Comprendere la scheda "Regole di generazione modifiche" della piattaforma di screening fattorialeCiao a tutti,
Sto impostando un progetto di screening fattoriale e desidero modificare l'aliasing 2FI in modo che si adatti alle mie interazioni previste.
Quello che mi piacerebbe è avere [Esegui dialisi]x[Centrifugazione % del massimo] con l'alias [Imidazol]x[Area superficiale coperta]
Il mio problema è che non riesco a capire la logica della scheda "Modifica regola di generazione" durante la generazione del progetto.
Ho letto il argomento di aiuto ma sono ancora perso.
Come interpreto quella strana tabella. Tutto ciò che faccio sembra casuale e la metà delle volte mi ritrovo con un effetto di blocco con alias un effetto principale.
saluti Ben
Progettazione di esperimentiRi: Comprendere la scheda "Regole di generazione modifiche" della piattaforma di screening fattorialeStiamo discutendo i pro e i contro dei design alternativi. Soffrirebbe se quest'ultimo fattore fosse definito categoriale con due livelli fissi. Tuttavia, offre più possibilità per la stima degli effetti, anche se con precisione ridotta, rispetto al disegno fattoriale frazionario regolare basato solo sull’effetto principale.
Ri: Comprendere la scheda "Regole di generazione modifiche" della piattaforma di screening fattorialeSono d'accordo con la tua soluzione alternativa @Mark_Bailey , ma vedo 2 potenziali problemi/difficoltà:
- Se si specificano i cicli di concentrazione come fattore categorico, si perde parte della proprietà di DSD di avere effetti principali completamente senza alias (a differenza di quanto si può ottenere con un progetto di screening ottimale A con 16 esecuzioni):
Pertanto la stima dei parametri per gli effetti principali è meno precisa di quella che potresti ottenere con il tipo di fattore corretto in un progetto personalizzato, per altre 2 esecuzioni: potresti riscontrare un piccolo aumento nella lunghezza del CI, nonché un errore standard leggermente più elevato per le stime . E non sarai in grado di sapere cosa succede per 1 ciclo, poiché i livelli categorici per questo fattore sarebbero solo 0 e 2.
- Se si utilizza il fattore come continuo, allora DSD funziona bene e potrebbe non perdere nessuna delle sue proprietà interessanti, ma se si utilizza Prediction Profiler o qualsiasi piattaforma simile, la modellazione non sarà accurata al 100%, poiché può proporre un valore ottimale per qualsiasi valore compreso tra 0 e 2, senza vincoli, cosa che non avviene negli esperimenti. È sempre possibile arrotondare per eccesso il valore ottimale trovato, ma perché fare così tante cose per adattarsi a questo progetto speciale quando si hanno buoni approcci alternativi?
In generale sono a favore dei DSD, sono progetti molto carini con proprietà interessanti, ma non penso che "trasformare" i fattori o lo spazio sperimentale per adattarli a un progetto sia una bella idea (e del tutto contrario alla filosofia JMP "Fit un progetto per il tuo problema, non adattare il tuo problema a un progetto").
Migliore,
Ri: Comprendere la scheda "Regole di generazione modifiche" della piattaforma di screening fattorialePotresti anche prendere in considerazione l'aggiunta di termini di ordine superiore e la modifica della loro stima in "se possibile". L'idea qui è che stai effettuando uno screening e desideri un design economico. È possibile ridurre il numero minimo di esecuzioni in questo modo. Il numero minimo è uguale al numero di termini la cui stimabilità è "necessaria". Vuoi aggiungere nuovamente 3-4 esecuzioni per ogni termine "se possibile" che ritieni possa essere attivo. Ad esempio, se mi aspettassi che tre termini di interazione fossero attivi ma non sapessi quali, aggiungerei tre volte da 3 a 4 o 9-12 esecuzioni sopra il minimo.
Inoltre, puoi migliorare il progetto originale dopo aver completato l'analisi se indica che alcuni effetti sono stati persi la prima volta.
Ri: Comprendere la scheda "Regole di generazione modifiche" della piattaforma di screening fattorialeIl fattore numerico discreto utilizza solo due livelli, quindi potrebbe essere definito come fattore continuo o categoriale. Tale modifica consentirebbe la candidatura di un progetto di screening definitivo.
DOE(
Definitive Screening Design,
{Add Response( Maximize, "Y", ., ., . ), Add Factor( Blocking, 0, "Block" ),
Add Factor( Continuous, 0, 100, "Imidazol conc.", 0 ),
Add Factor( Categorical, {"Yes", "No"}, "Perform dialysis in cartridge", 0 ),
Add Factor( Categorical, {"Homemade", "Readymixed"}, "Dialysis buffer", 0 ),
Add Factor( Continuous, 0, 100, "Covered surface in fridge", 0 ),
Add Factor( Continuous, 0, 100, "Centrifugation", 0 ),
Add Factor( Categorical, {"0", "2"}, "Concentration cycles", 0 ),
Show Blocking Options( 1, 4 ), Number of Extra Runs( 4 ),
Set Random Seed( 2118942861 ), Make Design, Simulate Responses( 0 ),
Save X Matrix( 0 )}
);Ri: Comprendere la scheda "Regole di generazione modifiche" della piattaforma di screening fattorialeAh, e pensavo che fossi solo io (anche se non mi considero un esperto!). Similmente a Victor, devo "giocare" con la configurazione e continuare a controllare l'aliasing per ottenere ciò che voglio.
Curioso, perché vuoi 4 blocchi? Certamente non sei interessato agli effetti dei blocchi cubici. Cosa è tuo scopo del blocco?
Ri: Comprendere la scheda "Regole di generazione modifiche" della piattaforma di screening fattorialeCIAO @BenGengenbach ,
Ho dovuto modificare la scheda "regole di generazione" per avere gli alias specificati. Questo mi richiede un po' di tempo per visualizzare la logica dietro, e non sono (ancora) in grado di spiegare questa logica al 100%, ma come regola generale devi controllare insieme le combinazioni che vuoi creare come alias ed evitare di avere le stesse modello in colonne diverse (per evitare l'aliasing degli effetti principali con il blocco o degli effetti principali con le interazioni). Ogni volta che cambi un check puoi "applicarlo" e visualizzare nel pannello "Aliasing Effetti" se gli alias sono corretti a seconda di quello che ti serve oppure no.
Esatto, un disegno ottimale cercherà di "diluire" gli alias in un modo più uniforme rispetto ai tradizionali disegni fattoriali frazionari, dove gli alias sono semplicemente presenti o assenti ("alias binari").
Tradizionalmente, il criterio di ottimalità per i progetti di screening è l'ottimalità D, poiché consente di avere una buona precisione nella stima dei coefficienti: Criteri di ottimalità (jmp.com)
- D- ottimalità si concentra su stime precise degli effetti.
- A-ottimalità risultati nel minimizzare la varianza media dei parametri stimati del modello.
- I-ottimalità riduce al minimo la varianza media della previsione nell'area di progettazione, quindi è più adatto per modelli di superfici di risposta/progettazioni predittive.
Consiglio vivamente di guardare la presentazione di Bradley Jones sui moderni progetti di screening, in cui sottolinea i vantaggi del progetto di screening ottimale A rispetto al progetto di screening ottimale 
Progetti di screening del 21° secolo (2020-US-45MP-538) - Comunità di utenti JMP
È possibile, ad esempio, dare un'enfasi diversa agli effetti principali che si desidera sottoporre a screening specificando pesi diversi, rendendo i progetti di screening ottimale A molto flessibili. Poiché non ho modificato i pesi del design ottimale A, il design è in effetti molto vicino a un design ottimale D, ad eccezione delle correlazioni/alias creati nei progetti:
E correlazioni medie tra i disegni:
Mi spiace di non essere riuscito a chiarire molto le "Regole di generazione", spero che questa risposta ti possa aiutare ancora un po' di più,
Ri: Comprendere la scheda "Regole di generazione modifiche" della piattaforma di screening fattorialeCiao Vittorio,
wow è fantastico, grazie mille!
Per quanto riguarda l'impostazione del disegno: hai inserito il generatore di disegno detratto dal mio aliasing desiderato o lo hai modificato successivamente tramite la scheda "regole di generazione"?
In quest'ultimo caso, sarebbe fantastico se potessi spiegare come interpretarlo, come anche @Mark_Bailey ho notato che la tabella è piuttosto difficile da capire.
Tuttavia penso che sceglierò il design ottimale come suggerito da entrambi.
La logica alla base di ciò è semplicemente che l'aliasing è meno violento e distribuito più equamente tra più 2FI, giusto?
A sinistra è il fattoriale, a destra è l'A-ottimale:
E hai scelto l'ottimalità A per impostazione predefinita perché ho detto screening?
È interessante notare che quando si generano progetti ottimali con gli stessi fattori, aliasing e seed, ma diversi criteri di ottimalità, FDS è assolutamente identico.
C'è da aspettarselo?
saluti Ben
Ri: Comprendere la scheda "Regole di generazione modifiche" della piattaforma di screening fattorialeCiao Mark,
" È difficile valutare l’effetto di un cambiamento nelle regole”. È geniale 
Scherzi a parte, vogliamo fare uno screening veloce e sì, abbiamo un numero limitato di corse. Gli effetti principali sono positivi, ma ci sono alcune interazioni che vorrei quantificare adeguatamente e non possiamo permetterci il lusso di passare a un piano di risoluzione V.
La soluzione alternativa al mio problema potrebbe essere quella di controllare l'aliasing nel modello corrente e quindi semplicemente scambiare l'ordine dei fattori durante la generazione del progetto.
Almeno funzionava con il software DesignExpert, tuttavia pensavo che le regole di generazione in JMP sarebbero state un po' più accessibili.
Ri: Comprendere la scheda "Regole di generazione modifiche" della piattaforma di screening fattorialeCIAO @BenGengenbach ,
Ho provato a generare un progetto di screening con l'alias specificato.
Se "codifichiamo" i tuoi fattori (eccetto il blocco) con X1, X2, ..., significa che hai questo generatore per il disegno fattoriale frazionario: I = 1245.
Tuttavia, la presenza del blocco è abbastanza difficile da prendere in considerazione, poiché dobbiamo fare attenzione che non venga confuso con gli effetti principali o con altri effetti, il che è un compito piuttosto complicato poiché gli alias sono fissi qui.
Quando provo a impostare questo generatore nelle regole di generazione, ecco la configurazione che ho:
Quindi ecco un esempio di design con l'alias che hai definito (tabella allegata):
DOE(
Screening Design,
{Add Response( Maximize, "Y", ., ., . ), Add Factor,
Add Factor( Continuous, 0, 100, "Imidazol conc.", 0 ),
Add Factor( Categorical, {"Yes", "No"}, "Perform dialysis in cartridge", 0 ),
Add Factor( Categorical, {"Homemade", "Readymixed"}, "Dialysis buffer", 0 ),
Add Factor( Continuous, 0, 100, "Covered surface in fridge", 0 ),
Add Factor( Continuous, 0, 100, "Centrifugation", 0 ),
Add Factor( Discrete Numeric, {0, 2}, "Concentration cycles", 0 ),
Set Random Seed( 1921021643 ), Make Design( 6 ),
Set Generators( [1 1 0 1, 1 1 0 1, 0 1 1 0, 1 0 1 0, 1 1 2 2, 0 0 0 0] ),
Simulate Responses( 0 ), Save X Matrix( 0 )}
)
Ma come suggerito da @Mark_Bailey , Consiglierei anche un design personalizzato, poiché hai diversi tipi di fattori (categorici a 2 livelli e fattori continui sono accettati per DSD, ma non il fattore numerico discreto), sarà molto facile introdurre un fattore di blocco se tu hai dei vincoli sul numero di esecuzioni al giorno o qualsiasi altra variabile di blocco e puoi evitare di avere effetti completamente alias nel tuo progetto.
Un esempio di un possibile progetto di screening personalizzato con i tuoi fattori potrebbe essere:
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Continuous, 0, 100, "Imidazol conc.", 0 ),
Add Factor( Categorical, {"Yes", "No"}, "Perform dialysis in cartridge", 0 ),
Add Factor( Categorical, {"Homemade", "Readymixed"}, "Dialysis buffer", 0 ),
Add Factor( Continuous, 0, 100, "Covered surface in fridge", 0 ),
Add Factor( Continuous, 0, 100, "Centrifugation", 0 ),
Add Factor( Discrete Numeric, {0, 2}, "Concentration cycles", 0 ),
Add Factor( Blocking, 4, "Block" ), Set Random Seed( 2118942861 ),
Number of Starts( 1 ), Add Term( {1, 0} ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ), Add Term( {5, 1} ),
Add Term( {6, 1} ), Add Term( {7, 1} ), Add Alias Term( {1, 1}, {2, 1} ),
Add Alias Term( {1, 1}, {3, 1} ), Add Alias Term( {1, 1}, {4, 1} ),
Add Alias Term( {1, 1}, {5, 1} ), Add Alias Term( {1, 1}, {6, 1} ),
Add Alias Term( {2, 1}, {3, 1} ), Add Alias Term( {2, 1}, {4, 1} ),
Add Alias Term( {2, 1}, {5, 1} ), Add Alias Term( {2, 1}, {6, 1} ),
Add Alias Term( {3, 1}, {4, 1} ), Add Alias Term( {3, 1}, {5, 1} ),
Add Alias Term( {3, 1}, {6, 1} ), Add Alias Term( {4, 1}, {5, 1} ),
Add Alias Term( {4, 1}, {6, 1} ), Add Alias Term( {5, 1}, {6, 1} ),
Set Sample Size( 16 ), Optimality Criterion( "Make A-Optimal Design" ),
"A-Optimality Parameter Weights"n( [1 1 1 1 1 1 1 1 1 1] ),
Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
)
Spero che questa risposta ti possa aiutare,
Ri: Comprendere la scheda "Regole di generazione modifiche" della piattaforma di screening fattorialeLavorare con le regole di generazione è difficile per la maggior parte delle persone, anche per gli esperti. È difficile valutare l’effetto di un cambiamento nelle regole.
Hai considerato l'utilizzo di un progetto personalizzato o di un progetto di screening definitivo invece di un fattoriale frazionario? Qual è il motivo per cui utilizzi una FF? Hai vincoli come il numero di corse? Hai un modello in mente?
