Re : Quel(s) paramètre(s) affecte le plus la variable de réponse ?Où avez-vous obtenu ce dessin ? Avez-vous utilisé l'une des plates-formes DOE de JMP pour le créer ?
Ta question, " Est-il possible de voir quels paramètres affectent le plus significativement la concentration en protéines ? " suggère que vous examinez des facteurs ou des effets à ce stade. Vous n'essayez pas nécessairement de modéliser la réponse pour l'optimiser par le biais de paramètres de facteurs. Une question importante dans un tel cas est, quelle est ma chance de détecter un effet réel ? Une analyse de puissance peut y répondre. Voici l'analyse de votre design :
La puissance est la chance que vous détectiez un effet réel. Le niveau de puissance souhaité est subjectif, mais une puissance plus élevée est bonne. Cela dépend de la taille de l'effet, de la variance de la réponse, du niveau de signification des décisions et du nombre d'exécutions. Mon analyse révèle que votre chance de trouver un effet réel est d'environ 80 à 97 % SI l'effet est environ 20 fois supérieur à l'écart type.
Quels paramètres affectent le plus la variable de réponse ?Salut
Je suis assez nouveau sur JMP Pro et je ne sais donc pas très bien comment gérer les éléments suivants :
(J'ai également inséré le ci-dessous)
J'ai étudié 3 paramètres d'une fermentation dans différentes combinaisons (mon DoE)
et quantifié la concentration en protéines (c'est ma variable de réponse).
Est-il possible de voir quels paramètres affectent le plus significativement la concentration en protéines ?
|
pH
|
Température
|
Taux de dilution
|
Concentration en protéines
|
|
5.5
|
32
|
0,1
|
0,002989482
|
|
6.5
|
32
|
0,1
|
0,003129305
|
|
4.5
|
26
|
0,1
|
0,002990589
|
|
5.5
|
26
|
0,2
|
0,00247863
|
|
5.5
|
37
|
0,1
|
0,002470013
|
|
6.5
|
37
|
0,2
|
0,000480857
|
|
4.5
|
32
|
0,2
|
0,002055102
|
|
5.5
|
32
|
0,2
|
0,003187044
|
Merci d'avance.
cordialement,
Carl
Modélisation statistique avancéeAutomatisation et scriptsPlan d'expériencesIngénierie de la qualité et des procédésRe : Quel(s) paramètre(s) affecte le plus la variable de réponse ?Bienvenue dans la communauté. À l'avenir, il est préférable d'ajouter simplement la table JMP.
Première question : dans quelle mesure un changement de la concentration en protéines est-il significatif d'un point de vue scientifique ou technique ? C'est ce qu'on appelle la signification pratique. La variable réponse varie-t-elle suffisamment pour être intéressante ? Quel est le plus petit incrément de changement qui vous intéresserait ? Essayez-vous de maximiser, de minimiser ou d'atteindre une cible ?
Deuxièmement, vous avez une factorielle fractionnaire sans estimation directe de MSE (par exemple, pas de réplication). 2 facteurs sont à 3 niveaux (et l'un d'eux est déséquilibré ?) et le troisième est à 2 niveaux. Quel modèle vous intéresse ? L'analyse initiale pour les conceptions non répliquées, il n'y aura pas de valeurs p, alors regardez le diagramme de Pareto, le diagramme normal, le profileur de prédiction et les diagrammes d'interaction pour des effets intéressants. Remarque : Vous avez confondu les effets linéaires du 2ème ordre avec les termes quadratiques. De plus, il est toujours bon de garder une trace de l'ordre d'exécution.
J'ai ajouté votre table de données avec les scripts suivants : évaluation de la conception (pour estimer le crénelage, la puissance, etc.) et modèle d'ajustement (pour l'évaluation initiale). Cliquez simplement sur les flèches vertes dans la zone supérieure gauche). Les sorties doivent être interprétées via SME.
Re : Quel(s) paramètre(s) affecte le plus la variable de réponse ?Pour ajouter un peu à @Mark_Bailey et @statman Le sage conseil de , pour des questions telles que la vôtre, la toute première chose à faire est de tracer les données sous diverses formes. Je propose, sans ordre particulier, les réponses dans l'ordre de l'expérimentation. Un simple histogramme des réponses. Et Fit Y by X pour chaque x et y. Voici pourquoi?
1. Tracer par ordre d'expérimentation est votre meilleur moyen de prémodéliser pour voir si peut-être un facteur caché s'est glissé dans des ravages avec ce que vous recherchez vraiment.
2. Un histogramme des réponses aide à identifier le centre, la propagation et la forme de la distribution des réponses. L'histogramme semble-t-il raisonnable compte tenu de votre connaissance du processus ? Y a-t-il des réponses qui pourraient rendre la modélisation ultérieure problématique ? Valeurs aberrantes ? Des valeurs absurdes ? Valeurs manquantes ? etc.
3. Enfin, les tracés Fit Y by X peuvent vous donner quelques indications concernant la structure du modèle. De plus, s'il semble y avoir des relations, ont-elles un sens par rapport à votre connaissance a priori du processus ? J'avais toujours l'habitude de demander aux ingénieurs avec qui j'ai travaillé lors de l'examen de ces parcelles était quelque chose comme: "Si l'intrigue suggère que l'eau monte, nous avons un problème et devrions nous arrêter et faire une pause pour concilier cette apparente conclusion."
Ce n'est qu'après avoir fait ce qui précède et être satisfait des résultats que je procéderais à la modélisation.
