JMP scheint keine Läufe in die „empfohlene Zahl der Läufe“ aufzunehmen, wenn Sie diesen Begriff im Modell hinzufügen, aber es ändert die minimale Anzahl der benötigten Läufe von 20 auf 21 wegen dieses zusätzlichen Begriffs hinzugefügt).
- Im Simplex Centroïd-Design (durchgeführt in Classical -> Mixture Design) führen Sie Mischungen mit bis zu 4 Komponenten für insgesamt 15 von JMP empfohlene Experimente durch (siehe Screenshot). Sie haben weniger Läufe als beim vorherigen Design, allerdings auf Kosten einer größeren relativen Varianzvorhersage in Ihrem experimentellen Raum.
- Ein raumfüllendes Mischungsdesign könnte ebenfalls in Betracht gezogen werden. In diesem Fall empfiehlt JMP für 4 Faktoren 40 Durchläufe. Der Vorteil dieses Designs ist die homogene Aufteilung der Punkte/Läufe in Ihrem Versuchsraum, ohne vordefiniertes Modell (es handelt sich um einen modellunabhängigen Ansatz). Das bedeutet, dass Sie in der Lage sein sollten, für die Analyse andere Modellierungsansätze wie den Gaußschen Prozess oder Techniken des maschinellen Lernens wie Support-Vektor-Maschinen, baumbasierte Methoden, neuronale Netze usw. zu verwenden. Die Validierung solcher Modelle könnte dann mit Trainings-/Validierungs-/Testsätzen oder der SVEM-Methode erfolgen ( Verwendung von Methoden der Versuchsplanung für effiziente Modellierung und Simulation – JMP-Benutzergemeinschaft ). Dies geht jedoch mit einem stärkeren Aliasing (Korrelationen) zwischen Faktoren einher, sodass es möglicherweise schwieriger zu verstehen ist, welche Mischungsfaktoren oder Interaktionen die Reaktion(en) bestimmen (siehe Screenshot Matrix_correlations_designs).
Sie haben also die Wahl, ob Sie ein „kausales“ Modell (klassische Mischungsdesigns und kundenspezifische Designs mit vordefiniertem Modell) oder nur ein Modell mit guter Vorhersageleistung, aber begrenztem Wissen bevorzugen. Basierend auf dem vorherigen Beitrag, den Sie verfasst haben, wurde für eines Ihrer ähnlichen Themen ein raumfüllender Ansatz in Betracht gezogen, aber Sie können Ihre Meinung je nach Ziel und experimentellem Budget ändern.
Es gibt so viel, was wir über Mixture-Designs erzählen können. Sie können sich in der Community über ähnliche Themen und die diesem Thema gewidmeten Webinare informieren ( Entwerfen von Mischungsexperimenten – Teil 1 – JMP-Benutzergemeinschaft , Entwerfen von Mischungsexperimenten – Teil 2 – JMP-Benutzergemeinschaft, Beschleunigung der Innovation mit raumfüllenden Mischungsdesigns, neuronalen Netzen und ... - JMP-Benutzergemeinschaft ).
Ich hoffe, diese erste (lange) Antwort wird Ihnen bei Ihrer Überlegung helfen,
