使用协变量DOE和多变量工具优化材料选择（Worley）本演示改编自Silvio Miccio 于 2017 年在 JMP Discovery Europe 的演讲。视频首先介绍了我将在演示中遵循的步骤。以下是视频的一些背景信息：
一些引言
- 戴明 – “统计数据太重要了，不能留给统计学家去做”（分析学）
- 方框——“所有模型都是错误的，但它们要错到什么程度才算无用呢？”
- 作者不详 – “不要爱上你的模特。她们不会爱你的。” – 世事变迁！
- 卡莉·菲奥莉娜 — “目标是将数据转化为信息，将信息转化为洞察力。”
- John Sall（JMP 创始人）：“数据很少能轻易地揭示其所有信息。你必须探索它，并运用多种工具。这个过程应该尽可能简单，而工具则应该尽可能强大。”
介绍
在测试不同原材料或配方成分的选项时，一种常见的做法是将它们作为多级分类变量，例如 A、B、C 等。在这种情况下，为了确定最佳候选材料，必须进行所有选项的实验。这样做的结果是需要进行耗时的物理测试，并且生成的模型仅适用于预测测试的选项，而无法预测具有不同物理/化学性质的选项。
一种更有效的方法是根据每种新材料选项的物理/化学特性来设计实验。这可以显著减少所需的实验条件的数量，并产生一个可持续的经验模型，可以预测以前未测试过的选项。
本演示文稿中使用的示例数据集
- 45 种原材料选择，可以潜在地改善产品配方中的一种成分
- 材料选项可以通过 19 种物理和化学描述符来描述（一个分类两级因子被编码为 -1/1）
- 需要优化两个响应（Y1 最大，Y2 最小）
典型测试程序
客观的
- 预测最佳材料（甚至是尚未实际可用的选项）
- 确定最接近整体最优的可用材料选项
- 建立一个可持续的经验模型，该模型也能够预测新的原材料选择
- 该方法基于称为 QSAR（定量结构-活性关系）的化学计量学应用
物理和化学性质示例
- Mw – 分子量
- C——表面活性剂疏水端的碳原子数
- Griffin HLB – 根据 Griffin 的亲水亲油平衡 (HLB)
- CMC——临界胶束浓度
- 链条数量……
概括
- 通过实验的主成分压缩关于不同选项的物理和化学性质的可用信息，根据设计选择用于测试代表性原材料的“盒子角”
- 根据实验设计选择用于测试代表性原材料的“盒子角落”
- 通过 PLS（或其他适当的建模方法）对数据进行建模
- 寻找整体最优解
- 确定最接近计算出的最优解决方案的物理可用选项
→ 高效实验
→ 基于物理/化学特性的可持续经验模型
→ 尽管材料被认定为最佳，但预测最佳原材料特性
Table with ChemicalBiological Properties (non P&G Example)化学生物特性表（非宝洁示例） 化学生物特性表（非宝洁示例）
在测试不同原材料或配方成分的选项时，一种常见的做法是将它们作为多级分类变量，例如 A、B、C 等。为了确定最佳候选材料，必须测试所有选项。一种更有效的方法是根据每种新材料选项的物理/化学特性来设计实验。这样可以得到一个可持续的经验模型，可以预测以前未测试过的选项。
美国能源部造型
