Ciao comunità JMP,
Attualmente sto lavorando su un design DOE personalizzato. Nel complesso ho 3 fattori con livelli diversi.
Soluzione stabilizzante (ho 7 diverse soluzioni stabilizzanti che vorrei sottoporre a screening) + eventualmente aggiunta di un campione di riferimento (nessuno stabilizzante aggiunto).
Dosaggio dello stabilizzante - 2 livelli (alto e basso) => (0,01% e 0,02%)
Processo (2 diversi trattamenti termici/autoclavazioni).
L'impianto pilota è in grado di miscelare 4 codici univoci pr. giorno. (abbiamo prenotato 4 giorni nell'impianto pilota). Ciò significa che possiamo mescolare al massimo 16 codici univoci che possono essere sottoposti a entrambi i trattamenti termici (per un totale di 32 codici).
Tuttavia il fatto che possiamo mescolare solo 4 codici pr. giorno e questi devono essere trattati con entrambi i trattamenti termici (dando 8 codici al giorno) mi dà qualche problema. L'ordine ideale sarà ovviamente tale che:
Giorno 1:
Stabilizzatore 1: 0,01% - trattamento termico 1
Stabilizzatore 4: 0,02% - trattamento termico 1
Stabilizzatore 5: 0,01% - trattamento termico 1
Stabilizzatore 6: 0,02% - trattamento termico 1
Stabilizzatore 1: 0,01% - trattamento termico 2
Stabilizzatore 4: 0,02% - trattamento termico 2
Stabilizzatore 5: 0,01% - trattamento termico 2
Stabilizzatore 6: 0,02% - trattamento termico 2
eccetera...
Tuttavia non riesco a convincere JMP a farlo (ho provato a utilizzare il blocco e a modificare le "modifiche" da facile a difficile, ecc.).
La migliore risposta che ho ottenuto è allegata.
Non ho familiarità con gli script (JSL), quindi queste soluzioni saranno difficili per me. Sto usando JMP 17.
Grazie in anticipo.
Distinti saluti
Kristian Bertelsen
Ciao Kristian,
Dipende davvero qual è l'obiettivo del tuo studio, non esiste una risposta definitiva.
Se vuoi vagliare e selezionare i migliori stabilizzanti in generale, forse l'informazione sul dosaggio non è così importante. Ma potrebbe anche avere diverse implicazioni/domande:
- La quantità di stabilizzante potrebbe influenzare il resto degli ingredienti della formulazione (effetti sinergici o antagonisti)?
- Potrebbe essere che il comportamento dello stabilizzante non sia lineare e fissare un valore di dosaggio "arbitrario" ti farebbe perdere un potenziale stabilizzante importante/potente (vedi grafico sotto) poiché potrebbero esserci diverse concentrazioni di "attivazione"/prestazioni a seconda della chimica dello stabilizzatore? :
Se la concentrazione dello studio è fissa e inferiore alla soglia di questo grafico, lo stabilizzatore A non verrebbe trattenuto/mantenuto per l'ottimizzazione, poiché si può considerare che non abbia alcuna influenza sulla risposta. Ma al contrario, se si studiassero i suoi effetti su un intervallo, si otterrebbe una migliore valutazione del suo comportamento e delle sue prestazioni, e non solo una stima puntuale delle sue prestazioni.
Un'altra opzione potrebbe essere quella di concentrarsi prima solo sugli effetti principali nel modello (o almeno principalmente sugli effetti principali: tipo di stabilizzatore, dosaggio, processo e ridurre i termini di interazione nel modello per avere più potere per i termini nel modello) e quindi aumentare la progettazione iniziale in base agli effetti significativi identificati? Avresti più potenza per l'effetto principale degli stabilizzatori, quindi la differenziazione/discriminazione tra diversi stabilizzatori potrebbe essere più semplice e potresti aumentare il progetto iniziale solo sugli stabilizzatori che mostrano alcune prestazioni.
O forse hai già dei dati e potresti aumentare il tuo set di dati iniziale con nuovi esperimenti attraverso la piattaforma "Augment Design" (e utilizzare l'opzione "Raggruppa nuove esecuzioni in blocchi separati")?
Puoi avere maggiori informazioni sul livello di significatività e sull'RMSE previsto qui: Analisi della potenza (jmp.com)
- La potenza è la probabilità di rilevare un effetto, se è significativo. Una potenza pari a 1 significa che è possibile rilevare questo effetto (se significativo) il 100% delle volte, per un certo valore di livello di significatività e RMSE previsto. Consiglio vivamente il video del canale Youtube Statquest, mi aiuta molto a comprendere i concetti statistici. C'è un video eccellente sull'analisi della potenza: Analisi della potenza, spiegata chiaramente!!! - Youtube
- Il livello di significatività mostrato in questa piattaforma è noto anche come rischio alfa: comunemente si vede il rischio alfa in test statistici come il test T di Student, ad esempio (per valutare se c'è una differenza nella risposta tra due gruppi). Il livello di significatività è la probabilità di rifiutare l’ipotesi nulla quando questa è vera. Ad esempio, un livello di significatività pari a 0,05 indica un rischio del 5% di concludere che esiste una differenza quando non esiste alcuna differenza effettiva. Livelli di significatività inferiori indicano che sono necessarie prove più forti prima di rifiutare l’ipotesi nulla. Maggiori informazioni qui: Livello di significatività - Statistica Di Jim
- L'RMSE previsto è il "livello di rumore" nella tua risposta ( radice quadrata della variazione dell'errore) . Più alto è il valore, maggiore è il rumore/varianza nella risposta, più difficile sarà determinare un effetto significativo, quindi minore sarà la potenza degli effetti. Potresti vederlo come il rapporto Rumore/Segnale: se hai molto rumore, l'RMSE previsto sarà più alto e i tuoi calcoli di potenza per gli effetti saranno inferiori. Per impostazione predefinita, i calcoli vengono eseguiti con un valore pari a 1 (che è utile per confrontare diversi progetti sulla stessa base), ma se hai già un'idea della varianza della misurazione, potresti inserire un valore diverso che rifletta questa conoscenza per avere un risultato più pertinente. Calcoli di potenza. Maggiori informazioni qui: Esempio di valutazione della potenza relativa a un modello specifico (jmp.com)
Spero che queste opzioni ti aiuteranno nella tua riflessione,
CIAO @Bertelsen92 ,
Quali effetti ti piacerebbe vedere nei modelli?
Per lo screening degli effetti principali, sono in grado di creare 32 esecuzioni in 4 intere trame (quindi 8 esecuzioni al giorno come hai detto), in cui hai solo un processo al giorno.
Ecco la sceneggiatura:
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 ),
Add Factor( Continuous, -1, 1, "X5", 0 ),
Add Factor( Continuous, -1, 1, "X6", 0 ),
Add Factor( Continuous, -1, 1, "X7", 0 ),
Add Factor( Continuous, -1, 1, "X8", 0 ),
Add Factor( Categorical, {"L1", "L2"}, "Process", 1 ),
Set Random Seed( 235758137 ), Number of Starts( 1574 ), 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 Term( {8, 1} ),
Add Term( {9, 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( {1, 1}, {7, 1} ), Add Alias Term( {1, 1}, {8, 1} ),
Add Alias Term( {1, 1}, {9, 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( {2, 1}, {7, 1} ),
Add Alias Term( {2, 1}, {8, 1} ), Add Alias Term( {2, 1}, {9, 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( {3, 1}, {7, 1} ),
Add Alias Term( {3, 1}, {8, 1} ), Add Alias Term( {3, 1}, {9, 1} ),
Add Alias Term( {4, 1}, {5, 1} ), Add Alias Term( {4, 1}, {6, 1} ),
Add Alias Term( {4, 1}, {7, 1} ), Add Alias Term( {4, 1}, {8, 1} ),
Add Alias Term( {4, 1}, {9, 1} ), Add Alias Term( {5, 1}, {6, 1} ),
Add Alias Term( {5, 1}, {7, 1} ), Add Alias Term( {5, 1}, {8, 1} ),
Add Alias Term( {5, 1}, {9, 1} ), Add Alias Term( {6, 1}, {7, 1} ),
Add Alias Term( {6, 1}, {8, 1} ), Add Alias Term( {6, 1}, {9, 1} ),
Add Alias Term( {7, 1}, {8, 1} ), Add Alias Term( {7, 1}, {9, 1} ),
Add Alias Term( {8, 1}, {9, 1} ), Set N Whole Plots( 4 ), Set Sample Size( 32 ),
Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
);
E in allegato puoi trovare il datatable.
Il trucco è specificare il fattore categoriale a 2 livelli "Processo" come fattore difficile da modificare e specificare 4 come numero di intera trama (4 giorni) e 32 come numero di esecuzioni (8 esecuzioni al giorno). Tieni presente che per lo screening degli effetti principali, potresti ridurre il numero di esecuzioni se necessario (ma dovrebbe essere un multiplo del numero di giorni di sperimentazione, quindi se mantieni 4 giorni, puoi ridurre ad esempio a 28 o 24 esecuzioni):
Se fraintendo il tuo obiettivo e/o le specifiche di progettazione, non esitare ad aggiungere ulteriori dettagli e spiegazioni, in modo da poter trovare una soluzione migliore.
Spero che questo ti aiuterà,
Modifica: questo progetto non sembra rispettare il tuo vincolo di avere solo 4 miscele diverse al giorno, quindi aumentare il numero di interi grafici a 8 (e fare 2 interi grafici di 4 esperimenti ciascuno al giorno) con lo stesso numero di esecuzioni potrebbe essere un'alternativa, devo controllare più tardi se funziona.
Scusa per il fraintendimento,
