Augment Design non rispetta i fattori di covariazioneSto esaminando una reazione usando un design personalizzato generato da 6 fattori continui e 2 fattori di covariata, con 1 fattore continuo impostato per essere difficile da modificare, 3 grafici interi, 24 esecuzioni. Ho già eseguito 8 reazioni e il fattore difficile da modificare (temperatura) è più facile da modificare di quanto inizialmente pensato. Quindi voglio cambiare il design in uno che abbia più potenza per prevedere gli effetti della temperatura.
Ho provato a farlo modificando i cambiamenti del fattore temperatura per renderli semplici, eliminando i 16 esperimenti che non ho eseguito e usando Augment Design per aggiungere 16 nuove esecuzioni. Tuttavia, non ha funzionato, poiché le esecuzioni generate non rispettavano i fattori di covariazione. Come faccio a far sì che Augment Design rispetti i fattori di covariazione?
Ho allegato il file JMP. Sto utilizzando JMP Pro 17.
Progettazione degli esperimentiRe: Augment Design non rispetta i fattori di covariazioneCiao @DecilePlatypus ,
Benvenuti nella Community!
Come hai notato, penso che il modo più semplice per continuare il tuo DoE sia utilizzare la piattaforma Augment Designs .
Nel tuo caso, le covariate PC1 e PC2 non sono indipendenti, poiché sono collegate a solventi specifici. Quindi è necessario un solo valore di covariata per identificare il solvente utilizzato nel design.
È possibile modificare la proprietà Cambiamento del fattore di temperatura da "Difficile" a "Facile", quindi aggiungere i 7 fattori come X (6 fattori continui + PC1) e la resa come Y nella finestra di progettazione di Aumento:
Quindi, puoi selezionare l'opzione "Raggruppa nuove esecuzioni in blocchi separati" e cliccare su "Aumenta" (o specificare un diverso tipo di ampliamento del progetto).
Assicurati che tutti gli effetti principali dei tuoi fattori siano inseriti nel pannello Modello (con l'effetto "Blocco" aggiunto se hai selezionato l'opzione per raggruppare le nuove esecuzioni in blocchi separati) e definisci un numero adeguato di esecuzioni (incluse le 8 esecuzioni già eseguite). In questo esempio, ho specificato 20 esecuzioni in totale:
Dopo aver avviato la generazione del design aumentato e creato la tabella, posso aggiungere le colonne PC2 e il nome del solvente aggiornando la tabella di progettazione con le informazioni provenienti dalla tabella dati delle covariate (con PC1 come variabile di join).
I solventi scelti nelle prove vengono scelti in modo da avere la massima differenza/variabilità:
Puoi provare diversi design aumentati e confrontarli grazie alla piattaforma Compare Designs per scegliere un design adatto alle tue esigenze. Alcuni suggerimenti aggiuntivi:
- In questa fase di screening è anche possibile iniziare con meno solventi (ad esempio 3) e selezionarli in base alla differenza massima e alla variabilità chimica (ad esempio tributilammina, TMU e metilcicloesano).
- Potrebbe anche essere più utile utilizzare un fattore categoriale (nome del solvente) per la creazione del progetto, per evitare qualsiasi squilibrio nella ripartizione dei solventi utilizzati, quindi aggiungere i PC nella tabella e utilizzarli per l'analisi.
Alcune discussioni precedenti potrebbero esserti utili:
DOE efficiente di una variabile categoriale multilivello (3+) e di molte variabili continue
Re: Se la variabile indipendente dell'esperimento è una variabile categoriale e la risposta è una variabile continua, è possibile utilizzare un disegno ortogonale per lo screening? - Comunità di utenti JMP
Ho allegato la tua tabella dati con uno script aggiuntivo per il design aumentato generato.
Spero che questa prima risposta ti sia utile.
Re: Augment Design non rispetta i fattori di covariazioneCiao @Victor_G
Grazie per l'aiuto. Il problema con l'aumento di una sola colonna è che il design risultante non esplorerà molto spazio in PC2. Utilizzando il tuo metodo si generano solo esecuzioni con TMU o tributilammina, che massimizza PC1 ma lascia molto a desiderare in PC2.
Re: Augment Design non rispetta i fattori di covariazioneCiao @DecilePlatypus ,
Sì, l'opzione migliore in questo caso sarebbe quella di aumentare le prove originali utilizzando il nome del solvente come fattore categoriale, per assicurarsi che la progettazione aumentata non sia sbilanciata per quanto riguarda la scelta del solvente.
Utilizzando 20 prove in totale nel design aumentato, ho un design più bilanciato per quanto riguarda la scelta del solvente negli esperimenti:
E la potenza per PC1 e PC2 è più omogenea:
Quindi l'opzione migliore potrebbe essere quella di utilizzare il nome nella generazione del progetto, ma utilizzare i PC nell'analisi (utilizzare la tabella di aggiornamento con la tabella delle covariate per aggiungere i PC nella tabella di progettazione aumentata, con Nome come variabile di join).
Puoi leggere i suggerimenti aggiuntivi nel mio post precedente: uno era collegato alla situazione che hai descritto (squilibrio nella scelta dei solventi negli esperimenti), mentre l'altro riguarda il numero di solventi diversi esaminati.
In genere, rimuovere il diossano dall'elenco dei solventi nelle covariate potrebbe aiutare. Ecco l'analisi di potenza con 12 run aggiunte (20 in totale) ma senza considerare il diossano nell'elenco delle covariate:
Ho allegato la tabella dati con gli script aggiunti per il primo progetto (bilanciato) e il secondo (senza diossano) come esempio.
