Philip Ramsey, PhD, Eigentümer, North Haven Group
Maria Weese, PhD, Assistenzprofessorin für Analytik, Farmer School of Business, Miami University
Douglas Montgomery, PhD, Regents-Professor für Wirtschaftsingenieurwesen und Statistik, Arizona State University
Jones und Nachtsheim (2011) führten einen neuen Typ hocheffizienter experimenteller Designs ein, die sogenannten Definitive Screening Designs (DSDs). Ihre hohe Effizienz in Verbindung mit der Möglichkeit, wechselseitige Wechselwirkungen und quadratische Effekte abzuschätzen, machen diese Designs für Experimentatoren attraktiv. Obwohl DSDs in der Industrie, insbesondere in der Biotechnologie, immer beliebter werden, wurden die besten Ansätze zur Analyse dieser Designs bisher kaum erforscht. In diesem Vortrag diskutieren wir die Ergebnisse einer umfassenden Simulationsstudie zur Bewertung mehrerer möglicher Ansätze zur Analyse der Ergebnisse von DSD-Experimenten. Die Simulationsszenarien variieren die Zahl der experimentellen Faktoren und die Zahl der aktiven Effekte: Haupt-, quadratische und wechselseitige Wechselwirkung. Die Simulation konzentriert sich auf drei mögliche Modellauswahlstrategien (als Auswahlkriterium wird AIC oder BIC verwendet): 1. Vorwärtsselektion; 2. Dantzig-Selektor; und 3. Regression aller Teilmengen. Die Techniken werden hinsichtlich ihrer Aussagekraft (definiert als Fähigkeit, die wahren aktiven Faktoren korrekt zu identifizieren) zur Erkennung aktiver Effekte sowie der Häufigkeit der Identifizierung inaktiver Effekte als aktiv (Fehler erster Art) und ihrer Vorhersagekraft gegenübergestellt und verglichen. Zusätzlich wird eine Fallstudie aus der analytischen Chemie (Glykoprofiling) mit JMP Pro diskutiert, bei der ein DSD parallel zu einem CCD ausgeführt wurde. Die Diskussion konzentriert sich auf die Übereinstimmung der beiden Designs hinsichtlich aktiver Effekte und gibt Empfehlungen zur Analyse dieser Designs. Die Optimierung mit JMP Pro und einem DSD wird ebenfalls erläutert.
