Resultados de la confirmación: ¿Rehacer el diseño de la mezcla o hacer uno nuevo?Hola comunidad JMP,
He realizado el siguiente diseño de mezcla con restricciones: MeOH + ACN + UPW = 0,6 y MeOH + ACN ≤ 0,3.
¿Sería mejor repetir este diseño de mezcla para confirmar los resultados o crear uno nuevo para su validación?
¡Muchas gracias!
Kimberly
Detalles del diseño de la mezcla:
Versión: Jmp Pro 18
Diseño de experimentosRe: Resultados de confirmación: ¿Rehacer el diseño de la mezcla o hacer uno nuevo?Hola @K_JMP ,
No estoy seguro de entender completamente tu pregunta.
¿Ya has ejecutado el diseño? ¿Qué tan confiables son los resultados y qué tan precisos son los modelos? Creo que podría haber rangos limitados para los factores que faltan en tu descripción, ya que si solo uso el que mencionaste con MeOH y ACN, tengo un espacio de diseño ligeramente diferente.
Entonces, MeOH ≥ 0,1 y ACN ≤ 0,15 parecen funcionar según tu captura de pantalla:
¿Qué le gustaría validar: óptimo o modelo?
- Si desea validar el óptimo, utilizaría el modelo encontrado y usaría el Prediction Perfilador para encontrar el óptimo (o el mejor compromiso) y luego ejecutaría de 3 a 5 veces el óptimo encontrado y verificaría que los valores medidos estén incluidos en los intervalos de predicción del modelo para el punto óptimo (consulte las Opciones del Prediction Profiler para saber cómo mostrar los intervalos de predicción en el Profiler).
- Si se desea validar el modelo, se intentaría encontrar una combinación de diferentes puntos que cubran distintas zonas experimentales con diferentes conveniencias y varianza de predicción. Una buena opción sería usar la plataforma Aumentar diseños y usar el mismo modelo supuesto (o uno ligeramente más complejo, para evitar solo repetir los puntos de construcción del diseño original) para generar nuevos puntos (los puntos originales están en azul, los puntos aumentados son triángulos verdes).
Podrías usar estos nuevos puntos como puntos de validación para tu modelo supuesto: ajusta/entrena el modelo supuesto con los puntos originales y valídalo con los nuevos. Después, puedes revisar diversas métricas (R², R² ajustado, RMSE, etc.) en el conjunto de validación para comprobar si el modelo parece relevante o necesita ajustes.
Espero que estas ideas te puedan ayudar.
Re: Resultados de confirmación: ¿Rehacer el diseño de la mezcla o hacer uno nuevo?Estoy de acuerdo con Víctor, no entiendo bien qué preguntas. Si ya has decidido que un diseño de mezcla es el correcto y lo has completado, selecciona el mejor espacio según la superficie de respuesta de la mezcla y ejecuta el proceso (los diseños de mezcla suelen ser diseños de optimización, lo que significa que ya has determinado los factores que quieres modelar).
Re: Resultados de confirmación: ¿Rehacer el diseño de la mezcla o hacer uno nuevo?Hola @Victor_G y @statman
¡Gracias por las respuestas! Disculpen que mi mensaje no haya sido claro.
Primero, brindaremos algo de información de fondo adicional:
- De hecho, también he incluido algunos otros rangos:
- MeOH entre 0,1 y 0,3
- ACN entre 0 y 0,15
- UPW entre 0,3 y 0,5
- Y también he establecido que la suma de la mezcla: MeOH + ACN + UPW = 0,6
- El diseño incluye interacciones de segundo orden y una interacción de tercer orden (MeOH × ACN × UPW) para capturar las relaciones influyentes entre los componentes.
- Se trata de un diseño I-óptimo, que además incluye tres puntos centrales, para un total de 12 ejecuciones.
Lo que realmente quiero hacer es confirmar los resultados (para asegurarme de que los resultados de los puntos incluidos sean fiables) y explorar el espacio con más detalle (ya que me preocupa estar pasando por alto algunas tendencias debido a la limitación de puntos en el espacio de diseño). Finalmente, solo quiero asegurarme de haber seleccionado un valor óptimo aceptable (ya que tengo diferentes respuestas que evaluar y combinar, lo que da como resultado las proporciones finales).
Basándome en ambos aportes, pensé lo siguiente:
- Recientemente he ejecutado este diseño de 12 ejecuciones (los resultados se pueden implementar como bloque 1) y planeo repetir el diseño actual dos veces más, asignando las nuevas ejecuciones a bloques separados para tener en cuenta la variabilidad entre experimentos. Esto me permitiría evaluar los efectos sistemáticos y reducir la desviación estándar de los resultados. Por lo tanto, al usar la opción "Aumentar Diseño", obtengo 36 ejecuciones.
- Además, para explorar el espacio de diseño adicional y potencialmente descubrir tendencias no lineales, estoy considerando ampliar el diseño añadiendo puntos cúbicos de Scheffé. Estos podrían servir como puntos de validación, como mencionó @Victor_G . Por ejemplo, esto puede generar 44 ejecuciones con los puntos adicionales resaltados en rojo.
-
Pregunta/inquietud restante:
Al realizar el segundo paso de aumento (es decir, añadir los puntos cúbicos de Scheffé ), observo claramente un aumento en el número de varianzas de predicción (a 0,57) y también un aumento en el gráfico de Fracción del Espacio de Diseño (como se puede ver a continuación). Tiene sentido que esto aumente, pero no estoy seguro de si es la mejor opción para mi propósito.
¡Gracias de antemano!
Atentamente
Kimberly
Re: Resultados de confirmación: ¿Rehacer el diseño de la mezcla o hacer uno nuevo?Hola Kimberly,
No estoy seguro del último comentario/pregunta:
@K_JMP escribió:
Pregunta/inquietud restante:
Al realizar el segundo paso de aumento (es decir, añadir los puntos cúbicos de Scheffé ), observo claramente un aumento en el número de varianzas de predicción (a 0,57) y también un aumento en el gráfico de Fracción del Espacio de Diseño (como se puede ver a continuación). Tiene sentido que esto aumente, pero no estoy seguro de si es la mejor opción para mi propósito.
Debe usar la plataforma "Comparar Diseños" para asegurarse de que el Perfil de Varianza de Predicción y el Gráfico de Fracción del Espacio de Diseño se calculen con el mismo modelo supuesto. Si compara esta información en cada script de " Evaluar Diseños ", la comparación no es la misma, ya que los diseños original y replicado tienen el mismo modelo supuesto, pero no el aumentado, debido a la incorporación de términos cúbicos de Scheffe.
Al utilizar la plataforma Compare Designs con los 3 diseños, la comparación de los diseños se realiza sobre el mismo modelo asumido y los resultados comparativos son completamente lógicos:
Se puede ver claramente una gran disminución de la varianza de predicción del diseño I-Optimal original al diseño replicado, y otra disminución del diseño replicado al diseño aumentado, lo que tiene todo el sentido: gran disminución primero gracias a la replicación, luego gracias a agregar puntos para respaldar mejor el primer modelo inicial y validarlo.
Espero que esta respuesta te ayude.
