Diverses options de conception de mélanges JMP prennent en charge les situations expérimentales dans lesquelles les propriétés d'un mélange de composants dépendent davantage des proportions relatives que des quantités absolues mélangées. Découvrez comment créer, analyser et interpréter les résultats de plusieurs types de conceptions de mélanges.
Découvrez comment faire :
- Comprendre la définition de la conception d'expériences (DOE) et son utilité
- Effectuer une analyse de l'espace commercial à l'aide de modèles adaptés à un DOE mixte pour les mesures de performance et de coût.
- Comprendre ce qui différencie les facteurs de mélange (composants) et la formulation DOE des autres techniques DOE
- Créez deux expériences de mélange
- Une conception simple à 3 composants utilisant la plate-forme JMP Custom DOE pour adapter la conception au problème, sans forcer le problème à s'adapter à une conception
- Une conception de mélange à 5 composants avec trois contraintes et données de réponse
- Visualisez les processus avec Prediction Profiler dans la plateforme Fit the Model
- Utilisez à la fois la transformation de la racine carrée de la réponse à l'aide de JMP) et la régression généralisée à l'aide d'une distribution non normale appropriée (à l'aide de JMP Pro) pour empêcher Prediction Profiler d'afficher des prédictions physiquement impossibles
- En savoir plus sur des exemples supplémentaires de mélanges DOE
- Mélange DOE à sept composants avec 5 et 7 contraintes visant à améliorer le contrôle qualité et à fabriquer à moindre coût
- Utilisation de contraintes pour définir des mélanges au sein d'un mélange
- Trouver un mélange à 3 composants qui est presque aussi bon qu'un mélange à 7 composants
- Conception à dix facteurs avec 6 variables mixtes, 2 variables continues, 1 variable catégorielle et 1 variable en bloc
- Incorporation de contraintes supplémentaires, notamment le maintien d'une partie du mélange constante
- Mélange de remplissage d'espace DOE pour simulation de chimie par ordinateur
- DOE pour les formulations d'ingénierie inverse
- Prédire la composition chimique à partir d'un nombre réduit de mélanges d'essai en modélisant les spectres à l'aide de l'analyse de données fonctionnelles JMP
Questions répondues par Tom Donnelly @tom_donnelly et Scott Allen @scott_allen lors du webinaire en direct de 2024 :
Q : Comment décidez-vous de la direction du signe d’inégalité lors de la création de contraintes linéaires ?
R : Vous devez y réfléchir ou l'écrire algébriquement. Du point de vue du diagramme ternaire, le triangle bleu et le triangle vert sont définis par cette inégalité. Et c'est là que commence l'algèbre. Voir la vidéo ci-dessous.
Q : Comment intégreriez-vous des facteurs continus, comme les temps de durcissement ou de séchage, dans les mélanges ?
R : Cela nécessite une conception personnalisée. L'exemple vous montre toutes les étapes. Il contient les 6 composants du mélange, mais il comporte également un temps de durcissement et une température associée. Voir l' exemple à 10 facteurs ( JMP Complex multi-factor custom design.pdf) .
Q : Quelle est la différence entre la sélection de Aucun et de Spécifier pour définir les contraintes de facteur ?
R : Aucun signifie qu'aucune contrainte n'est spécifiée. Si vous souhaitez définir la contrainte, vous pouvez sélectionner Spécifier pour définir les contraintes.
Q : Comment avez-vous zoomé sur les tracés ternaires ?
R : Il s'agit de quelques petites étapes. N'oubliez pas que si vous relancez le Prediction Profiler après avoir zoomé, le graphique ternaire s'actualisera et vous perdrez bien sûr la zone agrandie. Voir la vidéo ci-dessous.
Q : Si je ne souhaite pas spécifier de contraintes linéaires, cela affectera-t-il mon analyse finale ?
R : Il n'est pas nécessaire d'avoir des contraintes pour concevoir un mélange. Nous ne faisons qu'illustrer cela, car le plus souvent, cette connaissance de la chimie intervient très tôt.
Q : Si vous modifiez un terme de mélange et que cela affecte les autres et que les VIF sont déraisonnablement élevés, comment évitez-vous que le modèle soit biaisé par cette colinéarité ou multicolinéarité.
R : En général, je vis avec ça. Je pense que vous constaterez que les VIF avec des mélanges peuvent être très variables. Et il peut y avoir beaucoup de corrélation. En particulier lorsque vous commencez à entrer dans des composants et des mélanges relativement traces, vous avez des régions très minces. Je suis moins préoccupé par l'interprétation des coefficients avec un mélange que par l'interprétation de ce que font les prédictions dans cet espace hyper triangulaire.
Ressources:
- DOE de mélange à sept composants avec 5 et 7 contraintes utilisant des « mélanges dans le mélange »”
- Conception à dix facteurs avec 6 variables mixtes, 2 variables continues, 1 variable catégorique et 1 variable en bloc , y compris des contraintes supplémentaires, notamment le maintien d'une partie du mélange constante
- Vidéo Plan d'expériences de mélange de remplissage d'espace pour la simulation de chimie par ordinateur, une étude de cas de quantification d'incertitude utilisant des plans de remplissage d'espace avec des variables de mélange pour des données déterministes , Melissa Jablonski, Douglas Ray et Edward Cooke, JMP Discovery Summit 2017
- Vidéo : Conception d'expériences pour les formulations d'ingénierie inverse , prédiction de la composition chimique à partir d'un nombre réduit de mélanges d'essai par modélisation de spectres à l'aide d'une analyse de données fonctionnelles
- Conceptions d'ensembles candidats : adapter les contraintes DOE au problème , Christopher Gotwalt, JMP Discovery Summit 2021.
Superbe présentation... Merci !... Quelques réflexions me viennent à l'esprit...
Tout d’abord, en ce qui concerne le « pourquoi DOE », j’aime dire que DOE vous indique ce qui se passe lorsque vous tournez plusieurs cadrans en même temps.
Concernant la question sur les VIF... Les coefficients dans les modèles de mélange ne représentent pas les effets des facteurs comme ils le font dans les DOE traditionnels. Dans les modèles de mélange, les effets sont donnés par des traces (profils) de valeurs prédites du modèle (qui ne sont pas affectées par les VIF) sur la région de mélange contrainte. En effet, les effets des DOE traditionnels peuvent également être représentés par des traces de valeurs prédites (au lieu de coefficients de modèle), ce qui correspond au profil de prédiction. J'espère que cela vous aidera.
Une présentation très instructive à partager avec la communauté. Merci, Tom, et merci également à l'équipe JMP.
