Tâche d'optimisation avec 2 facteurs continus et 1 facteur discret (2 niveaux)Chère Communauté,
Je suis confronté à une tâche d'optimisation et j'essaie de trouver des références.
Objectif de l'expérimentation : Optimisation
Facteurs d'entrée :
- Facteur 1 : 2 niveaux, continu
- Facteur 2 : 2 niveaux, continu
- Facteur 3 : 2 niveaux, discret.continu
Réponse:
- résultats de chromatographie
Toute contribution est appréciée 
Partager et communiquer les résultatsRe : Tâche d'optimisation avec 2 facteurs continus et 1 facteur discret (2 niveaux)Salut @Aziza ,
Comme @P_Bartel mentionné, nous disposons de quelques options pour gérer l’optimisation des données chimiométriques via l’explorateur de données fonctionnelles.Vous pouvez exécuter votre DOE, puis utiliser Wavelet DOE ou Functional DOE pour comprendre quelle est la courbe HPLC optimale pour vous donner le résultat souhaité.
Heureux de discuter davantage.
Cordialement,
Facture
Re : Tâche d'optimisation avec 2 facteurs continus et 1 facteur discret (2 niveaux)En plus de ma première réponse, voici une autre pensée pour vous. Puisque vous utilisez la chromatographie comme étape analytique dans la détermination des résultats, si vous souhaitez examiner les données spectrales... vous devrez travailler avec un JMP spécialisé et j'espère que vous disposez de JMP Pro, visualisation des données spectrales. et techniques de modélisation. Mon (je suis à la retraite) ancien collègue de JMP @Bill_Worley et @Anonyme ont rassemblé une série d'articles présentant de nombreuses méthodes de visualisation et de modélisation des données spectrales. Voici un lien vers le premier article de la série... d'autres peuvent être trouvés en cliquant sur les liens intégrés dans ce premier article. Analyse des données spectrales dans JMP/JMP Pro
Re : Tâche d'optimisation avec 2 facteurs continus et 1 facteur discret (2 niveaux)Salut @Aziza !
Traditionnellement dans la littérature, vous pouvez trouver des exemples d'optimisation avec HPLC ou chromatographie en phase gazeuse impliquant des conceptions classiques, comme Central Composite Designs ou Box-Benhken. Ces designs se retrouvent souvent pour différentes raisons :
- Le Plan Composite Central est souvent utilisé comme dernière étape pour augmenter un plan factoriel : L'étude implique généralement le criblage de différents effets principaux (pour savoir quels facteurs peuvent permettre une meilleure résolution par exemple), et une fois identifié, le plan est augmenté pour inclure Interactions de 2 facteurs et effets quadratiques, aboutissant à un CCD, afin d'optimiser pleinement le procédé et de trouver les meilleurs paramètres analytiques.
- La conception de Box-Benhken est utilisée dans la littérature comme l'une des conceptions ayant la meilleure « précision », car plus de puissance est disponible pour la puissance quadratique, et cette conception a une précision uniforme dans l'espace expérimental, souvent pour un nombre d'essais inférieur à celui du modèle. CCD. Plus d'infos sur Box-Benhken : L'éducateur ouvert - 4. Méthodologie de surface de réponse Box-Behnken
Quelques liens sur ces designs utilisés dans la littérature :
- Conception d'expériences d'analyse par chromatographie liquide (HPLC) de produits pharmaceutiques : analyses, applications, implications et perspectives d'avenir (degruyter.com)
- Plans expérimentaux en chromatographie : revue de tutoriels - ScienceDirect
- Conception d'expériences pour le développement et l'optimisation d'une chromatographie liquide couplée à un test bioanalytique par spectrométrie de masse tandem - Thorsteinsdóttir - 2021 - Journal of Mass Spectrometry - Wiley Online Library
Mais le « problème » avec ces conceptions classiques est qu’elles ne nécessitent que des facteurs continus, ce qui n’est pas votre cas ici.
Donc comme le suggère @SDF1 , la meilleure option serait d'utiliser la plateforme Custom Design, de saisir vos réponses et facteurs, vos contraintes (le cas échéant), puis dans la partie modèle, de cliquer sur le bouton "RSM" : cela ajoutera automatiquement 2 facteurs-interactions et effets quadratiques ainsi que le changement du critère d'optimalité en I-optimal.
Je recommanderais fortement de générer des conceptions de "taille" différentes (avec différents nombres d'exécutions totales et nombre d'exécutions répliquées), afin de trouver le meilleur compromis entre la précision dont vous avez besoin (la variance que vous pouvez vous permettre dans vos paramètres optimaux) et votre budget expérimental. .
J'espère que cette première réponse vous aidera à avoir une meilleure idée sur la façon de procéder,
Bonne chance Aziza,
Re : Tâche d'optimisation avec 2 facteurs continus et 1 facteur discret (2 niveaux)Pouvez-vous développer votre utilisation du mot « références » ? Qu'est-ce que tu cherches? S'il ne s'agit que de quelques conseils généraux, un bon point de départ serait le cours en ligne SAS « Réflexion statistique pour la résolution de problèmes industriels ». Voici un lien :
Pensée statistique pour la résolution de problèmes industriels
Re : Tâche d'optimisation avec 2 facteurs continus et 1 facteur discret (2 niveaux)Salut @Aziza ,
Je pense que vous souhaitez utiliser des critères I-optimaux pour générer votre DOE, que je pense que vous devrez utiliser dans la conception personnalisée. Les autres plateformes du DOE sont prédéfinies avec un critère d'optimalité donné, mais le Custom Design vous permet de choisir. Je pense que la conception I-optimale est mieux utilisée lorsque l'objectif est de trouver des paramètres optimaux.
J'espère que cela t'aides!,
DS
