Concevoir des expériences combinant des composants de mélange avec des facteurs catégoriels - Case HelpBonjour à tous,
J'ai récemment suivi plusieurs cours sur la conception de mélanges. Je suis maintenant prêt à tester les principes dans des scénarios réels.
J'ai le cas suivant. Il y aura les choses suivantes :
3 facteurs de mélange
3 Facteurs catégoriels
La majeure partie de la recette est fixée à 83,275% que j'appellerai la BASE - cette partie ne sera pas modifiée.
J'ai donc utilisé la fonction Mixture Sum et l'ai réglée sur les 16 725 % restants (qui seront l'espace pour les 3-4 facteurs de mélange)
Cependant, cette base de départ aura 2 enzymes différentes ajoutées (1 et 2) - un facteur catégorique 1 qui sera fabriqué en gros lots - ce qui signifie que ce sera un facteur difficile à modifier.
Ce sont des choses que je sais faire dans JMP.
Mon problème ou ma question concerne davantage la façon de combiner et de sélectionner les bons termes pour mon modèle lors de la combinaison des facteurs catégoriels de type d'ingrédient avec les facteurs de mélange correspondants.
Facteur catégoriel 2 : Type de stabilisateur (3 niveaux)
Facteur catégoriel 3 : Type de fibre (2 niveaux)
J'ai alors 3 facteurs de mélange :
Mélange 1 : Stabilisant conc. (cela devrait affecter les réponses)
Mélange 2 : Fibre conc. (cela devrait affecter les réponses)
Mélange 3 : Eau (ne vous attendez pas à ce que cela fasse quoi que ce soit - simplement un agent de remplissage)
J'aurais tous les termes principaux inclus.
Mais est-il nécessaire d'avoir tous les termes du second ordre entre les facteurs catégoriels et les facteurs de mélange ??
Par exemple, si nous ne nous attendons pas à ce que l’eau (plutôt un agent de remplissage) fasse quoi que ce soit, cela devrait-il même être inclus ?
De plus, nous ne nous attendons pas à ce que les fibres et les stabilisants s’influencent mutuellement.
Ce serait ma meilleure estimation pour un modèle : voir la capture d'écran ci-jointe de JMP.
Faut-il inclure d’autres termes ou ??
J'aimerais avoir des commentaires à ce sujet. Mon objectif global est de faire quelques prédictions. Mon idée était donc d'utiliser une conception I-optimale pour obtenir une variance de prédiction aussi faible que possible. Cependant, dans un premier temps, il serait également intéressant/bénéfique que la conception puisse d'une manière ou d'une autre « filtrer » lesquels des stabilisants ou des fibres fonctionnent le mieux – afin qu'ils puissent être exclus à l'avenir. Une conception D-optimale serait-elle meilleure pour cela ???
Pour le premier essai, mon nombre maximum d'exécutions est de 14. Mais d'autres pourraient être ajoutés plus tard (en augmentant).
Le fichier JMP est également joint ci-dessous.
J'ai hâte d'entendre vos pensées. Je ne suis pas capable d'utiliser JSL ou les scripts en général.
Merci d'avance.
Cordialement
Kristian Bertelsen
Modélisation statistique avancéeConception d'expériencesles fenêtresRe : Concevoir des expériences qui combinent des composants de mélange avec des facteurs catégoriels - Case Help@Victor_G - J'espérais que vous sachiez à qui demander.
Re : Concevoir des expériences qui combinent des composants de mélange avec des facteurs catégoriels - Case HelpQuelques réflexions : il n’existe pas de solution unique à cette situation. Voici quelques options :
1. Une approche séquentielle. Étudiez d’abord les facteurs catégoriels. Ont-ils un effet ? Quel est l’ordre de classement de ces effets ? Existe-t-il un niveau meilleur qu’un autre ? Ensuite, vous pouvez concevoir votre mélange. En fait, vous avez également des options ici, car vous avez une charge (eau), vous n'avez peut-être pas les mêmes restrictions qu'une conception de mélange (collinéarité par exemple).
2. Un plan de type parcelle divisée. Vous pouvez mettre les 3 facteurs catégoriels dans l'ensemble de l'intrigue et exécuter une résolution. III expérimentez dans toute la parcelle (alias le 3ème facteur catégoriel avec l'interaction du 1er 2) puis les facteurs de mélange dans la sous-parcelle.
3. Puisque vous n'avez peut-être pas de restrictions de mélange dues au remplissage d'eau, vous pouvez simplement exécuter un plan factoriel (ou un plan fractionnaire...)
dans tous les cas, concevez plusieurs expériences. Comparez-les (par exemple, que pouvez-vous apprendre de chacun par rapport aux ressources requises).
Vous pourriez trouver utile l'article de Cornell Embedding Mixture Experiments Inside Factorial Experiments (JQT Vol. 22, No. 4, octobre 1990).
Dans mon esprit, les conceptions de mélange sont des conceptions d’optimisation. Cet homme, nous connaissons déjà l’importance des facteurs entrant dans le mélange. La conception du mélange est destinée à créer une « surface » ou une carte de contour où les résultats peuvent être optimisés. Les conceptions d'optimisation doivent être utilisées après avoir déterminé l'espace de conception optimal (vous avez donc cartographié l'intérieur de l'espace de conception. Cela signifie que vous avez découvert les effets significatifs et que vous comprenez les effets du bruit.
Re : Concevoir des expériences qui combinent des composants de mélange avec des facteurs catégoriels - Case HelpSalut Statman,
Merci beaucoup pour vos suggestions.
Je pense que l'approche séquentielle semble être une bonne idée. Étant donné que les personnes que j'aide avec cette conception aimeraient savoir lesquels des stabilisants et des types de fibres fonctionnent le mieux. Je suppose que le split-plot est également nécessaire pour le facteur catégoriel de base. La conception serait la suivante :
Ensuite, une question complémentaire concernant la mise en place d'une future conception de mélange par la suite.
Disons que nous trouvons qu'un stabilisant et une fibre spécifiques fonctionnent mieux. Ensuite, vous pouvez également introduire un nouvel ingrédient (comme une protéine). Mais je suppose que vous ne pouvez pas transformer cette conception en un mélange, n'est-ce pas ?
Une autre question est alors la suivante : pourriez-vous ajouter les 3 à 5 essais de la première conception à la conception du mélange en tant qu'exécutions « supplémentaires » ?
Re : Concevoir des expériences qui combinent des composants de mélange avec des facteurs catégoriels - Case HelpJe ne sais pas ce que tu veux dire par « introduire un nouvel ingrédient » ? Pourquoi ne pas inclure cela dans l'étude pour commencer ? Est-ce une nouvelle formule ? Cette « protéine » était-elle déjà présente, mais n’avait-elle pas été manipulée ? Les conclusions que vous tirez de toute expérience dépendent de l’espace d’inférence. Bien que l'ajout de facteurs dans les itérations suivantes soit toujours une option, sachez que les conclusions que vous avez tirées d'expériences précédentes peuvent ne plus être valides (par exemple, de nouveaux effets d'interaction peuvent avoir un impact sur les conclusions).
Lorsque vous ajoutez des données d'expériences précédentes à de nouvelles expériences, vous devez être conscient de l'effet « blocage ». Quels facteurs/conditions ont changé entre la première et la deuxième expérience ? (par exemple, matières premières, conditions ambiantes)
Ré: Concevoir des expériences qui combinent des composants de mélange avec des facteurs catégoriels - Aide au casVous avez reçu de bons conseils de @statman . Je n'ai que deux choses à ajouter. La première est que si vous avez des variables de processus (dans votre cas, vos variables catégorielles) et des variables de mélange, vous DEVEZ croiser les variables de processus avec les variables de mélange. Cela vous permettra de voir si les effets de mélange changent lorsque vous modifiez ces variables de processus - une préoccupation très réelle, sinon pourquoi inclure les variables de processus dans la conception ?
L'autre point que je voudrais souligner est que vous pourriez éviter complètement le scénario du mélange. Étant donné que l'un de vos ingrédients sera de l'eau, vous pourriez considérer qu'il est inerte. Ignorez-le et cela vous permettra de traiter les autres ingrédients du mélange comme des variables « continues » et vous reviendrez dans le domaine de la conception et de la modélisation expérimentales plus traditionnelles. Vous ne voudrez peut-être pas faire cela, mais c'est au moins une option à souligner.
Ré: Concevoir des expériences qui combinent des composants de mélange avec des facteurs catégoriels - Aide au casSalut Dan,
Merci beaucoup pour votre commentaire.
Oui, je suis conscient que vous devez croiser les variables de processus et de mélange. Cependant, dans ce cas, par exemple avec les deux facteurs catégoriels : type de fibre et type de stabilisateur. Nous nous attendons, sur la base de nos connaissances du domaine, à ce qu'ils n'interfèrent pas l'un avec l'autre. N'est-il alors jamais « correct » de supprimer certains termes pour simplifier le modèle et obtenir moins d'exécutions ?
Oui, c'est un point très valable. Je suppose que j'étais simplement très impatient d'essayer l'approche de conception de mélange après avoir suivi plusieurs cours.
Ré: Concevoir des expériences qui combinent des composants de mélange avec des facteurs catégoriels - Aide au cas@Bertelsen92 , je ne dis pas que vous devez inclure toutes les interactions à double sens. Cependant, je pense qu'il serait important d'inclure les interactions Type de stabilisateur*Concentration de stabilisateur et Type de fibre*Concentration de fibre dans le modèle. Et pour aller plus loin, les « interactions » dans un modèle de mélange sont en fait des estimations de courbure. Ce fait, ainsi que le fait que les conceptions de mélanges visent en réalité à développer des modèles prédictifs, je recommanderais TOUTES les interactions à double sens (et les termes cubiques spéciaux), si cela est possible. Dommage que les ressources ne soient pas gratuites pour permettre cela !:)
Ré: Concevoir des expériences qui combinent des composants de mélange avec des facteurs catégoriels - Aide au casSalut à nouveau,
Les essais que nous menons sont plutôt coûteux et le développeur souhaite utiliser le moins d’ingrédients possible dans la formulation.
Nous espérons donc que la configuration actuelle résoudra les problèmes. Cependant, si ce n'est pas le cas, nous devrons peut-être tester de nouveaux ingrédients comme les protéines.
Mais c'est vraiment une bonne remarque : si l'espace d'inférence change dans les expériences ultérieures en ajoutant de nouveaux facteurs ou en changeant les niveaux de facteurs existants, les conclusions tirées des expériences précédentes peuvent ne plus être valables. Mais je suppose qu'un facteur catégoriel appelé type de protéine ainsi qu'un facteur continu avec la concentration pourraient être ajoutés avec des niveaux tels que : Protéine A, Protéine B ou Non-protéine. Alors toutes les expériences précédentes seraient « non-protéines » à 0 % ?
Comment aborderiez-vous le problème ci-dessus concernant « l’effet de bloc » ?
