Perché non è una buona idea impostare il fattore continuo su zero per RSMCari esperti JMP,
Molto spesso mi capita che siano richieste impostazioni continue dei fattori, incluso uno zero per l'impostazione del fattore più basso (0, 1, 2), per l'ottimizzazione della formulazione biotecnologica liquida. Queste richieste provengono solitamente da persone che sono abituate a impostare esperimenti con OFAT e non è intuitivo per loro capire che impostare il fattore a zero significa tecnicamente avere un'impostazione del fattore categoriale.
Esiste un motivo migliore e più pratico per spiegarlo?
Grazie mille in anticipo
Esplorazione e visualizzazione dei datiProgettazione di esperimentiRe: Perché non è una buona idea impostare il fattore continuo su zero per RSMCiao @DualARIMACougar ,
Probabilmente non esiste una risposta definitiva alla tua domanda, ma ecco alcuni commenti:
- La DoE è più efficiente quando si basa su iterazioni sequenziali, quando si inizia con lo screening degli effetti principali importanti (con un disegno di screening) e poi lo si aumenta sui fattori importanti per esplorare effetti di ordine leggermente più elevato (interazioni, effetti quadratici), creare infine un progetto di ottimizzazione in uno spazio sperimentale più ristretto, con particolare attenzione alla predittività e all'ottimizzazione del processo/prodotto.
A seconda di come hai condotto i tuoi primi passi/progetti e se/come hai ridotto o ampliato il tuo spazio sperimentale di interesse, il livello 0 potrebbe essere assente dai livelli dei fattori del tuo RSM, in quanto fattori visti come non significativi nei passaggi precedenti potrebbe essere già stato filtrato e altri fattori importanti potrebbero avere un intervallo di interesse diverso da 0 per raggiungere un valore ottimale. Tuttavia, avere un livello pari a 0 nei passaggi/progetti iniziali (screening) può essere molto interessante, poiché consente di rimuovere velocemente fattori non importanti/significativi dal proprio sistema, in quanto evidenzierà sicuramente forti differenze tra presenza e assenza del fattore.
Quindi, a seconda se stai eseguendo l'ottimizzazione direttamente senza progetti/passaggi precedenti (perché hai un numero limitato di fattori, quindi puoi includere il livello 0 per rilevare effetti importanti e "mappare" lo spazio sperimentale per eseguire l'ottimizzazione) o fare affidamento su sperimentazioni sequenziali, alla fine potresti avere gamme diverse e scelte / aumenti di design.
- Se parli di ottimizzazione delle formulazioni, potresti utilizzare esperimenti con miscele. La struttura dei progetti di miscele basate su modelli è molto "logica" se non si hanno vincoli specifici nello spazio o nei fattori sperimentali, poiché creerà esperimenti con un fattore, quindi miscele binarie, quindi miscele ternarie, ecc... a seconda di la complessità del modello ipotizzato. Quindi ti ritroverai (senza vincoli minimi sui fattori) con esperimenti aventi livello 0 per i tuoi fattori di miscela. Scopri i diversi tipi di design e miscele: Panoramica dei design delle miscele ; Esempi di tipi di progettazione di miscele
- La definizione del problema (obiettivo, fattori e tipologie, livelli, risposte, modello, ecc...) in DoE è la parte più importante e quella in cui l'esperienza del dominio gioca un ruolo vitale. Senza la conoscenza del tuo caso d'uso, non posso valutare se includere il livello 0 sia interessante o meno. Fa parte dell'obiettivo che stai cercando di risolvere, così come qualsiasi vincolo/considerazione pratica sull'uso e la gestione dei tuoi fattori. Tuttavia, sii "audace" negli intervalli di fattori, è più spesso che un DoE non fornisce risultati a causa di intervalli di fattori troppo ristretti che a causa di intervalli di fattori troppo ampi. Puoi sempre ridurre lo spazio sperimentale in un aumento del design per concentrarti sull'area di interesse.
Se stai cercando di convincere i colleghi che DoE è più efficace di OFAT, prova a trovare uno studio in cui hanno svolto OFAT, crea un DoE per lo stesso argomento con gli stessi fattori e utilizza la piattaforma Confronta progetti per evidenziare i vantaggi: numero ridotto di esperimenti richiesti, migliore potenza (quindi migliore evidenza sulla significatività dei fattori), ridotta varianza di previsione nello spazio sperimentale, migliore gestione delle correlazioni/alias tra gli effetti, ....
Spero che questi commenti possano aiutarti,
Re: Perché non è una buona idea impostare il fattore continuo su zero per RSMCiao Vittorio,
grazie per la tua risposta. Vogliamo misurare l'effetto della variazione dei fattori nel corso di uno studio di robustezza utilizzando tre impostazioni fattoriali per ciascun fattore con la condizione originale nel mezzo. Per un fattore, è stato richiesto 0 come impostazione del fattore più basso, che è matematicamente valido (per adattare il modello in seguito), ma fisicamente il fattore (eccipiente chimico) è assente nella condizione. In precedenza avevo appreso dagli esperti del forum della comunità che sarebbe preferibile un'impostazione del fattore piuttosto bassa anziché zero.
Non abbiamo la capacità di eseguire un progetto di screening e successivamente un progetto di ottimizzazione. Ecco perché partiamo dall'inizio con RSM.
Spero che queste informazioni diano un po' di spunto.
Molte grazie
