Cómo tener un diseño de mezcla de mezclas.Hola, estoy desarrollando un medio de cultivo celular basado en 4 prototipos. Estos 4 prototipos contienen básicamente los mismos componentes pero en diferentes niveles: el prototipo 1 es magro, el prototipo 2 es rico en aminoácidos, el prototipo 3 es rico en vitaminas y el prototipo 4 es rico en oligoelementos. Mezclaré diferentes niveles de los 4 prototipos para tener un nuevo medio de mezcla.
Entiendo que esto es una mezcla de diseño de mezclas. Hay un ejemplo de diseño de mezcla de mezclas de JMP. Sin embargo, en ese diseño las mezclas son componentes diferentes, como en el experimento de la fábrica de pasteles, la mezcla 1 es seca e incluye cacao, azúcar y harina, y la mezcla 2 es húmeda e incluye mantequilla, leche y huevo.
En mi caso, todas las mezclas contienen el mismo componente, pero en diferente nivel.
Me pregunto ¿cómo puedo diseñar este experimento? ¿Se pueden tratar las 4 mezclas como 4 factores separados? ¿Qué diseño de mezcla debo aplicar y debo considerar una interacción bidireccional o triple de los 4 factores? ¿Es apropiado aplicar el modelo cúbico de Sheffe para el análisis?
Gracias, cualquier sugerencia será apreciada.
Diseño de experimentosRe: Cómo tener un diseño de mezcla de mezclas.Muchas gracias Vector. Realmente aprecio la larga respuesta. No puedo imaginar cuánto tiempo dedicas a escribir la respuesta. Me alegro de haber hecho la pregunta para que no sólo yo sino también otros puedan aprender de su respuesta.
Los mejores deseos
Re: Cómo tener un diseño de mezcla de mezclas.Te recomiendo que mantengas este experimento de mezcla simple. Utilizaría un diseño mixto con los componentes esenciales del medio y exploraría un amplio espacio de proporciones de cada uno en lugar de preconcebir "prototipos". Yo usaría el modelo cúbico de Scheffe con diseño personalizado para que puedas predecir bien en el espacio. No tiene sentido examinar los componentes en un experimento de mezcla, aunque es posible que descubra que algunos términos de orden superior son insignificantes y los elimine del modelo. Es muy posible que la mezcla óptima se acerque a uno de los prototipos conceptuales que tenía en mente.
Re: Cómo tener un diseño de mezcla de mezclas.Hola @loganshawn ,
Según su descripción, puede haber (al menos) dos opciones a considerar:
- O trabaja con los componentes individuales/materias primas: encuentra los componentes de cada mezcla y hace un diseño de mezcla con los componentes individuales, y define el rango apropiado para cada factor en función de su dominio y experiencia con las mezclas, y construye una mezcla. diseño. Dependiendo del número de componentes individuales, esta opción puede requerir una gran cantidad de experimentos.
- O trabaja con las preparaciones de la mezcla: luego puede construir su diseño de mezcla basándose en sus 4 mezclas y definir rangos apropiados para cada una según su experiencia. Una vez que encuentre la mezcla (proporción) óptima de las 4 mezclas, podrá calcular la cantidad óptima para cada componente si tiene la información de composición para cada preparación de mezcla.
De hecho, existen muchas opciones para el diseño de mezclas, desde las clásicas (Scheffe Cubic, por ejemplo) hasta otras más específicas (Diseños personalizados y Mixture Space Filling). Puede ver una descripción general de los diseños de mezclas disponibles aquí: Descripción general de los diseños de mezclas (jmp.com) y aquí : Ejemplos de tipos de diseño de mezclas (jmp.com)
La elección dependerá de varios criterios, como: presupuesto experimental, precisión/varianza de predicción esperada en su espacio experimental, superficie de respuesta "continua" o "discontinua", enfoque basado en modelos versus independiente del modelo...
Algunas diferencias entre modelos y términos utilizados en diferentes modelos:
- En el modelo cúbico de Scheffé (realizado en Diseño personalizado), podrá crear un modelo con efectos principales, 2 interacciones de factores de mezcla y 3 interacciones de factores de mezcla, para un total de 30 ejecuciones recomendadas por JMP (ver captura de pantalla). Puede agregar manualmente la interacción de 4 factores sin costo adicional (JMP no parece agregar ejecuciones en el "número de ejecuciones recomendado" cuando agrega este término en el modelo, pero sí cambia la cantidad mínima de ejecuciones necesarias de 20 a 21 debido a este término adicional agregado).
- En el diseño Simplex Centroïd (realizado en Clásico -> Diseño de mezclas), estás haciendo mezclas con hasta 4 componentes para un total de 15 experimentos recomendados por JMP (ver captura de pantalla). Tiene menos ejecuciones que el diseño anterior, pero a expensas de una predicción de varianza relativa mayor en su espacio experimental.
- También se podría considerar un diseño de mezcla de relleno de espacio; en este caso, para cuatro factores, JMP recomienda 40 ejecuciones. La ventaja de este diseño es la repartición homogénea de puntos/ejecuciones en su espacio experimental, sin un modelo predefinido (es un enfoque independiente del modelo). Eso significa que debería poder utilizar otro enfoque de modelado para el análisis, como el proceso gaussiano, o técnicas de aprendizaje automático, como máquinas de vectores de soporte, métodos basados en árboles, redes neuronales, etc. La validación de dichos modelos podría realizarse luego con conjuntos de entrenamiento/validación/prueba o el método SVEM ( Uso de métodos de diseño de experimentos para modelado y simulación eficientes - Comunidad de usuarios de JMP ). Pero esto se produce a expensas de más alias (correlaciones) entre factores, por lo que podría ser más difícil entender qué factores o interacciones de la mezcla impulsan las respuestas (ver captura de pantalla Matrix_correlations_designs).
Entonces, la elección depende de usted, si prefiere un modelo "causal" (diseños de mezcla clásicos y diseños personalizados con modelo predefinido) o solo un modelo con buen rendimiento predictivo pero con conocimiento limitado. Según la publicación anterior que realizó, se consideró un enfoque de llenado de espacio para uno de sus temas similares, pero puede cambiar de opinión según su objetivo y presupuesto experimental.
Hay tantas cosas que podemos contar sobre los diseños de Mixture, puedes consultar en la comunidad temas similares y los webinars dedicados a este tema ( Diseño de experimentos de mezclas - Parte 1 - Comunidad de usuarios de JMP , Diseño de experimentos de mezclas - Parte 2 - Comunidad de usuarios de JMP, Acelerando la innovación con diseños de mezclas de relleno espacial, redes neuronales y... - Comunidad de usuarios de JMP ).
Espero que esta primera (larga) respuesta te ayude en tu reflexión,
