Anfrage zu Experimental Design mit JMPHallo,
Ich habe ein Anliegen. Ich bin Anfänger im experimentellen Design und führe Formulierungsversuche für Medikamente durch.
Zu Beginn habe ich eine Reihe von Faktoren und Variablen überprüft, um die Faktoren für mein Versuchsdesign einzugrenzen.
Ich möchte nun optimieren. Die Parameter sind folgende:
- 3 Antworten: Y1, Y2, Y3
- 4 Faktoren, davon 3 kontinuierlich (mit jeweils 3 Stufen) und 1 kategorisch mit 2 Stufen.
Ich bin ein JMP-Anfänger und frage mich, ob ich einen optimalen DOE-Plan, einen klassischen Plan oder ein definitives Screening-Design verwenden soll.
Darüber hinaus habe ich Schwierigkeiten, die Anzahl der Ebenen für die kontinuierlichen Faktoren festzulegen, die sich auf drei Ebenen befinden.
Meine Frage lautet: Wie viele Experimente wären in meinem Fall mindestens erforderlich, um repräsentativ zu sein?
Was ist das ideale Modell für meinen Versuchsaufbau? Wie viele Wiederholungen würden Sie empfehlen?
Für Ihre Hilfe danke ich Ihnen schon jetzt herzlich.
VersuchsplanungBetreff: Anfrage zum Experimental Design mit JMPHallo @PolygonGiraffe5 ,
Willkommen in der Community!
Wie der Name schon sagt, ist ein Definitive Screening Design ein leistungsstarkes Screening-Design, das zu Beginn eines Projekts mit einer hohen Anzahl potenzieller Faktoren verwendet wird, um aktive und wichtige Faktoren zu prüfen und die Reaktion(en) zu optimieren, wenn die Anzahl der aktiven Faktoren ausreichend niedrig ist. Klassische Designs wie das Response Surface Design können zur Optimierung verwendet werden, nutzen jedoch nicht die Vorteile der bereits durchgeführten Experimente und sind möglicherweise weniger flexibel, was die Anzahl der erforderlichen Experimente betrifft. Eine weitere letzte Option könnte die Verwendung von Space-Filling Designs sein, die flexibler sind, da sie nicht auf einem vorab festgelegten Modell basieren. Die Durchführung kann jedoch teurer sein, da die Punkte generiert werden, um den experimentellen Raum homogen abzudecken.
Wenn Sie bereits eine Screening-Phase mit den für die Optimierungsphase identifizierten Faktoren durchgeführt haben, können Sie versuchen, diese vorläufigen Durchläufe aus Ihrem Screening-Design direkt zu verwenden und Ihr Design mit verschiedenen Strategien, wie etwa einer modellbasierten Erweiterung oder einer modellagnostischen (raumfüllenden) Erweiterung, hinsichtlich Ihrer aktiven Faktoren zu erweitern .
Bei einer modellbasierten Erweiterung hängt die Anzahl der Ebenen Ihrer kontinuierlichen Faktoren von der Komplexität des angenommenen Modells ab: Wenn Sie quadratische Terme (= 2. Ordnung) für Faktor A angeben, sind für diesen Faktor 3 Ebenen erforderlich. Die Auswahl dieser Erweiterung und die Angabe eines Response Surface-Modells (mit Haupteffekten, 2-Faktor-Interaktionen und quadratischen Effekten) könnte ein guter erster Schritt bei der Erstellung Ihres Designs sein.
Im Falle einer raumfüllenden Augmentation hängt die Anzahl der Ebenen für Ihre kontinuierlichen Faktoren von der Art der raumfüllenden Erweiterung und, noch wichtiger, von der Gesamtzahl der zulässigen Durchläufe ab: Je mehr Durchläufe insgesamt, desto mehr Ebenen hat jeder Faktor.
Zur Frage der „Repräsentativität“ und Replikate (oder allgemeiner zu Optionen für die Designerstellung): Dies ist eine Frage, die Sie mit Fachwissen und statistischen Tools wie der Plattform „Compare Designs“ beantworten müssen: Was ist Ihr Ziel (Erklärbarkeit, Vorhersagbarkeit, beides?) und welche Präzision ist erforderlich (z. B. maximale und durchschnittliche Vorhersagevarianz)? Wie hoch ist Ihr maximales Experimentbudget?
Diese Fragen können Ihnen dabei helfen, den besten Kompromiss zu finden, wenn Sie Ihre Designs mit der Plattform „Compare Designs“ bewerten und vergleichen.
Ich hoffe, diese Antworten helfen Ihnen weiter.
Betreff: Anfrage zum Experimental Design mit JMPHallo @Victor_G ,
Vielen Dank für Ihre ausführliche und klare Antwort. Sie wird uns bei der Entscheidungsfindung sehr helfen.
Ich habe immer noch Probleme, die Anzahl der Ebenen für kontinuierliche Faktoren zu ändern, da sie in JMP auf 2 begrenzt zu sein scheint.
Nochmals vielen Dank für alle von Ihnen bereitgestellten Erläuterungen.
Beste grüße,
Betreff: Anfrage zum Experimental Design mit JMPHallo @PolygonGiraffe5 ,
Bezüglich der Anzahl der Ebenen für kontinuierliche Faktoren in Ihrem Design können Sie die Lösungen aus den Post -Force-Ebenen in DoE überprüfen
Auf der Plattform für benutzerdefiniertes Design können Sie:
- Spezifizieren Sie im Modell Effekte höherer Ordnung, um die Designgenerierung zur Einführung zusätzlicher Ebenen zu „zwingen“ (Anzahl der Ebenen abhängig von den höchsten Ordnungen der im Modell eingeführten Terme),
- Verwenden Sie den diskreten numerischen Faktortyp (insbesondere, wenn die unterschiedlichen Ebenen nicht gleich weit voneinander entfernt sein sollen) und geben Sie die entsprechenden Begriffe im Modell an (JMP sollte dies standardmäßig tun, indem diese Begriffe als „Wenn möglich“ angegeben werden).
Ich hoffe, dies wird Ihr Problem klären und lösen.
Betreff: Anfrage zum Experimental Design mit JMPEs ist perfekt!
Ich konnte drei Stufen pro Faktor für die diskreten numerischen Faktoren festlegen. Standardmäßig enthält das JMP-Modell die Einstellung „Wenn möglich“ in seiner Konfiguration.
danke nochmals für eure hilfe
Betreff: Anfrage zum Experimental Design mit JMPWillkommen in der Community!
Mehr anzeigen...Für Ihr Versuchsdesign empfehle ich, mit einem optimalen DOE-Plan zu beginnen, da dieser die 3 kontinuierlichen und 1 kategorischen Faktor effizient handhaben wird. Bei 3 kontinuierlichen Faktoren auf 3 Ebenen benötigen Sie mindestens 27 Durchläufe, aber das Hinzufügen von Replikaten verbessert die Zuverlässigkeit. Erwägen Sie für Ihr Modell je nach Interaktionen die Verwendung eines linearen oder quadratischen Modells. Ein einzelnes Replikat ist für das Screening in Ordnung, für die Optimierung jedoch eher. Das Verfassen einer Abschlussarbeit schien eine unmögliche Aufgabe zu sein, bis ich Hilfe bei
https://academized.com/write-my-thesis Academized suchte. Ihr „Write My Thesis“-Service war außergewöhnlich. Der Autor lieferte eine originelle, gut recherchierte Abschlussarbeit, die meinen Richtlinien entsprach. Sie lieferten die Arbeit auch vorzeitig ab, sodass ich Zeit hatte, sie zu überprüfen und kleinere Änderungen vorzuschlagen. Ich bin unglaublich beeindruckt von ihrer Professionalität und werde ihre Dienste in Zukunft definitiv wieder in Anspruch nehmen.
