Hallo, ich bin Chemiker und versuche, drei Komponenten in einer Formulierung zu optimieren, aber hierbei gibt es einige Einschränkungen.
Alle 3 = max. 20 % der Formulierung
A = 0,5 - 10 %
B = 0 - 5%
C = 0 - 5 %
B + C = mindestens 2,5 %
Sie müssen jedoch nicht alle 20 % ergeben. Beispielsweise kann ein Experiment mit 0,5 % A, 0 % B, 0 % C durchgeführt und dann mit X ausgeglichen werden.
Ich habe hierfür ein gemischtes Design verwendet.
A, Mischung, 0,025, 0,5
B, Mischung, 0, 0,25
C, Mischung, 0, 0,25
X, Mischung, 0, 0,975
Lineare Einschränkung, B: 1, C: 1, > 0,125
Ist dies die beste Vorgehensweise für ein DoE? Wie kann ich Designs unter Berücksichtigung von Wechselwirkungen zweiter Ordnung vergleichen?
Danke!
Hallo @DeepDormouse199 ,
Die Bedingungen, die Sie am Anfang des Beitrags haben, und Ihre Einstellungen für die Mischungsdesignbedingungen sind unterschiedlich (insbesondere die Mindest- und Höchstbereiche der Komponenten + die lineare Einschränkung für B+C). Auch das von Ihnen angegebene Beispiel für die Gesamtmenge stimmt nicht mit Ihrer Einschränkungsdefinition überein (da ein Anteil von nur 0,5 % für A Ihre Einschränkung von B+C > 2,5 % nicht einhält).
Ich werde ein Beispiel mit den ersten bereitgestellten Einstellungen durchführen und hoffe, dass dies die Bedingungen sind, die Sie untersuchen.
Es scheint, dass Ihre Formulierung ein Lösungsmittel/QS enthält, das einen Gesamtgehalt von 100 % ermöglicht.
Da die relativen Mengen Ihrer Komponenten A, B und C im Vergleich zum Lösungsmittel X Ihrer Formulierung gering sind, sind Sie möglicherweise nicht an der Rolle/Auswirkung des Lösungsmittels interessiert, sondern eher an der Auswirkung der Verdünnung/Menge der Komponenten A, B und C. Da zudem die Summe der Mengen für A, B und C nicht auf einen bestimmten Wert begrenzt ist, haben Sie möglicherweise zwei Lösungen:
- Entweder entwerfen Sie es wie beabsichtigt, mit einem benutzerdefinierten Mischungsdesign und fügen Lösungsmittel X als Mischungsfaktor hinzu, sodass die Gesamtmenge 100 % beträgt. Der Nachteil dieses Ansatzes besteht darin, dass Sie einen Faktor verwenden, an dem Sie nicht besonders interessiert sind (Verhältnis/Menge von X, das Sie aus den Mengen anderer Komponenten ableiten könnten und das nicht mit anderen Komponenten „interagieren“ soll). Dieser Mischungsansatz, kombiniert mit einem Modell mit Haupteffekten und 2-Faktor-Interaktionen, kann eine empfohlene Anzahl von Durchläufen von 20 erfordern (wenn Sie alle 2-Faktor-Interaktionen zwischen einer beliebigen Komponente und X hinzufügen):
Resultierendes 20-Durchläufe-Mischdesign:
- Eine andere Möglichkeit könnte darin bestehen, mit der Plattform „Custom Designs“ ein I-optimales Design für A, B und C zu entwerfen, die beiden linearen Einschränkungen (B+C > 2,5 % und A+B+C < 20 %) festzulegen und ein Response Surface Model mit allen Haupteffekten, 2-Faktor-Interaktionen und quadratischen Effekten anzugeben:
Die standardmäßig empfohlene Anzahl an Durchläufen für dieses Design beträgt 16 Durchläufe:
Sie können in der Datentabelle eine Formel erstellen, um die Menge von X zu berechnen, die Sie hinzufügen müssen, um Formulierungen mit 100 % zu erhalten.
Da diese Designs mit unterschiedlichen Faktorentypen erstellt werden, können Sie die beiden Optionen mithilfe der Plattform „Designs vergleichen“ nicht direkt vergleichen. Sie können jedoch trotzdem verschiedene faktorielle Designs vom Typ „Mischung“ und „Optimal“ erstellen und die Vor- und Nachteile in jeder Designkategorie vergleichen.
Die beiden genannten Gestaltungsmöglichkeiten habe ich angehängt.
Hoffe, diese Antwort wird Ihnen helfen,
