Hallo,
Ich habe mehrere Versuchsplanungen (DOE) durchgeführt, aber eine wiederkehrende Herausforderung ist die große Anzahl der erforderlichen Versuche. Beispielsweise testen wir bei einem Screening-Design mit sieben Versuchsdurchläufen typischerweise vier bis sechs Replikate pro Durchgang, um die Reproduzierbarkeit zu bewerten. Dies ergibt insgesamt 28 bis 42 Versuche pro DOE.
Nach all diesen Versuchen erweist sich die Modellleistung jedoch oft als unbefriedigend – mit R²-Werten um 0,35 bis 0,65. Aufgrund breiter Konfidenzintervalle und inkonsistenter Parameterschätzungen fällt es uns zudem schwer, ein zuverlässiges oder wiederholbares Modell zu identifizieren. Selbst wenn Y-Daten unter kontrollierten Bedingungen an zwei verschiedenen Stellen desselben Tests erhoben werden, ist das Modell oft nicht konsistent und liefert keine schlüssigen Erkenntnisse.
Das wird zunehmend frustrierend. Wie können wir dieses Problem effektiv angehen, unnötigen Aufwand reduzieren und gleichzeitig die Modellzuverlässigkeit verbessern?
