DoE 設置的選擇我對 DoE 的設置有疑問，在所有可用選項中哪個可能是最合適的。
我的實驗與最大化特定化學提取的產量有關，我有大約 5 個 2 級連續參數（例如時間、溫度、體積）和分類參數（例如樣本 #、開/關搖動）。我想要一式三份，因為結果可能很嘈雜，而且我一次只能進行 24 次實驗。我也在考慮中心點的優點。我的目標實際上是找出哪些參數對輸出至關重要，哪些參數沒有影響，而不是嘗試準確預測輸出。我還想知道將其拆分為多個 DoE 是否有益，例如，首先消除非關鍵參數，然後更深入地探測那些關鍵參數。
在 JMP 中，您可以選擇從自定義設計、明確篩選、篩選、響應曲面、全因子、混合和田口開始。我可以消除響應面，因為我認為這僅適用於連續參數。但是對於其餘部分，我不確定從哪個開始，而且您似乎可以從不同的路線到達同一點，例如篩選 -> 從列表中選擇 -> 全階乘。篩選似乎是最合適的，但我很想听聽社區關於如何決定哪種方法最好的想法。
回复：DoE 設置的選擇抱歉，我還有一個關於復制的問題。
理想情況下，我想對每個實驗進行兩次或更好的三次。在自定義設計結束時，您可以從以下選項中選擇運行次數：最小值、默認值和用戶指定。“重複運行次數”上方有一個框，但在該框中輸入 1 不會使運行次數加倍。對於最小值和默認值的原始 8 和 12，它增加到 9 和 16。在經典 -> 篩選設計下，向重複框添加 1 確實使運行次數加倍。為什麼定制設計會有所不同？同樣重要的是，我可以將自定義設計的重複設置為 0，然後只複製粘貼所有建議的實驗，以允許它們全部被複製嗎？
回复：DoE 設置的選擇如果是水性/有機化學萃取，一定要考慮鹽水 (NaCl) 作為一個因素。 飽和鹽水洗滌在幫助分配方面非常有效。
回复：DoE 設置的選擇D 效率基本上是正交性的度量。 與具有相同因素和運行次數且其任何模型項之間沒有相關性的假設設計相比，這是您的設計的 d 最優性。 大多數時候，這樣的設計實際上是不可能存在的。
這實際上只是承認您必須接受模型項之間的更多相關性，以便包括您為該運行次數指定的所有因素。 很難說什麼是“差”d 效率。 我認為功效是判斷篩選設計和顏色圖效用的更好指標。回复：DoE 設置的選擇添加了更多參數後，我發現我的 D 效率得分約為 83%。當我添加 1 個或多個中心點時，這似乎下降了 - 這與曲率響應有關，並且無法準確建模嗎？是否最好將它們排除在外 - D 效率下降約 77% 但我不確定 D 效率是好是壞，儘管這裡有一些討論： https://community.jmp.com/t5/Discussions/D-Efficiency-and-resolution/td-p/47698
回复：DoE 設置的選擇謝謝 Cameron，這是非常有用的建議 
回复：DoE 設置的選擇我忘了提及您可以在自定義設計中包含任意數量的中心點。這將使您能夠檢測響應曲面中的曲率，但不能對其建模。在這個階段，這聽起來對你來說並不重要。
回复：DoE 設置的選擇從您對目標的描述來看，聽起來您確實需要篩選設計。但是，我確實想指出，響應曲面設計不僅僅適用於所有連續因素。如果您需要在您的設計空間內進行良好的預測，您最終會想要做一個。
24 次運行中的 5 個因子對於篩選設計來說當然是可行的，儘管您無法多次復制每個點。我建議使用自定義設計並指定所有主要效果和 2 因子交互作用的模型。當我在 24 次運行中運行 5 個因素時，我得到了一個重複了 8 個點的設計，因此您將對純誤差有一個不錯的估計。
確定性篩選可能不適合您，除非您希望同時獲得某種響應面並願意嘗試進行更複雜的分析。混合設計在這裡不相關，你沒有足夠的運行來獲得一個完整的因子（5 個因子運行 32 次），田口陣列是相當古老的學校，通常用於你需要高度分離設計的情況（不是你的情況）。
在篩選設計平台中，您基本上可以選擇階乘（全部和部分）和 Plackett Burman。部分階乘只允許 2 的冪，因此您必須為您的設計選擇 8、16 或 32 次遊程。在 16 次運行時，您將沒有錯誤自由度，因為您從 16 個潛在模型項開始。如果您真的只是在尋找實驗中的大旋鈕，那麼您可以這樣做。Placket Burman 用於 12 次運行，實際上只為您提供主要效果。
定制設計不會出錯。它通常會為相同次數的試驗重現經典設計，但使用自定義設計，您可以完全靈活地選擇要估計的模型以及要包括的試驗次數。對於最優性標準，請為篩選方案選擇 D 最優性。該標準強調功率/精確參數估計，因此您有最大可能的機會檢測到您可以進行的運行次數的任何顯著影響。
