If you are experimenting without using DoE, you are almost certainly wasting your time. A real-world example with water testing data shows why.If you are experimenting without using DoE, you are almost certainly wasting your time. A real-world example with water testing data shows why.If you are experimenting without using DoE, you are almost certainly wasting your time. A real-world example with water testing data shows why.If you are experimenting without using DoE, you are almost certainly wasting your time. A real-world example with water testing data shows why.DoE を使用せずに実験している場合は、ほぼ確実に時間を無駄にしています。 水質検査データを使った実際の例がその理由を示しています。
私は人々が時間を無駄にしているのを見るのが嫌いです。 だからこそ、私は科学者や技術者に次のように言い続けるのです。実験計画法(DoE)。 DoE を使用せずに実験している場合、ほぼ確実に時間を無駄にしています。
DoE は、一見すると魔法のように見えるかもしれません。 ある人は「これは宗教だ！」とさえ言いました。 それは私を笑わせました。 おそらく、その人の言ったことには一片の真実があると思うからです。
したい簡単な説明で DoE を分かりやすく説明する初心者が混乱する可能性のある用語や概念のいくつかを説明します。 ケーススタディをざっと見てみることで、統計的に計画された実験には説得力のある合理的な理由しかないことがわかると思います。 盲信する必要はありません。
このトピックに関する最初の投稿では、マルチパラメータのプロセスとシステムの可能性空間の圧倒的なスケールに皆さんを浸してもらい、この空間を探索して最大限のことを学ぶ賢い方法で課題を克服する方法を示したいと思います。時間も労力も無駄にすることなく実現できます。
実際の例
私たちの例は、分析手法の開発からのものです。 私たちは、水中の有機塩化物農薬とポリ塩化ビフェニル (PCB) の濃度を測定するための最良の方法を開発したいと考えています。水中の有機化合物の測定は、多くの環境研究所にとって日常的な大量かつ高スループットの作業です。
法的要件を満たす最適な検出限界を達成するには、研究所は分析方法を最適化する必要があります。また、この方法は堅牢であり、一貫した結果が得られる必要があります。 分析では GC-MS を使用します。ガスクロマトグラフィー (GC) を使用してサンプル内の成分を分離し、質量分析法 (MS) を使用して検出します。
A typical chromatogram showing the peaks for each substance or analyte. Taller peaks correspond to a higher amount of that analyte. We want to find conditions that give us the tallest peaks for all analytes so that we can detect substances that are in water at very low concentrations.A typical chromatogram showing the peaks for each substance or analyte. Taller peaks correspond to a higher amount of that analyte. We want to find conditions that give us the tallest peaks for all analytes so that we can detect substances that are in water at very low concentrations.A typical chromatogram showing the peaks for each substance or analyte. Taller peaks correspond to a higher amount of that analyte. We want to find conditions that give us the tallest peaks for all analytes so that we can detect substances that are in water at very low concentrations.A typical chromatogram showing the peaks for each substance or analyte. Taller peaks correspond to a higher amount of that analyte. We want to find conditions that give us the tallest peaks for all analytes so that we can detect substances that are in water at very low concentrations.各物質または分析物のピークを示す典型的なクロマトグラム。 より高いピークは、より多量の分析物に対応します。 非常に低濃度で水中に存在する物質を検出できるように、すべての分析対象物について最も高いピークが得られる条件を見つけたいと考えています。
非常に低濃度の物質の検出を可能にするために、サンプルを GC-MS システムに導入するには大容量インジェクター (LVI) を使用する必要があります。 課題は、LVI が複雑で、最適な条件を見つけるために最適化する必要があるパラメーターが多数あることです。 最も高い山が得られる条件を探しています–最も強い信号–ガスクロマトグラムで。
要因、実行、および応答
ここには、DoE が独自に役立つことを意味する特別な点はありません。 DoE は、幅広い可能性の中でパラメーターの組み合わせの最適な設定を見つけるために検索するこのような状況で役立ちます。 DoE は、すべての重要な動作を理解することでシステムまたはプロセスを制御する方法を知る必要がある場合にも役立ちます。
LVI セットアップの可能性を見てみましょう。 変更できるパラメーターは 8 つあります。
| 要素 |
略称 |
最低 |
最高 |
| 注入量 |
容量(注入量) |
10μL |
100μL |
| 射出速度 |
速度(噴射) |
0.25μL/秒 |
5μL/秒 |
| 射出温度 -30℃～30℃ |
T(注入) |
-30℃ |
30℃ |
| 射出深さ |
深さ(注入) |
20mm |
40mm |
| ベントフロー |
フロー(ベント) |
10mL/分 |
150mL/分 |
| ベント圧力 |
P(ベント) |
0psi |
9psi |
| ベントタイム |
t(ベント) |
0.1分 |
1分 |
| ライナータイプ |
ライナー |
タイプ1 |
タイプ2 |
DoE では、これらは要因。 これらの要素ごとに、さまざまな設定、つまり実験を行う範囲もあります。 因子とその範囲は、解決策が見つかると期待される可能性の空間を定義します。 無限の可能性をどうやって探求していくのか？
可能性の数を把握するために、範囲内の最低値、中間点、最高値 (L、M、H) の 3 つの設定のみで各要素を考慮するように検索を制限します。 たとえば、注入量を 10、55、または 100 µl に設定することのみを考慮します。 (各要素の L、M、H 設定を確認する必要があるのには十分な理由があります。これについては後の投稿で説明します。)
最初の 2 つの要素だけを取り、L、M、H のすべての組み合わせを測定したい場合は、3 * 3 = 9 つの異なる設定をテストする必要があります。 これらを私たちは呼びます走るDoEで。 可能性空間を視覚化し、単純なプロットで実行する実行を確認できます。
このタイプの実験計画を「実験計画法」と呼びます。完全階乗選択したレベル数の因子の組み合わせの完全なセットをテストしているためです。 この完全な階乗により、可能性空間を十分にカバーできます。 これら 9 つの設定で標準サンプルをシステムに流し、ピークの高さを測定することにより、応答、応答と低濃度の物質を検出する能力を最大化するこれらの要因の設定を見つけるのに役立つ情報が得られます。
これを 3 つの因子に拡張すると、T(inj) = 3 * 3 * 3 = 3^3 = 27 の組み合わせの 3 つの設定のそれぞれに対して 3 * 3 = 9 の組み合わせが存在します。 多要素空間における可能性の爆発が見え始めています。
最初の 7 つの因子のすべての組み合わせを 3 つのレベルでテストするには、3^7 = 2187 通りの可能性があります。
ライナータイプはどうでしょうか？ この要素は Type1 または Type2 のみであるため、異なります。 それは、カテゴリー的な他の要因は継続的な要因。 2 つの異なるライナー タイプと 2,187 通りの組み合わせをそれぞれテストし、合計 4,374 通りになります。 私の言うことが信じられないなら、点を数えてください。
このプロットがあまり理解できなくても心配する必要はありません。 これらすべての可能性を視覚化するのは難しいことがわかります。 圧倒的な数の可能性を感じていただくためにこれを含めました。 大規模なミニオンのチームがいない限り、この種の実験を実行することは不可能です。
4374 実行から 26 実行に
その中から最適な設定をどのように見つけ出すのでしょうか? そして、空間内の任意の時点でのシステムの動作を理解するにはどうすればよいでしょうか? 有益なことを学ぶチャンスがほとんどないまま、さまざまな組み合わせを試すことに多くの時間を費やしてしまうことがわかります。
絶望しないでください。ここで DoE の魔法が役立ちます。 4374 回の実行の完全な階乗の代わりに、より小さなサブセットを取得して、ほぼ同じ有用な情報を得ることができます。
これら 26 回の実行は、次の目的に役立つ実験になります。
なぜこの 26 回の実行があるのでしょうか? 単にランダムに選ばれただけなのでしょうか？ 特定の対称性があることに気づいた方もいるかもしれませんが、そうでない場合、なぜこれらの実行を選択する必要があるのかは明らかではありません。 また、他の 4348 回の実行はどうなるのでしょうか? そうした設定で何が起こるかを心配する必要はないでしょうか? そしてその間の設定は？
の私の次の投稿, これらの質問に答え、例を使用して DoE の主要な概念を視覚的に説明します。
コメントしてくれてありがとう。 シリーズ第２弾は、ここ。 第三弾ももうすぐ発売されます！
素晴らしい投稿です！ 次の投稿はいつ投稿しますか? 続きを読むのが待ちきれません!
@Phil_Kay素敵な投稿です。 この宗教の謎を解き明かすのに役立つビジュアルと説明が気に入っています。
