599084_de-DE

liliconcom

Welcher/welche Parameter beeinflussen die Antwortvariable am meisten?

Hallo

Ich bin ein ziemlicher Neuling bei JMP Pro und daher nicht sehr vertraut mit dem Umgang mit Folgendem:

(Ich habe auch die unten)

Ich habe 3 Parameter einer Fermentation in verschiedenen Kombinationen untersucht (mein DoE)
und die Proteinkonzentration quantifiziert (das ist meine Antwortvariable).

Ist es möglich zu erkennen, welche Parameter den größten Einfluss auf die Proteinkonzentration haben?

pH	Temperatur	Verdünnungsrate	Proteinkonzentration
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

Vielen Dank im Voraus.

beste grüße,

Carl

Erweiterte statistische ModellierungAutomatisierung und SkriptingVersuchsplanungQualitäts- und ProzesstechnikBetreff: Welche(r) Parameter beeinflusst die Antwortvariable am meisten?

Willkommen in der Community. In Zukunft ist es am besten, wenn Sie nur die JMP-Tabelle hinzufügen.  

Erste Frage: Wie viel Veränderung der Proteinkonzentration ist aus wissenschaftlicher oder technischer Sicht sinnvoll? Dies wird als praktische Bedeutung bezeichnet. Variiert die Antwortvariable genug, um interessant zu sein? Was ist die kleinste Änderungsstufe, an der Sie interessiert wären? Versuchen Sie zu maximieren, zu minimieren oder ein Ziel zu erreichen?

Zweitens haben Sie eine gebrochene Fakultät ohne direkte Schätzung von MSE (z. B. keine Replikation). 2 Faktoren sind 3-stufig (und einer davon ist unausgeglichen?) und der dritte ist 2-stufig. Für welches Modell interessieren Sie sich? Bei der ersten Analyse für nicht replizierte Designs gibt es keine p-Werte, also sehen Sie sich das Pareto-Diagramm, das Normaldiagramm, den Vorhersage-Profiler und die Wechselwirkungsdiagramme auf interessante Effekte an. Hinweis: Sie haben lineare Effekte 2. Ordnung mit quadratischen Termen verwechselt. Außerdem ist es immer gut, die Run Order im Auge zu behalten.

 

Ich habe Ihre Datentabelle mit den folgenden Skripten hinzugefügt: Entwurfsbewertung (zur Schätzung von Aliasing, Leistung usw.) und Fit-Modell (für die erste Bewertung). Klicken Sie einfach auf die grünen Pfeile in der oberen linken Zone). Die Ergebnisse müssen über SME interpretiert werden.

Betreff: Welche(r) Parameter beeinflusst die Antwortvariable am meisten?

Woher haben Sie dieses Design? Haben Sie dafür eine der DOE-Plattformen in JMP verwendet?

 

Ihre Frage, " Kann man sehen, welche Parameter die Proteinkonzentration am stärksten beeinflussen? “ deutet darauf hin, dass Sie in diesem Stadium Faktoren oder Effekte prüfen. Sie versuchen nicht unbedingt, die Reaktion zu modellieren, um sie durch Faktoreinstellungen zu optimieren. Eine wichtige Frage in einem solchen Fall ist, wie hoch ist meine Chance, einen echten Effekt zu entdecken? Eine Machtanalyse kann dies beantworten. Hier ist die Analyse Ihres Designs:

 

 

Leistung ist die Chance, dass Sie eine echte Wirkung feststellen. Das gewünschte Leistungsniveau ist subjektiv, aber eine höhere Leistung ist gut. Sie hängt von der Effektgröße, der Varianz der Antwortvariablen, dem Signifikanzniveau für Entscheidungen und der Anzahl der Läufe ab. Meine Analyse zeigt, dass Ihre Chance, einen echten Effekt zu finden, bei etwa 80-97 % liegt, WENN der Effekt etwa 20 Mal größer ist als die Standardabweichung.

Betreff: Welche(r) Parameter beeinflusst die Antwortvariable am meisten?

Um ein bisschen hinzuzufügen @Mark_Bailey Und @Statmann Weiser Rat von : Bei Fragen wie Ihrer sollten Sie als allererstes die Daten in verschiedenen Formen grafisch darstellen. Ich schlage, in keiner bestimmten Reihenfolge, die Antworten in der Reihenfolge des Experiments vor. Ein einfaches Histogramm der Antworten. Und Fit Y by X für jedes x und y. Hier ist der Grund?

 

1. Das Plotten in der Reihenfolge der Experimente ist Ihre beste Chance, um zu sehen, ob sich vielleicht ein lauernder Faktor in das, was Sie wirklich suchen, verheerend eingeschlichen hat.

2. Ein Histogramm der Antworten hilft bei der Identifizierung des Zentrums, der Streuung und der Form der Verteilung der Antworten. Sieht das Histogramm angesichts Ihrer Prozesskenntnisse vernünftig aus? Gibt es Reaktionen, die die nachfolgende Modellierung problematisch machen könnten? Ausreißer? Unsinnige Werte? Fehlende Werte? usw.

3. Schließlich können Ihnen die Diagramme „Y nach X anpassen“ einige Hinweise auf die Struktur des Modells geben. Wenn es darüber hinaus Beziehungen zu geben scheint, sind diese in Bezug auf Ihr a priori Prozesswissen sinnvoll? Ich habe die Ingenieure, mit denen ich zusammengearbeitet habe, immer gefragt, als ich diese Diagramme untersucht habe: "Wenn das Diagramm darauf hindeutet, dass Wasser bergauf fließt, haben wir ein Problem und sollten anhalten und innehalten, um diese offensichtliche Schlussfolgerung zu vereinbaren."

 

Erst nachdem ich das oben Gesagte getan hatte und mit den Ergebnissen zufrieden war, würde ich mit dem Modellieren fortfahren.