変化しにくい因子を備えた24個のディープウェルプレートこんにちは、
24枚のディープウェルプレートを用いて、5つの因子からなる実験を計画しています。そのうち2つは温度と時間です。ディープウェルプレートは一定時間冷凍庫またはヒーターで保温する必要があるため、これらの因子を変更するのは困難です。一方、他の3つのパラメータはプレート上のディープウェルごとに異なる可能性があります。
変更困難な因子を用いてDoEを設定し、最終的に区画全体のDoEを作成してランダム効果誤差を誘発することは、ここで必要なのでしょうか？あるいは、それらの因子を変更容易な因子として扱い、DoE表を温度と時間でソートすれば、基本的に同様のDoEレイアウトになるかもしれません。後者の場合、ランダム化が「破られる」ことは承知していますが、いずれにせよ各プレートは別々に充填されるため、ここでは問題にならないと思います。つまり、「メモリ効果」はないので、実行順序は重要ではないということです。
変更困難な因子を避ける理由は、最適な実験回数（ひいてはプレート数）が増加し、選択肢が限られてしまうためです。さらに、DoE診断（相関行列、予測分散）の精度も低下します。また、変更困難な因子を含む計画はバランスが取れておらず、変更容易な因子を用いた場合とは異なり、一部の因子の組み合わせが出現しません。
ご意見やコメントをお待ちしております。ありがとうございます。
実験計画法Re: 24 ウェルプレートの因子の変更が難しいこんにちは@aatw 、
はい、分割プロット構成（「変更が困難な」要因を含む）による DoE の設定は、いくつかの理由によりここでは必要です。
- 分割区画設定を使用して直接計画を作成すると、ブロック間およびブロック内のランのバランスが確保されます。ランを「手動で」並べ替えると、ブロック間またはブロック内でわずかな不均衡が生じる可能性があり（また、この手動配置によってバイアスやノイズが生じる可能性もあります）、分割区画設計構造によって提案されるラン配置よりも最適ではなくなる可能性があります。
- さらに重要なのは、実験設定に2つの「構造」があることです。1つはプレート全体に温度と時間を適用するプレート構造、もう1つは各ウェルに3つの「変更しやすい」因子の組み合わせを適用できるウェル構造です。これにより、分析に使用される自由度に「変更しにくい」因子と「変更しやすい」因子の間で大きな差が生じますが、手動で実行を調整した場合、すべての因子の自由度が同じであると誤って分析が行われるため、この差は考慮されません。そのため、「変更しにくい」因子の推定値、信頼区間、p値は偏り、誤った（楽観的な）推定値になります。
- ランダム効果は、プレート間の変動を確実に捕捉するため、「変更しやすい」要因をより正確に推定するのに役立ちます。このランダム効果を分割実験計画で使用しない場合、プレート間の変動は説明できない残りの変動とプールされ、一部の効果が隠れてしまう可能性があります。分割実験計画は、全区画主効果を除き、高い推定精度を実現します。
分析では、「変更が難しい」要因に関連する主効果はモデルにそのまま残されています。「変更が容易」な要因、および「変更が容易」な要因と「変更が難しい」要因間の交互作用は検出力が高く、結果としてより正確な推定値が得られることにご注意ください。
特定の使用ケースでは、それぞれ 24 の深さのウェルを持つ 5 つのプレートを購入できる場合、設計の評価は非常に肯定的であると思われます。
評価したい場合、使用した分割プロット設計を添付しました。
一部の因子の組み合わせが表示されないことへの懸念についてですが、それらを含める具体的な実際的な理由はありますか？もしそうであれば、デザインに含めたいすべての組み合わせを含む候補セットを準備し、それを共変量因子として使用することができます。 変更が困難な共変量を含むデザイン
Christopher Gotwalt による候補セットアプローチに関する講演をご覧ください: 候補セットデザイン: 問題に合わせた DOE 制約の調整 (2021-EU-30MP-78... - JMP ユーザーコミュニティ
分割区画設計に関する詳細情報:
分割実験計画
講義_13
分割計画に関するLinkedInの投稿
ランダム化制約のあるデザイン
Jacqueline AsscherとPhil KayによるDOE Clubのレコーディング - JMPユーザーコミュニティ
この回答がお役に立てれば幸いです。
