595698_zh-CN

liliconcom

定制设计 - 帮助分割图/分块

JMP 社区您好，

 

我目前正在研究定制 DOE 设计。 总的来说，我有 3 个不同程度的因素。

 

稳定剂溶液（我想筛选 7 种不同的稳定剂溶液）+ 可能添加参考样品（未添加稳定剂）。

稳定剂剂量 - 2 个级别（高和低）=>（0,01% 和 0,02%）

工艺（2 种不同的热处理/高压灭菌）。

 

试点工厂能够混合 4 个独特的代码。天。 （我们在试点工厂预订了 4 天）。 这意味着我们最多可以混合 16 个可通过两种热处理运行的独特代码（总共 32 个代码）。

 

然而事实上我们只能混合 4 个代码。天，这些需要通过两种热处理进行处理（每天给出 8 个代码）给我带来了一些麻烦。 理想的顺序当然是：

第一天：

稳定剂 1：0.01% - 热处理 1

稳定剂 4：0.02% - 热处理 1

稳定剂 5：0.01% - 热处理 1

稳定剂 6：0.02% - 热处理 1

稳定剂 1：0.01% - 热处理 2

稳定剂 4：0.02% - 热处理 2

稳定剂 5：0.01% - 热处理 2

稳定剂 6：0.02% - 热处理 2

ETC...

 

但是我无法让 JMP 执行此操作（已尝试使用阻止，并编辑从简单到困难的“更改”等）。

附上我自己得到的最佳答案。

 

我不熟悉脚本（JSL），所以这些解决方案对我来说很难。 我正在使用 JMP 17。

 

先感谢您。

此致

克里斯蒂安·贝特尔森

实验设计回复：定制设计 - 帮助分割图/分块

嗨克里斯蒂安，

 

很高兴这次讨论对您有帮助并指导您进行（希望更好的）设计。

减少稳定剂水平的数量似乎确实是增加功效的好主意：相同的运行总数可以估计模型中更少的项。

如果您需要有关此 DoE（或任何其他主题）分析的进一步帮助或建议，请随时创建新帖子，JMP 社区充满了热情的人们！

 

祝你周末愉快，

回复：定制设计 - 帮助分割图/分块

嗨维克多，

 

非常感谢您的所有投入！

 

我看过你分享的大部分链接。 确实有助于理解。

 

我也成功地创造出了令我满意的设计。 我最终将稳定器的数量从 8 个减少到 5 个。 我还说服我们的中试工厂生产 5 种混合物。天。 功率分析现在看起来很强大。

 

我很高兴我在 JMP 社区的第一篇文章取得了如此好的成绩。

就在这里见吧。

祝你周末愉快。

回复：定制设计 - 帮助分割图/分块

嗨克里斯蒂安，

 

这实际上取决于你的研究目的是什么，没有明确的答案。

如果你想从总体上筛选和选择最好的稳定剂，也许有关剂量的信息确实不是那么重要。 但它也可能有几个含义/问题：

• 稳定剂的用量是否会对配方中的其他成分产生影响（协同或拮抗作用）？
• 稳定剂的行为是否不是线性的，固定剂量的“任意”值会让您错过潜在的重要/强大的稳定剂（见下图），因为根据化学性质可能有不同的“活化”/性能浓度稳定器 ? :

如果研究浓度固定且低于该图的阈值，则稳定剂 A 将不会被保留/保留进行优化，因为它可以被视为对响应没有影响。 但相反，如果您研究其对某个范围的影响，您将更好地了解其行为和性能，而不仅仅是对其性能的单点估计。

 

另一种选择可能是首先仅关注模型中的主效应（或至少主要关注主效应稳定剂类型、剂量、过程，并减少模型中的相互作用项，以便为模型中的项提供更多功效），并且然后根据已确定的显着效果增强您的初始设计？ 您将拥有更多的稳定器主效应能力，因此不同稳定器之间的差异/区分可能会更容易，并且您可以仅在显示出某些性能的稳定器上增强初始设计。

 

或者也许您已经拥有一些数据，并且您可以通过“增强设计”平台通过新实验来增强您的初始数据集（并使用选项“将新运行分组到单独的块中”）？

 

您可以在此处获取有关显着性水平和预期 RMSE 的更多信息：功率分析 (jmp.com)

• 功效是检测到效应（如果效应显着）的概率。 功效等于 1 意味着对于特定的显着性水平和预期 RMSE 值，您可以 100% 的时间检测到此效应（如果显着）。 我强烈推荐 Youtube 频道 Statquest 的视频，它帮助我很好地理解统计概念。 有一个关于功率分析的精彩视频：功率分析，解释清楚！ - YouTube
• 该平台中显示的显着性水平也称为 alpha 风险：您通常会在统计测试中看到 alpha 风险，例如学生 T 检验（以评估两组之间的响应是否存在差异）。 显着性水平是当原假设为真时拒绝原假设的概率。 例如，显着性水平 0.05 表示在没有实际差异的情况下得出存在差异的结论的风险为 5%。 较低的显着性水平表明您需要更有力的证据才能拒绝原假设。 更多信息在这里：显着性水平 - Jim 的统计
• 预期 RMSE 是您的响应中的“噪音水平”（误差变化的平方根） 。 值越高，响应中的噪声/方差越高，确定显着效果就越困难，因此效果的功效就越低。 您可以将其视为噪声/信号之比：如果您有很多噪声，则预期 RMSE 将会更高，并且效果的功率计算将会更低。 默认情况下，计算使用值 1 完成（这有助于在相同基础上比较不同的设计），但如果您已经了解测量方差，则可以输入反映此知识的不同值以获得更相关的信息功率计算。 更多信息在这里：评估相对于指定模型的功效的示例 (jmp.com)

 

我希望这些选项能够帮助您进行反思，

回复：定制设计 - 帮助分割图/分块

你好，我们又见面了，

 

无论何时将剂量作为一个因素是否有意义，我也表示怀疑。 由于试验的主要目的是找出哪种稳定剂在稳定性方面效果最好，并可能为所需产品提供更多的粘度/功能。 我们可以只使用一种剂量（稳定剂供应商推荐的剂量）。 然后我希望选择 2-3 个最佳解决方案并进行优化实验，其中我改变它们的内容以及可能的其他一些过程参数。 你怎么认为？ 我可以只做一次剂量，但对每个稳定剂进行重复以获得更好的功率得分。

 

稳定剂和热处理的相互作用项也有点有趣，因为我们之前已经看到这可能会产生不同的结果（好或坏）。

我不确定我是否完全理解这个功率分析（已经尝试阅读更多相关内容，并且在您之前与 Phil Kay 一起发表的一篇文章中也找到了很好的回复）。
https://www.jmp.com/support/help/14/power-analysis.shtml

https://community.jmp.com/t5/Discussions/Should-I-consider-power-analysis-in-DOE/mp/501063

我想我明白幂数的含义（0-1），其中值为 1 意味着有 100% 的机会看到它们是否有效果？

但是我不完全理解显着性水平和预期 RMSE 的含义以及它们如何影响我的实验的功效得分？

我应该根据我正在测试的内容知道这些的特定值，或者？

非常感谢您的时间和回复。

回复：定制设计 - 帮助分割图/分块

抱歉，我天真地认为问题在于避免每天使用超过 4 种稳定剂，但我没有考虑完整的配方以及稳定剂 - 剂量的关系。

 

我认为删除阻塞因素“天”并将“稳定剂”和“剂量”都切换为“难以改变”因素应该尊重每天 4 种配方的限制：

 

并为“稳定剂”主效应提供稍高的功率（以“剂量”主效应的较低功率为代价）：

稳定器主效应的低功率得分可以通过该主效应的级别数来解释（如果没有限制，则使用相同模型进行 32 次运行时每个级别的稳定器可达到的最高功率将为 0,454...）以及随机化的限制。

我可以尝试其他选择，如果我能找到一些有趣的东西，我会回来找你。

回复：定制设计 - 帮助分割图/分块

嗨维克多，

 

不用担心。 很好，但是如果可以做得更聪明，我愿意接受其他建议。

 

但恐怕您的建议并不能解决我的问题。 因为 L6 = 0,01 和 L6 = 0,02 是独特的混合，并且与 L7=0,01 和 L3=0,02 一样不同。 因此，在第一天内，需要混合 8 个代码（4 个不同的稳定剂，但有 2 个级别），这是不可能的。

 

也许这无法在 JMP 或一般情况下完成。 我可能需要彻底重新考虑设计。

回复：定制设计 - 帮助分割图/分块

嗨克里斯蒂安，

 

抱歉我的误解，您对因素的设置完全正确。

现在一切似乎都清楚了（非常感谢您的快照帮助我定义了所需的因素和模型），我能够找到一个能够满足您的限制的设计：每天 4 种混合物，涉及 2 个过程。

在本例中，我没有将因子设置为“难以更改”，而是创建了一个阻塞因子“天”，每天运行 8 次，“自然”每天进行 4 次混合。

 

我希望这将是一个更适合您需求的解决方案？

请找到随附的数据表，然后您可以将此设计与您已经准备好的设计进行比较。

回复：定制设计 - 帮助分割图/分块

嗨维克多，

非常感谢您的帮助。

请记住，我想测试 7 种不同的稳定剂 + 参考。 那么这些难道不应该被列为 8 级因素吗？

 

因为我们一次只能向混合物中添加一种稳定剂溶液？

 

是的，每天 4 种混合物是限制因素。 然而，该过程（热处理 - 2 个不同的过程）可以在同一天进行。

 

这就是为什么如果您每天可以运行 4 种混合物就完美了。然后将通过两种处理进行热处理。

 

我已成功收到此订单（请参阅附图）。 然而，我担心稳定器的功率分数太低，这是我想研究的主要效果。 你怎么认为？

 

 

回复：定制设计 - 帮助分割图/分块

你好@Bertelsen92 ,

 

您希望在模型中看到哪些效果？

对于主效应的筛选，我能够在 4 个整区中创建 32 次运行（因此，就像您提到的那样，每天运行 8 次），其中每天只有一个过程。
这是脚本：

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}
);

您可以在附件中找到数据表。

技巧是将 2 级分类因子“过程”指定为难以更改的因子，并将 4 指定为整个图的数量（4 天），将 32 指定为运行次数（每天运行 8 次）。 请注意，为了筛选主效应，如果需要，您可以减少运行次数（但它应该是实验天数的倍数，因此如果保留 4 天，则可以减少到例如 28 或 24 次运行）：

 

 

如果我误解了您的目标和/或设计规范，请随时添加更多细节和解释，以便我们找到更好的解决方案。
我希望这能帮到您，

 

编辑：这个设计似乎不尊重每天只有 4 种不同混合物的约束，因此将整区数量增加到 8 个（每天进行 2 个整区，每个实验 4 次），运行次数相同作为替代方案，我必须稍后检查它是否有效。

很抱歉对于这个误会，