實驗設計 （DOE）可能是您的分析工具中最具戰略性的武器之一。 能源部是從數據中更快學習的核心，可以應用於許多領域 - 不僅僅是製造業等傳統領域，還包括營銷，人力資源和許多領域。正如布拉德利瓊斯，JMP部門的首席研究員 SAS 他說，“設計實驗是成功創新的最快，成本最低的方法。”為什麼不是人們自己設置實驗來更快地從數據中學習？
最近我與安特衛普大學的正教授Brad和Peter Goos進行了對話，探討了這些問題和其他問題。 他們合著了最近的一本書，實驗的優化設計：案例研究方法 。這是一本很棒的書，因為它超越了你對DOE的新進展，並以一種使其在概念上非常容易理解的方式 - 甚至對新手也是如此。但它遠不止於此。
能源部的進展緩慢。我們不再局限於使用教科書設計。由於更多的自動設計搜索以及靈活解決我們在現實世界中面臨的許多限制的能力，由於Peter和Brad等人的工作，我們現在能夠定制設計我們的實驗並選擇適合的設計我們的問題而不是強迫我們的問題適合設計。 通過他們書中的案例研究，作者表明，您可以定制實驗，解決各種問題，以提供真正有用的結果。您不再需要通過將您選擇的實驗限制在桌面設計中來讓尾巴搖尾巴，這通常不適合手頭的問題。
我們從他們的書第7章 - 一個塊中的響應曲面設計 - 中得到了一個例子，並將其作為新劇中的一個小品分析說網絡直播 ，今天首播。我發揮了研究科學家的作用，他從專家那裡尋求設計問題的幫助。布拉德和彼得扮演專家的角色 - 在書中和現實生活中 - 分享他們的專業知識來解決問題。案例研究方法非常有效地說明了定製或最佳設計的價值（在許多情況下是簡易）。
布拉德和彼得推薦給DOE新手的其他書籍：8 日道格拉斯蒙哥馬利的書，實驗設計與分析和彼得的第一本書（受他的論文啟發），阻塞和分裂圖實驗的優化設計 。布拉德說，第一章提供了對定製或優化設計的出色介紹，並為其常規使用提供了令人信服的理由。
彼得的另一個我最喜歡的（轉述）引用：DOE最近最重要的發展是能夠為基本上任何可能的實驗場景計算良好實驗設計的快速而強大的算法 - 不僅適用於完全隨機實驗，還適用於涉及實驗的實驗相關觀察，如阻塞實驗或裂區實驗。此外，我們現在還可以計算診斷，例如設計空間圖的分數，它可以根據預測的方差可視化設計的性能。
為了確保您具備DOE的最新思維和創造性解決問題的能力，請查看Peter和Brad的更多信息網絡廣播和他們的書。彼得和布拉德曾寫過一些期刊文章 Biometrika ，質量技術雜誌 ，期刊建模 ，商業經濟統計雜誌 ，和商業和工業中的應用隨機模型。
他們還提供了一些免費下載的文章應用統計 （又名 皇家統計學會期刊：C系列 ）和國際質量和可靠性工程 。
