混料设计之极角点设计———蹒跚学步之一混料设计：极角点设计

h_leizhao

首层说明：春节后一直在学习JMP的实验设计，最近终于有了一个自己设计的实验。。。
学习过程中论坛网友帮了很大忙，今天把结果完整拿出来让大家看看，本意不是为大家提供一个混料设计的模板，而是想通过这个机会巩固下我学到的，对那些还抱着好奇态度想学学看看的同学，好有个抛砖引玉的作用···

wangjue7889

期待更新

h_leizhao

背景：
我工作在生物化工领域，具体点就是生物工程——动物细胞大规模莫培养———生物仿制药行业。我们的问题：三个因素是三种培养基，一个响应：抗体产量（望大）
1、
通过预实验，我们发现了三种因素的可行范围：x1：[0.25,0.45], x2-t [0.5,1], x3 [0,0.5]. 然后制表生成混料方案。
2、实验结果的录入，及实验数据的初步检验：
     发现其中有一个点是比较奇怪的，但是经过检查，这个点并没有错误，是实验本身引起的，因此也就没有忽略他。
      这个功能是用到了“分析-分布”功能


第二张图是实验设计的点以及实验的结果。x1/x2_s/x2_t是变量，y1、y2是响应。qp是生物化工相关的一个参数，这个例子没用到。第一张图是第二张图的分布分析，第三张图是第二张图的三元分布

h_leizhao

3、数据分析
    这里的数据分析比较简单，就是直接点击JMP预设好的模型。“模型-运行脚本”，宏选择“混料设计响应面”
    看到回归系数和调整回归系数之后模型诊断之前很沮丧。
这张图显示的是第一次拟合的结果。回归系数很可怜，方差分析显示模型也并不合适。

h_leizhao

接下来模型诊断。
回归系数较小有两反面的原因：
一是有的效应不是很显著，而我也把他们选择到了模型之中。从交互作用图来看，因子间的交互作用除了X2-t&x3-s间具有较强的交互作用，其他的并不显著。
二是此次混料之前，我们已经进行了一系列优化实验，使得利益区域与最优点已经很近了，实验的误差带来的差异可能掩盖了因素水平带来的差异。
接下来就是除去不显著的因子再一次拟合。即把X2-t*x3-s，x1, x2-t, x3-s作为输入变量。

这张图片显示各个因素间的交互作用。

h_leizhao

4， 模型的再次诊断
这次就好多了，看来第一次模型选择确实有问题。这么一来，两个回归系数都比较高，并且二者比较接近。
残差分析：
残差分析应该包括四张图：残差VS观测值顺序
                                    残差VS响应变量拟合预测值
                                    残差的正态检验图
                                    残差VS自变量
但是我的版本太低，只找到了这两张。总的来说还算好吧，我觉得具有方差齐性。

h_leizhao

既然我觉得模型是没有问题的，那么从刻画器获得最优混料方案吧。
当然，实验到这里并没有结束，还需要用实在的数据来对模型进行检验。


这张图显示的预测刻画器的预测。

h_leizhao

h_leizhao 发表于 2016-3-29 19:05
接下来模型诊断。
回归系数较小有两反面的原因：
一是有的效应不是很显著，而我也把他们选择到了模型之中 ...

                                                         

h_leizhao

h_leizhao 发表于 2016-3-29 19:05
接下来模型诊断。
回归系数较小有两反面的原因：
一是有的效应不是很显著，而我也把他们选择到了模型之中 ...

                                                                                          

h_leizhao

h_leizhao 发表于 2016-3-29 19:05
接下来模型诊断。
回归系数较小有两反面的原因：
一是有的效应不是很显著，而我也把他们选择到了模型之中 ...