Quando l'obiettivo è l'ottimizzazione, i progetti di screening definitivo non sono il primo progetto che sceglierei. Il motivo è che stanno esaminando i progetti prima di tutto con alcune proprietà uniche, ma comunque schermando i progetti. Allora, a che punto sei nella profondità, ampiezza e maturità del processo/problema in questione? Stai controllando i fattori o li hai superati? In altre parole, conosci i fattori chiave, i livelli di quei fattori che circonderanno la posizione ottimale dello spazio dei fattori, hai una buona gestione delle variabili di rumore (controllate e non controllate) e una buona idea del modello che vorresti adattare?
Se stai veramente vagliando i fattori, un DSD non è una brutta strada da percorrere. Fornirà alcune informazioni per future sperimentazioni sequenziali. Ma se hai superato lo screening, allora un approccio di progettazione ottimale basato su modello è probabilmente la strada da percorrere. Se vuoi effetti quadratici nel modello, specificali e l'algoritmo di scambio di coordinate fornirà i livelli appropriati per i fattori per stimare quegli effetti così come qualsiasi effetto di interazione che cerchi.
Echeggiante @P_Bartell Il commento di: Se pensi che ci siano fattori di ordine superiore in gioco, allora DSD potrebbe non essere il punto di partenza migliore. Il Custom Designer potrebbe essere un'opzione migliore per il design sperimentale, poiché di solito è meglio quando inizi con un modello che hai definito per le tue circostanze esatte.
Inoltre, hai JMP o JMP Pro? In JMP Pro, la piattaforma Functional Data Explorer può analizzare l'intero flusso di output di ciascuna colonna HPLC come una singola risposta, consentendoti di specificare l'intera curva/spettro desiderati che stai cercando. Il file di esempio NMR DOE.jmp fornito con JMP ne contiene un esempio.
CIAO @ClusterFerret68 ,
Giusto per essere sicuri, le tre composizioni chimiche della fase mobile sono tre fattori continui indipendenti, non fattori misti (dipendenti) che si sommano a un valore costante?
Se tutti i fattori sono continui e il tuo obiettivo è l'ottimizzazione, i DoE tradizionali "da manuale" comunemente incontrati per l'ottimizzazione del processo cromatografico sono Central Composite Design (CCD) e Box-Benhken.Vedi maggiori informazioni a riguardo in una delle mie risposte precedenti: Risolto: Re: Attività di ottimizzazione con 2 fattori continui e 1 discreto (2 livelli) - Comunità utenti JMP
Puoi anche utilizzare la piattaforma Custom Design, specificare i tuoi fattori e creare un modello di superficie di risposta facendo clic su "RSM" nel pannello "Modello": tutte le interazioni a 2 fattori e gli effetti quadratici verranno aggiunti automaticamente nel modello, il design sarà I-ottimale (per ridurre al minimo la varianza media della previsione nello spazio sperimentale) per un numero predefinito consigliato di esecuzioni pari a 21.
Ecco lo script per generare tale design:
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Continuous, -1, 1, "X1", 0 ),
Add Factor( Continuous, -1, 1, "X2", 0 ),
Add Factor( Continuous, -1, 1, "X3", 0 ),
Add Factor( Continuous, -1, 1, "X4", 0 ), Set Random Seed( 1822801991 ),
Number of Starts( 8853 ), Add Term( {1, 0} ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ), Add Term( {1, 2} ),
Add Term( {1, 1}, {2, 1} ), Add Term( {2, 2} ), Add Term( {1, 1}, {3, 1} ),
Add Term( {2, 1}, {3, 1} ), Add Term( {3, 2} ), Add Term( {1, 1}, {4, 1} ),
Add Term( {2, 1}, {4, 1} ), Add Term( {3, 1}, {4, 1} ), Add Term( {4, 2} ),
Set Sample Size( 21 ), Optimality Criterion( "Make I-Optimal Design" ),
Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
)
E in 3D la ripartizione dei punti è simile a un progetto composito centrale (che richiederebbe 26 corse per 4 fattori continui) quando si specifica un valore assiale di 1 (punti assiali "sulla faccia"):
Non aggiungerei più termini o una maggiore potenza nel modello (tranne se l'esperienza nel dominio o l'esperienza precedente ti danno forti suggerimenti sull'utilità di questi termini nel modello), e prima controlla i risultati di questa modellazione sulle misurazioni per vedere se il modello è sufficiente/affidabile o se necessita di un aumento (ed eventualmente includere termini di ordine superiore).
Sono d'accordo con le risposte precedenti sui DSD che questo progetto è più adatto a una fase di screening con un gran numero di fattori, non a una fase di ottimizzazione con un basso numero di fattori.
I DSD non sono consigliati per meno di 5+ fattori, in quanto saranno necessarie 13 esecuzioni (17 se si seguono le impostazioni predefinite e le raccomandazioni di JMP con le 4 esecuzioni extra aggiunte) per un massimo di 6 fattori. Quindi con un basso numero di fattori, il Custom Design sarebbe meno costoso in termini di budget sperimentale, con una maggiore flessibilità per gestire vincoli e tipi di fattori vari.
I numeri di corse necessarie per DSD con fattori m sono:
- 2m+1 per numeri pari di fattori
- 2m+3 per i numeri dispari di fattori.
Maggiori informazioni sui DSD sono disponibili nel Centro di apprendimento: Progetto di vagliatura definitivo - Comunità di utenti JMP
Argomenti di presentazione simili dalla Community :
Miglioramento della gascromatografia/spettroscopia ultravioletta sotto vuoto (GC/VUV) per le scienze forensi utilizzando JMP (2019-US-30MP-199)
MSA e ottimizzazione di un sistema di misurazione UHPLC (2022-EU-45MP-1002)
Spero che questa prima risposta ti possa aiutare,
La mia preferenza è la piattaforma Custom DOE cfr. presentazione Ottimizzazione del sistema di misura UHPLC. Puoi provare DSD e Custom e confrontarli entrambi nel menu di diagnostica. La mia ipotesi è che per la cerva personalizzata otterrai una potenza maggiore per gli effetti di interazione, il che è abbastanza importante.Potrebbe esserci - a causa della scarsa correlazione trascurabile - una potenza elevata leggermente inferiore ma comunque accettabile per gli effetti principali e quadratici.
Ciao a tutti,
Spero in una guida/supporto nella creazione di un DoE per ottimizzare alcuni parametri in una separazione HPLC.
In totale ho 4 fattori, tutti continui (tre sono le composizioni chimiche della fase mobile, 1 è la temperatura della colonna).
Prevedo effetti incrociati tra alcune delle condizioni che avranno un impatto sulle risposte nel mio studio.
Qual è l'approccio migliore al DoE qui?Devo eseguire un progetto di screening definitivo o un progetto personalizzato con interazioni di ordine superiore (4°)?Quando imposto il design personalizzato non vedo alcuna condizione del punto centrale per nessuno dei fattori.È un problema?Vedrò ancora effetti quadratici?Quando ho impostato il progetto di screening definitivo, vedo alcuni effetti incrociati a 2 vie indicati ... ma sono preoccupato che mi mancheranno altre potenziali interazioni.
Eventuali suggerimenti o consigli sarebbero molto apprezzati .... grazie in anticipo!
Chris
