デザインの拡張：実行回数を入力DOEで材料設計をしています。私はすでに150の実験データを持っています。さらに15個の変数があります。今度はAugment Designによるランを追加したいと思います。実行回数の決定方法がわかりません。増強計画による新しい実験が良いかどうかをどうやって知ることができますか？
シモンズ：私は300から100000までのランナンバー（D-eff）を試してみました。まだ低く、100に達することはありません。それは8000ラウンドで40に達することができますが、8000の新しい実験は多すぎます。私は何をすべきか ？
Re：Augment Design：実行回数を入力してくださいそして実際の実習については、実践的なチュートリアル、クイズなどで決して忘れないでください。あなたはそれがeラーニングを含む実験の設計に関してはいくつかの可能な選択肢があることがわかります。あなたの質問に基づいて、私はコースJMPソフトウェア：実験のカスタムデザインをお勧めします。 https://support.sas.com/training/us/paths/jmp.html
Re：Augment Design：実行回数を入力してくださいどうもありがとうございました
Re：Augment Design：実行回数を入力してくださいの JMP Webキャストをマスターする JMPを使ったケーススタディの例を見るのに良い場所です。がある設計診断に関する記録済みのWebキャストそれは助けになるでしょう。
Re：Augment Design：実行回数を入力してくださいどうもありがとうございました。 phil_kay 。
私はまだ最初の3つの章を読み終え、そして多くの詳細を得ました。しかし、その本にはそのやり方が示されていなかったので、私は実際の場合に私がすべきことを混同しています。
効果を検知する力をどう考えるか教えてください。チュートリアルや例が一番いいでしょう。
Re：Augment Design：実行回数を入力してくださいこの場合、D-effは最も有用なデザイン診断ではないかもしれません。私が推測しているのは、既存の150回の実行は効果間にある程度の強い相関関係があるため、たくさんの新しい実行を追加しても完全な設計は直交とはほど遠いものです。
あなたは効果を検出する力を考慮する必要があります。あなたはおそらくあなたの既存の150回の実行から実験的な "ノイズ"の良い見積もりを得ることができます。それからあなたはそれがあなたがそれがあなたが検出することが重要である効果のどの程度のサイズを決める必要があるだけです。
最適な実験計画法：GoosとJonesによるケーススタディのアプローチを読むことをお勧めします。これは、多くの設計診断について詳細に説明するためです。
