Allgemeine Hinweise zur Folge-DOE für DSDs und Ressourcen?Hallo, ich bin ein Neuling in DOE und verwende JMP. Ich habe eine pharmazeutische Formulierung, die 5 kontinuierliche Faktoren und 4 zu optimierende Reaktionen umfasst. Ich habe DSDs verwendet, um den Designraum zu identifizieren, den ich weiter erforschen und die Formulierung optimieren möchte.
Ich passe das Modell nach der Datenerfassung an und entferne den unwichtigen Effekt (F5 und alle quadratischen Formen und Wechselwirkungen).
Durch Maximierung des Erwünschtheitsparameters habe ich die optimale Formulierung wie folgt gefunden.
Wenn ich mir die einzelnen Erwünschtheitsfunktionen ansehe, komme ich irgendwie auf die Idee, dass ich F1 maximieren und F3 minimieren muss. F4 hat kaum Einfluss auf die Erwünschtheit, sodass das Problem behoben werden konnte. Außerdem ist F2 kein signifikanter Faktor, aber die Kombination von F2*F3 ist ein wichtiger Faktor. Das sagt mir, dass ich F2 und F3 für die nächste DOE-Runde variieren müsste, um die Formulierung zu optimieren.
Die Fragen sind;
1) Wie soll ich die Grenze von F2 und F3 festlegen, um sie weiter zu optimieren?
2) Welches DOE-Modell sollte ich für diese Art der Optimierung anwenden?
3) Gibt es in JMP schließlich spezielle Tools, die es mir ermöglichen, die Faktoren und den Gestaltungsspielraum systematisch zu untersuchen, um sie für den nächsten DOE-Lauf weiterzuverfolgen, anstatt mich auf meine naiven Beobachtungen zu verlassen? Ich habe mit einem Graph Builder herumgespielt, aber da ich vier Antworten habe, die ich gleichzeitig optimieren möchte, war es nicht so hilfreich, einen Designraum zu finden, um mit DOE weiterzuarbeiten.
Es tut mir leid, wenn die Fragen zu einfach sind, aber es wäre großartig, wenn Sie allgemeine Hinweise zum Entwurf von Folge-DOE für DSDs geben könnten. Auch ein nützliches Tool zum Finden von Designraum, der nach dem ersten DSD weiterverfolgt werden kann, und zugehörige Ressourcen wären sehr dankbar.
Danke schön!!
VersuchsplanungQualitäts- und VerfahrenstechnikBetreff: Allgemeine Leitlinien zur Folge-DOE für DSDs und Ressourcen?@Victor_G ,
Vielen Dank, dass Sie Ihre Erfahrungen und Ihr Wissen geteilt haben. Es hilft wirklich dabei, die Grundlagen des Mischungsdesigns zu verstehen und zu erfahren, wie Sie diese anwenden, um Formulierungen zu optimieren. Ich werde mich anhand der von Ihnen bereitgestellten Ressourcen eingehender mit Mixture Design befassen.
Alles Gute!
Betreff: Allgemeine Leitlinien zur Folge-DOE für DSDs und Ressourcen?Hallo @BJK_JerseyBoy ,
Bei Formulierungsthemen gibt es üblicherweise zwei unterschiedliche Ansätze:
- Entweder handelt es sich bei Ihrer Formulierung um eine „verdünnte“ Lösung und das Lösungsmittel nimmt einen großen Teil der Formulierung ein (70-90 %+) und/oder das Lösungsmittel ist inert oder beeinflusst die von Ihnen gemessenen Reaktionen nicht: Das bedeutet, dass Sie es tun würden Ich möchte sehen, ob einige Zusatzstoffe eine signifikante Wirkung, synergistische oder antagonistische Wechselwirkungen zeigen: In diesem Fall, da Sie nicht an Verhältnissen zwischen Zusatzstoffen interessiert sind, sondern eher am Einfluss kleiner Mengen an Zusatzstoffen in der Formulierung (und das Lösungsmittel wird dies zu 100 kompensieren). (% der Gesamtmenge der eingeführten Additive) sind Ihre Faktoren unabhängig voneinander und jedes faktorielle Design kann geeignet sein: Screening-Design, definitives Screening-Design, (fraktionale/vollständige) faktorielle Designs, Reaktionsflächenmodell-Designs, ... Abhängig von der Komplexität des Modells und der Anzahl der Läufe zur Schätzung von Effekten können Sie die statistische Signifikanz von Effekten/Wechselwirkungen abschätzen und möglicherweise einige Optimierungen vornehmen (hauptsächlich im Fall von DSD, RSM).
- Oder Ihre Formulierung enthält kein Lösungsmittel und/oder das Lösungsmittel ist in der Formulierung nicht vorherrschend und/oder hat einen Einfluss auf die Reaktion(en) und/oder Sie sind mehr am guten Verhältnis zwischen Zusatzstoffen als an deren absoluter Konzentration interessiert die Formulierung: In diesem Fall sind Mischungsentwürfe besser geeignet. Sie konzentrieren sich nicht auf die Schätzung der statistischen Signifikanz Ihrer Faktoren, sondern mehr auf die Verhältnisoptimierung von Zusatzstoffen, um sie an Ihre Antwortziele anzupassen. Die Faktoren sind voneinander abhängig (wenn Sie den Anteil A reduzieren, erhöhen Sie den Anteil anderer Zusatzstoffe) und die Gesamtmenge/der Gesamtanteil der Formulierung ist festgelegt (1 oder 100 %).
Sie können sich dieses tolle Poster ansehen, um zu sehen, ob Ihre Situation Mischungsdesigns erfordert (Sie erhalten die Erklärung, die ich zuvor zwischen verschiedenen Arten von Formulierungen/Mischungen gemacht habe): Wann man kein Mischungsexperiment durchführen sollte – JMP-Benutzergemeinschaft
Wenn Sie sich Ihr Beispiel und Ihre Ergebnisse ansehen, haben Sie in Ihrem Fall einige Transformationen an Ihren Eingaben (und Ausgaben) vorgenommen, um Verhältnisse anstelle der Menge an Zusatzstoffen zu erhalten: Dies scheint eine Situation zu sein, in der Mischungsdesigns besser geeignet wären (oder vielleicht eine benutzerdefinierte Mischung). Modell mit F1, F2 und F3 als Mischungsfaktoren und F4 als kontinuierlichem Faktor, da seine Konzentration im Vergleich zu anderen Additiven sehr niedrig ist.
Bei Mischungsversuchen sind häufig mehr Durchläufe erforderlich als beim Screening und einigen faktoriellen Versuchsplänen, das Ziel ist jedoch ein anderes. Sie können je nach Komplexität Ihres Modells mehrere Ebenen für jeden Faktor festlegen, beliebige Einschränkungen hinzufügen (etwa das maximale Verhältnis für Ihre Faktoren oder Einschränkungen für das Verhältnis zwischen (einigen) davon) und die experimentelle Weltraumforschung ist mit dem Mischungsprofiler ganz einfach (Beispiel im Screenshot zu den JMP-Beispieldaten „Donev Mixture Data“). Außerdem können Sie bei Bedarf jeden Faktor auf einer bestimmten Ebene fixieren/blockieren, wenn Sie Ihre Antworten mit einer „festen Einschränkung“ optimieren möchten (z. B. liegt F4 bei 2 %): Vorhersage-Profiler-Optionen (jmp.com)
Ihr Ansatz ist interessant (auch wenn er theoretisch für Verhältnisse umstritten ist), und es wäre schön, Ihre Ergebnisse mit neuen Durchläufen zu überprüfen, um zu sehen, ob Sie immer noch in der Lage sind, korrekte Vorhersagen zu treffen und Ihr Modell zu validieren.
Ich hoffe, diese Antwort wird Ihnen helfen,
Betreff: Allgemeine Hinweise zur Folge-DOE für DSDs und Ressourcen?Danke @Victor_G ,
Es hört sich an, als wären Sie mit der pharmazeutischen Formulierungsarbeit vertraut, daher werde ich Ihnen etwas mehr Einzelheiten erläutern.
Ja, es handelt sich um ein reines Mischungsproblem, bei dem ich die Gesamtmenge festgelegt habe und die Menge jedes Faktors variiere.
Wie Sie sagten, sollte F1+F2+F3+F4 100 sein. Ich wollte „mindestens“ 3 Ebenen für jeden Faktor haben und habe es mit einem benutzerdefinierten Design versucht, aber damit konnte ich nicht die Orthogonalität der Hauptfaktoren erreichen.Ich erinnere mich, dass ich etwas gelesen habe wie „Das Modell an das Problem anpassen heißt nicht, dass das Problem an das Modell passt.“ in einem der Beiträge in der JMP-Community. Ich wollte jedoch unbedingt DSD verwenden, da es eine orthogonale Bewertung jedes Faktors in den Antworten ermöglicht.
Deshalb habe ich einen kleinen Trick gemacht, um DSD auf dieses Problem anwenden zu können. Ich habe % jedes Faktors in Verhältnisse umgewandelt und auf diese Weise können Sie den Grad jedes Faktors unabhängig ändern. Wenn Sie sich beispielsweise den Screenshot zur Maximierung der Erwünschtheit in meinem ersten Beitrag ansehen, sagt mir JMP, dass ich bei F1:30, F2:5, F3:10, F4: 1 die Antworten maximieren kann. Dies sind die Verhältnisse, aber ich kann dieses Verhältnis in F1: 65 %, F2: 11 %, F3: 22 %, F4: 2 % umrechnen und diese Mischung dann zum Screening der Formulierungen verwenden.
Ich weiß, dass es nicht strikt nach vorn geht und ich bin mir nicht sicher, ob es die richtige Vorgehensweise ist, aber zumindest hat JMP diese Daten gut mit dem p-Wert des Vorhersagediagramms von R1&R2 ~0,01 und R3&R4 ~0,06 angepasst.
Ich habe mich noch nie mit Mixture Design beschäftigt, werde es aber tun, wenn dadurch das orthogonale Design und weniger Läufe für das erste Screening im Vergleich zu DSD ermöglicht werden.
Nachfolgend habe ich meine Antwort auf Ihre Antwort 1,2 und 3 zusammengefasst.
Ich habe die Wichtigkeit jeder Antwort bewertet und mich beworben. Maximieren Sie die Erwünschtheit“, um die Erwünschtheit zu finden, die in meinem ersten Beitrag angezeigt wird (2. Screenshot). Wie Sie angedeutet haben, besteht mein Ziel definitiv darin, die Formulierung zu optimieren, indem ich den kleineren Designraum betrachte. Die Frage ist, wie man die Grenze des Gestaltungsraums auf intelligente Weise festlegen kann, um sie weiter verfolgen zu können. Angenommen, der Fachexperte möchte, dass ich F1 und F4 auf den von der Erwünschtheitsfunktion von JMP (2. Screenshot) vorgeschlagenen Wert festlege und das unterschiedliche Verhältnis von F2 und F3 weiter untersuche. Wie soll ich die Grenze von F2 und F3 festlegen, die angezeigt werden soll? Ich sehe, dass einige Leute 3D-Streudiagramme verwenden, um dies herauszufinden, aber da ich zur Optimierung gerne 4 Antworten (gleichzeitig) berücksichtigen würde, ist dies keine praktikable Option. Aber ich dachte, JMP sollte über ein intelligentes Tool verfügen, das Benutzern hilft, den Designraum zu identifizieren, den sie weiterverfolgen müssen, auch wenn es mehrere Antworten gibt. Was die Entwurfsmethode betrifft, war mir das Augment-Design-Tool nicht bekannt. Vielen Dank für den Hinweis, ich werde es mir ansehen.
Vielen Dank für Ihren Beitrag und Ihre Vorschläge. Ich bin sehr neu bei DOE und JMP und befinde mich daher in der aktiven Lernphase. Für weitere Ratschläge wäre ich dankbar.
Betreff: Allgemeine Hinweise zur Folge-DOE für DSDs und Ressourcen?Hallo @BJK_JerseyBoy ,
Nur um sicherzugehen, Sie sprechen von einer Formulierung und einem DSD, einem speziellen faktoriellen Design, das unabhängige Faktoren und keine Einschränkungen hinsichtlich der „Gesamtmenge“ annimmt. Ist dies wirklich der Fall? Sie können die Menge an „Additiven“ ohne Einschränkungen/Abhängigkeit zwischen Faktoren hinzufügen oder reduzieren und das Lösungsmittel gleicht die Änderungen in F1, F2, F3 und F4 aus?
Oder sollte die Menge an F1+F2+F3+F4 immer 100 % der Formulierung entsprechen? Wenn dies der Fall ist, a Mischungsdesigns (jmp.com) wäre für Ihre Bedürfnisse vielleicht besser geeignet gewesen.
- Sie können versuchen zu sehen, welche Optimierung JMP mit Ihren verschiedenen Antworten durchführt, indem Sie auf den roten Punkt neben Profiler, „Optimierung und Erwünschtheit“ und dann auf „Erwünschtheit maximieren“ klicken. Beachten Sie, dass standardmäßig jede Ihrer vier Antworten die gleiche Wichtigkeit (1) hat. Sie können dies jedoch unter „Erwünschtheit festlegen“ ändern, wenn Sie einer Antwort mehr oder weniger Wichtigkeit beimessen möchten.
- Wenn Sie durch das Hinzufügen von Experimenten zu Ihrem DoE ein tieferes Verständnis Ihres Systems aufbauen möchten, könnte Ihnen die Plattform „Augment Design“ meiner Meinung nach wirklich helfen: Augment Designs (jmp.com).Auf diese Weise behalten (oder erweitern) Sie Ihr bestehendes Modell und Ihre Experimente, können aber die Präzision durch neu hinzugefügte Experimente erhöhen oder den Bereich Ihrer Faktoren ändern, um einen größeren/kleineren experimentellen Raum zu erkunden.
- Vielleicht wäre es interessant, einige Bereiche Ihres Faktorenraums zu erweitern (wenn Sie sich in der Erkundungsphase befinden, andernfalls wäre es in einer Optimierungsphase am besten, sich auf einen kleineren optimalen Experimentierraum zu konzentrieren), um zum Beispiel Folgendes zu sehen:
- Was passiert, wenn Sie ein niedrigeres Niveau für die Faktoren F2 und F3 haben (und/oder ein höheres Niveau für Faktor F1): Müssen Sie F2 und F3 immer noch auf ihrem niedrigsten Niveau und F1 auf ihrem höchsten Niveau halten?
- Was passiert, wenn F4 einen größeren Bereich hat? Ändert es seinen Einfluss auf die Antworten?
Ich hoffe, diese ersten Gedanken werden Ihnen helfen,
