595698_ja-JP

liliconcom

カスタム設計 - 分割プロット/ブロック化に役立ちます

JMP コミュニティの皆さん、こんにちは。

 

現在、カスタム DOE 設計に取り組んでいます。 全体として、さまざまなレベルの 3 つの要素があります。

 

安定剤溶液 (スクリーニングしたい 7 種類の安定剤溶液があります) + 参照サンプルを追加する可能性があります (安定剤は添加されていません)。

安定剤の投与量 - 2 レベル (高および低) => (0.01% および 0.02%)

プロセス (2 つの異なる熱処理/オートクレーブ)。

 

パイロット プラントは 4 つの固有のコードを混合できます。日。 (パイロットプラントでの滞在は 4 日間予約されています)。 これは、両方の熱処理で実行できる 16 個の固有のコードを最大で混合できることを意味します (合計 32 個のコードが得られます)。

 

ただし、混合できるコードは 4 つまでであるという事実は重要です。これらは両方の熱処理で処理する必要があるため（1 日に 8 つのコードを与える）、いくつかの問題が発生します。 もちろん、理想的な順序は次のようになります。

1日目：

安定剤 1: 0.01% - 熱処理 1

安定剤 4: 0.02% - 熱処理 1

安定剤 5: 0.01% - 熱処理 1

安定剤 6: 0.02% - 熱処理 1

安定剤 1: 0.01% - 熱処理 2

安定剤 4: 0.02% - 熱処理 2

安定剤 5: 0.01% - 熱処理 2

安定剤 6: 0.02% - 熱処理 2

等...

 

ただし、JMPにこれを実行させることはできません（ブロックを使用したり、「変更」を簡単から難しいものに編集したりしてみました）。

私自身が得たベストアンサーを添付します。

 

私はスクリプト (JSL) に慣れていないので、これらの解決策は私にとって難しいでしょう。 JMP17を使用しています。

 

よろしくお願いします。

よろしくお願いします

クリスチャン・ベルテルセン

実験計画法Re: カスタム設計 - 分割プロット/ブロッキングのヘルプ

こんにちは、クリスチャンさん

 

このディスカッションがお役に立ち、(できればより良い) 設計に導いていただけたことを大変うれしく思います。

スタビライザー レベルの数を減らすことは、確かに検出力を増やすのに良い考えであるように思えます。つまり、モデル内のより少ない項を推定するために、同じ総実行数が同じになります。

この DoE (または他のトピック) の分析に関してさらにヘルプやアドバイスが必要な場合は、ためらわずに新しい投稿を作成してください。JMP コミュニティには情熱的な人々がたくさんいます。

 

良い週末を、

Re: カスタム設計 - 分割プロット/ブロッキングのヘルプ

こんにちは、ビクターさん

 

たくさんのご意見、誠にありがとうございました！

 

あなたが共有したリンクのほとんどを見ました。 理解が深まり本当に助かりました。

 

デザインも満足のいくものが出来上がりました。 結局、スタビライザーの数を 8 つではなく 5 つに減らしました。 また、パイロット プラントに 1 回あたり 5 つの混合物を製造するよう説得しました。日。 電力分析は現時点では堅調に見えます。

 

JMP コミュニティへの私の最初の投稿がうまくいったことを本当に嬉しく思います。

ここでお会いしましょう。

良い週末を。

Re: カスタム設計 - 分割プロット/ブロッキングのヘルプ

こんにちは、クリスチャンさん

 

それは研究の目的によって異なりますが、明確な答えはありません。

一般に、最適な安定剤を選別して選択したい場合、おそらく投与量に関する情報はそれほど重要ではありません。 しかし、これにはいくつかの影響や疑問が生じる可能性もあります。

• 安定剤の量は、製剤の残りの成分に影響を与える可能性がありますか (相乗効果または拮抗効果)?
• 安定剤の挙動は直線的ではなく、「任意の」投与量値を固定すると、化学反応に応じて「活性化」/性能濃度が異なる可能性があるため、潜在的な重要/強力な安定剤を見逃してしまう可能性があります（下のグラフを参照）。スタビライザーの？ :

研究濃度が固定されており、このグラフの閾値未満である場合、安定剤 A は応答に影響を及ぼさないと見なされるため、最適化のために保持/保持されません。 しかし逆に、ある範囲に対するその影響を研究すれば、そのパフォーマンスの単一点推定だけでなく、その動作とパフォーマンスをよりよく理解できるようになります。

 

別のオプションとしては、最初にモデル内の主効果のみに焦点を当てる (または少なくとも主に主効果である安定剤の種類、投与量、プロセスに焦点を当て、モデル内の相互作用項を減らしてモデル内の項の検出力を高める) ことも考えられます。次に、特定された重要な効果に基づいて最初の設計を拡張しますか? スタビライザーの主効果により多くのパワーが与えられるため、異なるスタビライザー間の区別/識別が容易になり、ある程度の性能を示すスタビライザーについてのみ初期設計を強化することができます。

 

あるいは、すでにデータがあり、「Augment Design」プラットフォームを介して新しい実験で初期データセットを拡張することもできます (そして、「新しい実行を別のブロックにグループ化する」オプションを使用します)。

 

有意水準と予想される RMSE に関する詳細情報は、こちらで確認できます。電力解析 (jmp.com)

• 検出力は、影響が大きい場合にその影響を検出する確率です。 検出力が 1 に等しい場合は、有意水準と予想 RMSE の特定の値について、この効果 (有意な場合) を 100% の確率で検出できることを意味します。 Youtube チャンネル Statquest のビデオを強くお勧めします。統計の概念を理解するのにとても役立ちます。 電力分析に関する優れたビデオが 1 つあります。電力分析をわかりやすく解説!!! - YouTube
• このプラットフォームで表示される有意水準は、アルファ リスクとしても知られています。アルファ リスクは、たとえば Student T 検定 (2 つのグループ間の応答に差があるかどうかを評価するため) などの統計検定でよく見られます。 有意水準は、帰無仮説が真である場合にそれを棄却する確率です。 たとえば、有意水準 0.05 は、実際には差異がないにもかかわらず、差異が存在すると結論付けるリスクが 5% であることを示します。 有意水準が低いということは、帰無仮説を棄却する前に、より強力な証拠が必要であることを示しています。 詳細はこちら:有意水準 - Jim による統計
• 予想される RMSE は、応答内の「ノイズのレベル」です (誤差変動の平方根) 。 値が高くなるほど、応答のノイズ/分散が大きくなり、重要なエフェクトを判断することが難しくなるため、エフェクトのパワーは低くなります。 これは、ノイズ/信号の比率として見ることができます。ノイズが多い場合、予想される RMSE は高くなり、エフェクトの電力計算は低くなります。 デフォルトでは、計算は値 1 で行われます (これは、異なる設計を同じ基準で比較するのに役立ちます)。ただし、測定の差異についてすでに把握している場合は、その知識を反映した別の値を入力して、より関連性の高い結果を得ることができます。電力の計算。 詳細はこちら:指定されたモデルに対するパワーの評価例 (jmp.com)

 

これらのオプションがあなたの反省に役立つことを願っています。

Re: カスタム設計 - 分割プロット/ブロッキングのヘルプ

また会ったね、

 

また、因子として投与量を含めることが意味があるのかどうかについては、常に疑問を感じています。 試験の主な目的は、安定性の点で最も効果があり、目的の製品により多くの粘度/機能性を与える可能性がある安定剤を見つけることです。 1 回分の投与量 (安定剤の供給元が推奨する投与量) だけを使用することもできます。 その後、2 ～ 3 つの最適なソリューションを選択し、その内容や場合によってはその他のプロセス パラメーターを変更して最適化実験を実行したいと考えています。 どう思いますか？ 投与量は 1 回しか実行できませんが、より良いパワースコアを得るために各安定剤について反復実行することもできます。

 

安定剤と熱処理との相互作用項も、これが異なる結果 (良いことも悪いことも) をもたらす可能性があることを以前に確認したため、少し興味深いものです。

この電力分析を完全に理解しているかどうかはわかりません (これについて詳しく読んでみましたが、Phil Kay 氏との以前の投稿の 1 つで良い回答を見つけました)。
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

累乗値 (0 ～ 1) の意味は理解できたと思います。値 1 は、効果があるかどうかを確認する確率が 100% であることを意味します。

しかし、有意水準と予想 RMSE が何を意味するのか、またそれらが実験の検出力スコアにどのように影響するのか、完全には理解できません。

テストしている内容に基づいて、これらの特定の値がわかるはずです。それとも?

貴重なお時間を割いてご回答いただき、誠にありがとうございました。

Re: カスタム設計 - 分割プロット/ブロッキングのヘルプ

申し訳ありませんが、私は安定剤を 1 日に 4 つ以上摂取しないようにすることが問題だと素朴に考えていましたが、完全な配合と安定剤の投与量の関係については考えていませんでした。

 

私は、ブロック因子「日」を削除し、「安定剤」と「投与量」の両方を「変更が難しい」因子として切り替えることで、1 日あたり 4 つの製剤の制約を尊重する必要があると考えています。

 

そして、「スタビライザー」メインエフェクトのパワーがわずかに高くなります（「投与量」メインエフェクトのパワーは低くなります）。

スタビライザーの主効果のパワー スコアが低いことは、この主効果のレベルの数によって説明される可能性があります (制約がない場合、同じモデルで 32 回の実行でスタビライザーの各レベルで達成可能な最高のパワーは 0,454 になります...)。そしてランダム化の制約。

他のオプションを試して、興味深いものが見つかったら、またご連絡します。

Re: カスタム設計 - 分割プロット/ブロッキングのヘルプ

こんにちは、ビクターさん

 

心配ない。 素晴らしいことですが、もっとスマートに実行できるのであれば、他の提案も歓迎します。

 

しかし、残念ながらあなたの提案では私の問題は解決しません。 L6 = 0,01 と L6 = 0,02 は固有のミックスであり、L7=0,01 と L3=0,02 が異なるのと同様に異なるためです。 したがって、1 日目には 8 つのコード (4 つの異なるスタビライザー、ただし 2 つのレベル) を混合する必要がありますが、これは不可能です。

 

おそらくそれは JMP または一般的には実行できないでしょう。 デザインを完全に再考する必要があるかもしれません。

Re: カスタム設計 - 分割プロット/ブロッキングのヘルプ

こんにちは、クリスチャンさん

 

私の誤解を申し訳ありませんが、因子の設定については完全に正しいです。

すべてが明確になったように見えます (必要な要素とモデルを定義するのに役立つスナップショットに感謝します)。制約に適合できる設計を見つけることができました。つまり、2 つのプロセスが関与し、1 日あたり 4 つの混合物。

この場合、係数を「変更しにくい」に設定せず、ブロック係数「日」を作成し、1 日あたり 8 回の実行で、「自然に」毎日 4 つの混合が行われます。

 

これがあなたのニーズに合ったより良いソリューションであることを願っています。

添付のデータテーブルを見つけて、このデザインをすでに準備したデザインと比較してください。

Re: カスタム設計 - 分割プロット/ブロッキングのヘルプ

こんにちは、ビクターさん

手伝ってくれて本当にありがとう。

7 つの異なるスタビライザーとリファレンスをテストしたいことに注意してください。 では、これらはカテゴリー 8 レベルの要素として入れるべきではないでしょうか?

 

一度にブレンドに添加できる安定剤溶液は 1 つだけだからでしょうか?

 

はい、1 日あたり 4 つの混合物が制限要因です。 ただし、プロセス (熱処理 - 2 つの異なる処理) は同日に実行できます。

 

そのため、4 つの混合物を実行できれば完璧です。その日は両方の処理で熱処理されます。

 

この注文を取得することに成功しました（添付の写真を参照してください）。 しかし、私が調査したい主な効果であるスタビライザーのパワースコアが低すぎるのではないかと心配しています。 どう思いますか？

 

 

Re: カスタム設計 - 分割プロット/ブロッキングのヘルプ

こんにちは@Bertelsen92 、

 

モデルでどの効果を確認したいですか?

主効果のスクリーニングでは、4 つのプロット全体で 32 回の実行を作成できます (つまり、前述したように 1 日あたり 8 回の実行)。ここでは 1 日に 1 つのプロセスしかありません。
スクリプトは次のとおりです。

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}
);

データテーブルを添付します。

秘訣は、2 レベルのカテゴリ因子「プロセス」を変更が難しい因子として指定し、プロット全体の数 (4 日) として 4 を、実行数 (1 日あたり 8 回の実行) として 32 を指定することです。 主効果をスクリーニングする場合、必要に応じて実行数を減らすことができることに注意してください (ただし、実験日数の倍数である必要があるため、4 日間保持する場合は、たとえば実行数を 28 または 24 に減らすことができます)。

 

 

あなたの目的や設計仕様を私が誤解している場合は、より良い解決策を見つけることができるよう、ためらうことなく詳細と説明を追加してください。
これがあなたのお役に立てれば幸いです、

 

編集: この設計は、1 日あたり 4 つの異なる混合物のみを使用するという制約を尊重していないようです。そのため、同じ実行数でプロット全体の数を 8 に増やすと (1 日あたり 4 つの実験のプロット全体を 2 つずつ実行します)、代替手段になるので、それが機能するかどうかを後で確認する必要があります。

誤解を与えて申し訳ありませんが、