{"id":1495,"date":"2025-03-27T18:37:15","date_gmt":"2025-03-27T17:37:15","guid":{"rendered":"https:\/\/bioeducator.eu\/?p=1495"},"modified":"2025-03-27T18:39:15","modified_gmt":"2025-03-27T17:39:15","slug":"90-lat-projektowania-doswiadczen","status":"publish","type":"post","link":"https:\/\/bioeducator.eu\/?p=1495","title":{"rendered":"90 lat projektowania do\u015bwiadcze\u0144"},"content":{"rendered":"\n
\n
\n

W wielu artyku\u0142ach na temat projektowania do\u015bwiadcze\u0144 (DoE) na wst\u0119pie pisze si\u0119 o jego wy\u017cszo\u015bci nad tradycyjn\u0105 metodologi\u0105 badania jednego czynnika na raz (OFAT). W wi\u0119kszo\u015bci przypadk\u00f3w DoE pokazuj\u0105 jako innowacyjne podej\u015bcie do bada\u0144 naukowych czy optymalizacji proces\u00f3w. Nic bardziej mylnego. W\u0142a\u015bnie mija 90 lat od kiedy Ronald Fisher opublikowa\u0142 prac\u0119 The design of experiments.<\/p>\n<\/div>\n\n\n\n

\n
\"Projektowanie<\/figure>\n<\/div><\/div>\n<\/div>\n\n\n\n

<\/p>\n\n\n\n

Ronald Fisher \u2013 biolog statystyk<\/h2>\n\n\n\n
\n
\n
\"Ronald<\/figure>\n<\/div>\n\n\n\n
\n

Dla wielu z was wiadomo\u015b\u0107 ta mo\u017ce wydawa\u0107 si\u0119 niewiarygodna ale podstawy wsp\u00f3\u0142czesnej statystyki zosta\u0142y opracowane przez biologa \u2013 Ronalda Fisher\u2019a. To jemu zawdzi\u0119czamy stosowan\u0105 przez wszystkich analiz\u0119 wariancji (ANOVA) i wiele innych test\u00f3w statystycznych. Fisher zajmowa\u0142 si\u0119 genetyk\u0105 i eugenik\u0105. W latach 1919\u00a0 – 1933 pracowa\u0142 w Stacji Eksperymentalnej Rothamsted. Stacja ta prowadzi\u0142a badaniach zwi\u0105zanych z rolnictwem. To w\u0142a\u015bnie w trakcie pracy w tej stacji Fisher opracowa\u0142 podstawy projektowania do\u015bwiadcze\u0144.<\/p>\n<\/div>\n<\/div>\n\n\n\n

<\/p>\n\n\n\n

DoE vs OFAT<\/h2>\n\n\n\n

Co w\u0142a\u015bciwie daje nam DoE? Odpowied\u017a na pytanie zaczn\u0119 od odpowiedzi na pytanie czym jest eksperyment. Eksperyment to utrzymany w kontrolowanych warunkach zbi\u00f3r dzia\u0142a\u0144 powoduj\u0105cych okre\u015blone reakcji w obiektach materialnych. Definicja do\u015b\u0107 toporna. Jest jednak do\u015b\u0107 prosta je\u015bli j\u0105 \u0142atwiej wyt\u0142umaczy\u0107. Je\u015bli chcemy zbada\u0107 jakie\u015b zjawisko i okre\u015bli\u0107 co ma niego wp\u0142yw, w uk\u0142adzie do\u015bwiadczalnym kontrolujemy badane czynniki (zmienne wej\u015bciowe) i sprawdzamy jaki jest wynik wprowadzonych zmian. Proste. Schody zaczynaj\u0105 si\u0119, gdy tych czynnik\u00f3w do zbadania mamy wi\u0119cej ni\u017c jeden.<\/p>\n\n\n\n

\"walidacja<\/figure>\n\n\n\n

M\u00f3zg podpowiada oczywisto\u015b\u0107. By zachowa\u0107 kontrol\u0119 musimy zmienia\u0107 na raz tylko jeden czynnik a pozosta\u0142e utrzymywa\u0107 na sta\u0142ym poziomie. W ten spos\u00f3b zaobserwowany wynik eksperymentu b\u0119dzie efektem dzia\u0142ania tego czynnika. Co jednak, gdy mamy kilka, kilkana\u015bcie lub kilkadziesi\u0105t czynnik\u00f3w? Jak d\u0142ugo potrwa taki eksperyment? Ile r\u00f3\u017cnych wariant\u00f3w b\u0119dzie trzeba przetestowa\u0107? Tu z pomoc\u0105 przychodzi projektowanie do\u015bwiadcze\u0144 czyli DoE.<\/p>\n\n\n\n

U podstawy DoE le\u017cy testowanie wielu czynnik\u00f3w na raz. Plany eksperymentalne uk\u0142adane s\u0105 w taki spos\u00f3b by na podstawie jak najmniejszej liczby wariant\u00f3w uzyska\u0107 jak najwi\u0119cej mo\u017cliwych informacji. Oparte s\u0105 one o zasady statystyki. Obecnie istnieje wiele r\u00f3\u017cnych plan\u00f3w o r\u00f3\u017cnym zastosowaniu. Niekt\u00f3re lepiej wykorzysta\u0107 na potrzeby przesiewu czynnik\u00f3w, inne pozwalaj\u0105 si\u0119 skupi\u0107 na najwa\u017cniejszych czynnikach i nie tylko pozna\u0107 jak dzia\u0142aj\u0105 ale r\u00f3wnie\u017c wyznaczy\u0107 ich optymalny poziom.<\/p>\n\n\n\n

DoE pozwala nam jednak na o wiele wi\u0119cej ni\u017c tylko obserwacja efekt\u00f3w zmiany czynnik\u00f3w. Dzi\u0119ki temu, \u017ce testujemy wi\u0119cej czynnik\u00f3w mo\u017cna dowiedzie\u0107 si\u0119 czy wchodz\u0105 ze sob\u0105 w interakcje. Cz\u0119sto zdarza si\u0119, \u017ce czynniki wej\u015bciowe wp\u0142ywaj\u0105 na siebie nawzajem (mog\u0105 si\u0119 wzmacnia\u0107 lub hamowa\u0107).<\/p>\n\n\n\n

W przypadku optymalizacji proces\u00f3w przewaga DoE nad OFAT jest niepodwa\u017calna. Czynniki mog\u0105 na siebie wp\u0142ywa\u0107, wi\u0119c proces optymalizowany metod\u0105 OFAT mo\u017ce by\u0107 nieoptymalny. W przypadku wykorzystania DoE i matematycznego modelowania procesu taka sytuacja nie b\u0119dzie mia\u0142a miejsca.<\/p>\n\n\n\n

Gdzie zastosowa\u0107 DoE?<\/h2>\n\n\n\n

Projektowanie do\u015bwiadcze\u0144 mo\u017ce by\u0107 zastosowane praktycznie w ka\u017cdym eksperymencie, w kt\u00f3rym chcemy przetestowa\u0107 wp\u0142yw wi\u0119cej ni\u017c jednego czynnika. Zastosowa\u0144 jest jednak o wiele wi\u0119cej. Jak wspomnia\u0142em wcze\u015bniej, dzi\u0119ki testowaniu wielu czynnik\u00f3w na raz mo\u017cna r\u00f3wnie\u017c wyznaczy\u0107 interakcje w jakie wchodz\u0105 ze sob\u0105. Mo\u017cemy zaobserwowa\u0107 wzmocnienie efektu przez inny czynnik lub przeciwnie, jego inhibicj\u0119.<\/p>\n\n\n\n

Jednym z najbardziej popularnych zastosowa\u0144 projektowania do\u015bwiadcze\u0144 jest optymalizacja proces\u00f3w. Testowanie wielu czynnik\u00f3w na raz przy \u015bci\u015ble zaplanowanym planie pozwala na modelowanie matematyczne odpowiedzi. W efekcie mo\u017cna uzyska\u0107 model procesu i wyznaczy\u0107 optymalne dla niego parametry wej\u015bciowe. Dzi\u0119ki temu znalaz\u0142o zastosowanie w wielu ga\u0142\u0119ziach przemys\u0142u, od rolnictwa, przez motoryzacj\u0119 i lotnictwo do farmacji.<\/p>\n\n\n\n

W przemy\u015ble farmaceutycznym projektowanie do\u015bwiadcze\u0144 ma zastosowanie przy optymalizacji proces\u00f3w wytwarzania. Wraz z ca\u0142\u0105 koncepcj\u0105 projektowania jako\u015bci<\/a>, DoE wprowadzono do wytycznych ICH Q8, Q11<\/a> a tak\u017ce w wytycznej Q14<\/a> dla rozwoju metod analitycznych.<\/p>\n\n\n\n

Podsumowuj\u0105c, DoE mo\u017cemy wykorzysta\u0107 do:<\/p>\n\n\n\n