使用協變量DOE和多變量工具優化材料選擇（Worley）本示範改編自Silvio Miccio 於 2017 年在 JMP Discovery Europe 的演講。影片首先介紹了我將在演示中遵循的步驟。以下是影片的一些背景資訊：
一些引言
- 戴明 – 「統計數據太重要了，不能留給統計學家去做」（分析學）
- 方框——“所有模型都是錯誤的，但它們要錯到什麼程度才算無用呢？”
- 作者不詳 – 「不要愛上你的模特兒。她們不會愛你的。」 – 世事變遷！
- 卡莉·菲奧莉娜 — “目標是將數據轉化為信息，將信息轉化為洞察力。”
- John Sall（JMP 創始人）：“數據很少能輕易地揭示其所有信息。你必須探索它，並運用多種工具。這個過程應該盡可能簡單，而工具則應該盡可能強大。”
介紹
在測試不同原料或配方成分的選項時，常見的做法是將它們作為多層分類變量，例如 A、B、C 等。在這種情況下，為了確定最佳候選材料，必須進行所有選項的實驗。這樣做的結果是需要進行耗時的物理測試，並且產生的模型僅適用於預測測試的選項，而無法預測具有不同物理/化學性質的選項。
一種更有效的方法是根據每種新材料選項的物理/化學特性來設計實驗。這可以顯著減少所需的實驗條件的數量，並產生一個可持續的經驗模型，可以預測以前未測試過的選項。
本簡報中使用的範例資料集
- 45 種原料選擇，可以潛在地改善產品配方中的一種成分
- 材料選項可以透過 19 個物理和化學描述符來描述（一個分類兩級因子被編碼為 -1/1）
- 需要優化兩個響應（Y1 最大，Y2 最小）
典型測試程序
客觀的
- 預測最佳材料（甚至是尚未實際可用的選項）
- 決定最接近整體最優的可用材料選項
- 建立一個可持續的經驗模型，該模型也能夠預測新的原材料選擇
- 此方法基於稱為 QSAR（定量結構-活性關係）的化學計量學應用
物理和化學性質範例
- Mw – 分子量
- C – 界面活性劑疏水端的碳原子數
- Griffin HLB – 根據 Griffin 的親水親油平衡 (HLB)
- CMC－臨界膠束濃度
- 鏈條數量…
概括
- 通過實驗的主成分壓縮關於不同選項的物理和化學性質的可用信息，根據設計選擇用於測試代表性原材料的“盒子角”
- 根據實驗設計選擇用於測試代表性原材料的“盒子角落”
- 透過 PLS（或其他適當的建模方法）對資料進行建模
- 尋找整體最優解
- 確定最接近計算出的最優解決方案的物理可用選項
→ 高效實驗
→ 基於物理/化學特性的永續經驗模型
→ 儘管材料被認定為最佳，但預測最佳原料特性
Table with ChemicalBiological Properties (non P&G Example)化學生物特性表（非寶潔範例） 化學生物特性表（非寶潔範例）
在測試不同原料或配方成分的選項時，常見的做法是將它們作為多層分類變量，例如 A、B、C 等。為了確定最佳候選材料，必須測試所有選項。一種更有效的方法是根據每種新材料選項的物理/化學特性來設計實驗。這樣可以得到一個可持續的經驗模型，可以預測以前未測試過的選項。
美國能源部造型
