DoE 设置的选择我对 DoE 的设置有疑问，在所有可用选项中哪个可能是最合适的。
我的实验与最大化特定化学提取的产量有关，我有大约 5 个 2 级连续参数（例如时间、温度、体积）和分类参数（例如样本 #、开/关摇动）。我想要一式三份，因为结果可能很嘈杂，而且我一次只能进行 24 次实验。我也在考虑中心点的优点。我的目标实际上是找出哪些参数对输出至关重要，哪些参数没有影响，而不是尝试准确预测输出。我还想知道将其拆分为多个 DoE 是否有益，例如，首先消除非关键参数，然后更深入地探测那些关键参数。
在 JMP 中，您可以选择从自定义设计、明确筛选、筛选、响应曲面、全因子、混合和田口开始。我可以消除响应面，因为我认为这仅适用于连续参数。但是对于其余部分，我不确定从哪个开始，而且您似乎可以从不同的路线到达同一点，例如筛选 -> 从列表中选择 -> 全阶乘。筛选似乎是最合适的，但我很想听听社区关于如何决定哪种方法最好的想法。
回复：DoE 设置的选择抱歉，我还有一个关于复制的问题。
理想情况下，我想对每个实验进行两次或更好的三次。在自定义设计结束时，您可以从以下选项中选择运行次数：最小值、默认值和用户指定。“重复运行次数”上方有一个框，但在该框中输入 1 不会使运行次数加倍。对于最小值和默认值的原始 8 和 12，它增加到 9 和 16。在经典 -> 筛选设计下，向重复框添加 1 确实使运行次数加倍。为什么定制设计会有所不同？同样重要的是，我可以将自定义设计的重复设置为 0，然后只复制粘贴所有建议的实验，以允许它们全部被复制吗？
回复：DoE 设置的选择如果是水性/有机化学萃取，一定要考虑盐水 (NaCl) 作为一个因素。 饱和盐水洗涤在帮助分配方面非常有效。
回复：DoE 设置的选择D 效率基本上是正交性的度量。 与具有相同因素和运行次数且其任何模型项之间没有相关性的假设设计相比，这是您的设计的 d 最优性。 大多数时候，这样的设计实际上是不可能存在的。
这实际上只是承认您必须接受模型项之间的更多相关性，以便包括您为该运行次数指定的所有因素。 很难说什么是“差”d 效率。 我认为功效是判断筛选设计和颜色图效用的更好指标。回复：DoE 设置的选择添加了更多参数后，我发现我的 D 效率得分约为 83%。当我添加 1 个或多个中心点时，这似乎下降了 - 这与曲率响应有关，并且无法准确建模吗？是否最好将它们排除在外 - D 效率下降约 77% 但我不确定 D 效率是好是坏，尽管这里有一些讨论： https://community.jmp.com/t5/Discussions/D-Efficiency-and-resolution/td-p/47698
回复：DoE 设置的选择谢谢 Cameron，这是非常有用的建议 
回复：DoE 设置的选择我忘了提及您可以在自定义设计中包含任意数量的中心点。这将使您能够检测响应曲面中的曲率，但不能对其建模。在这个阶段，这听起来对你来说并不重要。
回复：DoE 设置的选择从您对目标的描述来看，听起来您确实需要筛选设计。但是，我确实想指出，响应曲面设计不仅仅适用于所有连续因素。如果您需要在您的设计空间内进行良好的预测，您最终会想要做一个。
24 次运行中的 5 个因子对于筛选设计来说当然是可行的，尽管您无法多次复制每个点。我建议使用自定义设计并指定所有主要效果和 2 因子交互作用的模型。当我在 24 次运行中运行 5 个因素时，我得到了一个重复了 8 个点的设计，因此您将对纯误差有一个不错的估计。
确定性筛选可能不适合您，除非您希望同时获得某种响应面并愿意尝试进行更复杂的分析。混合设计在这里不相关，你没有足够的运行来获得一个完整的因子（5 个因子运行 32 次），田口阵列是相当古老的学校，通常用于你需要高度分离设计的情况（不是你的情况）。
在筛选设计平台中，您基本上可以选择阶乘（全部和部分）和 Plackett Burman。部分阶乘只允许 2 的幂，因此您必须为您的设计选择 8、16 或 32 次游程。在 16 次运行时，您将没有错误自由度，因为您从 16 个潜在模型项开始。如果您真的只是在寻找实验中的大旋钮，那么您可以这样做。Placket Burman 用于 12 次运行，实际上只为您提供主要效果。
定制设计不会出错。它通常会为相同次数的试验重现经典设计，但使用自定义设计，您可以完全灵活地选择要估计的模型以及要包括的试验次数。对于最优性标准，请为筛选方案选择 D 最优性。该标准强调功率/精确参数估计，因此您有最大可能的机会检测到您可以进行的运行次数的任何显着影响。
