595698_zh-TW

liliconcom

定制設計 - 幫助分割圖/分塊

JMP 社區您好，

 

我目前正在研究定制 DOE 設計。 總的來說，我有 3 個不同程度的因素。

 

穩定劑溶液（我想篩選 7 種不同的穩定劑溶液）+ 可能添加參考樣品（未添加穩定劑）。

穩定劑劑量 - 2 個級別（高和低）=>（0,01% 和 0,02%）

工藝（2 種不同的熱處理/高壓滅菌）。

 

試點工廠能夠混合 4 個獨特的代碼。天。 （我們在試點工廠預訂了 4 天）。 這意味著我們最多可以混合 16 個可通過兩種熱處理運行的獨特代碼（總共 32 個代碼）。

 

然而事實上我們只能混合 4 個代碼。天，這些需要通過兩種熱處理進行處理（每天給出 8 個代碼）給我帶來了一些麻煩。 理想的順序當然是：

第一天：

穩定劑 1：0.01% - 熱處理 1

穩定劑 4：0.02% - 熱處理 1

穩定劑 5：0.01% - 熱處理 1

穩定劑 6：0.02% - 熱處理 1

穩定劑 1：0.01% - 熱處理 2

穩定劑 4：0.02% - 熱處理 2

穩定劑 5：0.01% - 熱處理 2

穩定劑 6：0.02% - 熱處理 2

ETC...

 

但是我無法讓 JMP 執行此操作（已嘗試使用阻止，並編輯從簡單到困難的“更改”等）。

附上我自己得到的最佳答案。

 

我不熟悉腳本（JSL），所以這些解決方案對我來說很難。 我正在使用 JMP 17。

 

先感謝您。

此致

克里斯蒂安·貝特爾森

實驗設計回复：定制設計 - 幫助分割圖/分塊

嗨克里斯蒂安，

 

很高興這次討論對您有幫助並指導您進行（希望更好的）設計。

減少穩定劑水平的數量似乎確實是增加功效的好主意：相同的運行總數可以估計模型中更少的項。

如果您需要有關此 DoE（或任何其他主題）分析的進一步幫助或建議，請隨時創建新帖子，JMP 社區充滿了熱情的人們！

 

祝你周末愉快，

回复：定制設計 - 幫助分割圖/分塊

嗨維克多，

 

非常感謝您的所有投入！

 

我看過你分享的大部分鏈接。 確實有助於理解。

 

我也成功地創造出了令我滿意的設計。 我最終將穩定器的數量從 8 個減少到 5 個。 我還說服我們的中試工廠生產 5 種混合物。天。 功率分析現在看起來很強大。

 

我很高興我在 JMP 社區的第一篇文章取得瞭如此好的成績。

就在這裡見吧。

祝你周末愉快。

回复：定制設計 - 幫助分割圖/分塊

嗨克里斯蒂安，

 

這實際上取決於你的研究目的是什麼，沒有明確的答案。

如果你想從總體上篩选和選擇最好的穩定劑，也許有關劑量的信息確實不是那麼重要。 但它也可能有幾個含義/問題：

• 穩定劑的用量是否會對配方中的其他成分產生影響（協同或拮抗作用）？
• 穩定劑的行為是否不是線性的，固定劑量的“任意”值會讓您錯過潛在的重要/強大的穩定劑（見下圖），因為根據化學性質可能有不同的“活化”/性能濃度穩定器? ：

如果研究濃度固定且低於該圖的閾值，則穩定劑 A 將不會被保留/保留進行優化，因為它可以被視為對響應沒有影響。 但相反，如果您研究其對某個範圍的影響，您將更好地了解其行為和性能，而不僅僅是對其性能的單點估計。

 

另一種選擇可能是首先僅關注模型中的主效應（或至少主要關注主效應穩定劑類型、劑量、過程，並減少模型中的相互作用項，以便為模型中的項提供更多功效），以及然後根據已確定的顯著效果增強您的初始設計？ 您將擁有更多的穩定器主效應能力，因此不同穩定器之間的差異/區分可能會更容易，並且您可以僅在顯示出某些性能的穩定器上增強初始設計。

 

或者也許您已經擁有一些數據，並且您可以通過“增強設計”平台通過新實驗來增強您的初始數據集（並使用選項“將新運行分組到單獨的塊中”）？

 

您可以在此處獲取有關顯著性水平和預期 RMSE 的更多信息：功率分析 (jmp.com)

• 功效是檢測到效應（如果效應顯著）的概率。 功效等於 1 意味著對於特定的顯著性水平和預期 RMSE 值，您可以 100% 的時間檢測到此效應（如果顯著）。 我強烈推薦 Youtube 頻道 Statquest 的視頻，它幫助我很好地理解統計概念。 有一個關於功率分析的精彩視頻：功率分析，解釋清楚！ - YouTube
• 該平台中顯示的顯著性水平也稱為 alpha 風險：您通常會在統計測試中看到 alpha 風險，例如學生 T 檢驗（以評估兩組之間的響應是否存在差異）。 顯著性水平是當原假設為真時拒絕原假設的概率。 例如，顯著性水平 0.05 表示在沒有實際差異的情況下得出存在差異的結論的風險為 5%。 較低的顯著性水平表明您需要更有力的證據才能拒絕原假設。 更多信息在這裡：顯著性水平 - Jim 的統計
• 預期 RMSE 是您的響應中的“噪音水平”（誤差變化的平方根） 。 值越高，響應中的噪聲/方差越高，確定顯著效果就越困難，因此效果的功效就越低。 您可以將其視為噪聲/信號之比：如果您有很多噪聲，則預期 RMSE 將會更高，並且效果的功率計算將會更低。 默認情況下，計算使用值 1 完成（這有助於在相同基礎上比較不同的設計），但如果您已經了解測量方差，則可以輸入反映此知識的不同值以獲得更相關的信息功率計算。 更多信息在這裡：評估相對於指定模型的功效的示例 (jmp.com)

 

我希望這些選項能夠幫助您進行反思，

回复：定制設計 - 幫助分割圖/分塊

你好，我們又見面了，

 

無論何時將劑量作為一個因素是否有意義，我也表示懷疑。 由於試驗的主要目的是找出哪種穩定劑在穩定性方面效果最好，並可能為所需產品提供更多的粘度/功能。 我們可以只使用一種劑量（穩定劑供應商推薦的劑量）。 然後我希望選擇 2-3 個最佳解決方案並進行優化實驗，其中我改變它們的內容以及可能的其他一些過程參數。 你怎麼認為？ 我可以只做一次劑量，但對每個穩定劑進行重複以獲得更好的功率得分。

 

穩定劑和熱處理的相互作用項也有點有趣，因為我們之前已經看到這可能會產生不同的結果（好或壞）。

我不確定我是否完全理解這個功率分析（已經嘗試閱讀更多相關內容，並且在您之前與 Phil Kay 一起發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

我想我明白冪數的含義（0-1），其中值為 1 意味著有 100% 的機會看到它們是否有效果？

但是我不完全理解顯著性水平和預期 RMSE 的含義以及它們如何影響我的實驗的功效得分？

我應該根據我正在測試的內容知道這些的特定值，或者？

非常感謝您的時間和回复。

回复：定制設計 - 幫助分割圖/分塊

抱歉，我天真地認為問題在於避免每天使用超過 4 種穩定劑，但我沒有考慮完整的配方以及穩定劑 - 劑量的關係。

 

我認為刪除阻塞因素“天”並將“穩定劑”和“劑量”都切換為“難以改變”因素應該尊重每天 4 種配方的限制：

 

並為“穩定劑”主效應提供稍高的功率（以“劑量”主效應的較低功率為代價）：

穩定器主效應的低功率得分可以通過該主效應的級別數來解釋（如果沒有限制，則使用相同模型進行 32 次運行時每個級別的穩定器可達到的最高功率將為 0,454...）以及隨機化的限制。

我可以嘗試其他選擇，如果我能找到一些有趣的東西，我會回來找你。

回复：定制設計 - 幫助分割圖/分塊

嗨維克多，

 

不用擔心。 很好，但是如果可以做得更聰明，我願意接受其他建議。

 

但恐怕您的建議並不能解決我的問題。 因為 L6 = 0,01 和 L6 = 0,02 是獨特的混合，並且與 L7=0,01 和 L3=0,02 一樣不同。 因此，在第一天內，需要混合 8 個代碼（4 個不同的穩定劑，但有 2 個級別），這是不可能的。

 

也許這無法在 JMP 或一般情況下完成。 我可能需要徹底重新考慮設計。

回复：定制設計 - 幫助分割圖/分塊

嗨克里斯蒂安，

 

抱歉我的誤解，您對因素的設置完全正確。

現在一切似乎都清楚了（非常感謝您的快照幫助我定義了所需的因素和模型），我能夠找到一個能夠滿足您的限制的設計：每天 4 種混合物，涉及 2 個過程。

在本例中，我沒有將因子設置為“難以更改”，而是創建了一個阻塞因子“天”，每天運行 8 次，“自然”每天進行 4 次混合。

 

我希望這將是一個更適合您需求的解決方案？

請找到隨附的數據表，然後您可以將此設計與您已經準備好的設計進行比較。

回复：定制設計 - 幫助分割圖/分塊

嗨維克多，

非常感謝您的幫助。

請記住，我想測試 7 種不同的穩定劑 + 參考。 那麼這些難道不應該被列為 8 級因素嗎？

 

因為我們一次只能向混合物中添加一種穩定劑溶液？

 

是的，每天 4 種混合物是限制因素。 然而，該過程（熱處理 - 2 個不同的過程）可以在同一天進行。

 

這就是為什麼如果您每天可以運行 4 種混合物就完美了。然後將通過兩種處理進行熱處理。

 

我已成功收到此訂單（請參閱附圖）。 然而，我擔心穩定器的功率分數太低，這是我想研究的主要效果。 你怎麼認為？

 

 

回复：定制設計 - 幫助分割圖/分塊

你好@Bertelsen92 ,

 

您希望在模型中看到哪些效果？

對於主效應的篩選，我能夠在 4 個整區中創建 32 次運行（因此，就像您提到的那樣，每天運行 8 次），其中每天只有一個過程。
這是腳本：

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}
);

並附上您可以找到的數據表。

技巧是將 2 級分類因子“過程”指定為難以更改的因子，並將 4 指定為整個圖的數量（4 天），將 32 指定為運行次數（每天運行 8 次）。 請注意，為了篩選主效應，如果需要，您可以減少運行次數（但它應該是實驗天數的倍數，因此如果保留 4 天，則可以減少到例如 28 或 24 次運行）：

 

 

如果我誤解了您的目標和/或設計規範，請隨時添加更多細節和解釋，以便我們找到更好的解決方案。
我希望這能幫到您，

 

編輯：這個設計似乎不尊重你每天只有 4 種不同混合物的約束，因此將整區數量增加到 8 個（每天進行 2 個整區，每個實驗 4 次），運行次數相同作為替代方案，我必須稍後檢查它是否有效。

很抱歉對於這個誤會，