DOE 使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况？你好，
我们运行了 DOE 并监测了一些 DOE 因素（Ta_mes、c_mes）和一些原本应该稳定但实际并非如此的附加值（Tb_mes，随机测试车辆）。
无论模型是否使用随机因素，建模都会给出完全不同的预测。 它们甚至是不切实际的（负厚度 s-2，或非常高的 TE（高于试验期间））。
例如，请参见 Profiler HSS-TE 与 HSS_random
您有什么解释为什么会发生这种情况以及如何避免吗？
一般说明：
DOE 设计有 8 个整区和 16 个子区。 整个 DOE 都在一个储罐中运行。 整个图代表不同的电镀天数，子图表示每日温度升高（不幸的是，冷却需要很长时间 - 因此尽管最初的设计，温度 Ta 升高始终为正）。 第三个不可逆的变化（浓度增加 c_set）在设计增强期间被标记为块。
结果位于“Y”的右侧。
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况谢谢 -（具有控制和噪声因素的田口设计对我来说是新的。）
我找不到附加的模型 - 我仍然很好奇你如何处理（分类）字符类型响应（LM-void 和 Peeling）。
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况不，将设计角色从“连续”更改为“噪声”是没有意义的。 这种改变是不必要的。 这也不是噪声因子类型的目的。请参见帮助>图书>实验设计了解更多信息。
您无缘无故地使设计（事后）和分析变得复杂。 最后，实验的唯一目的可以说是获得拟合模型的最佳数据，在本例中，模型是参数线性的。 我更新了您的数据表并将其附加到我之前的回复之一中。 附加的列属性是正确的并且有助于回归分析。 保存的模型表脚本还应该提供合理的数据分析。
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况请在附件中找到带有响应的模型（剥离和 LM-void 的数据类型“字符”）：
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况是的，你是对的：我认为，那些没有被设计并且应该被修复但实际上没有被修复的因素在建模过程中会得到“随机效应”属性。
考虑到不能保证变化独立于其他因素变化（巧合相关的风险），将这些半固定的非计划因素的设计角色设置为“噪声”是否有意义？
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况不要将因子效应输入为随机效应。“偏移”是您输入的未指定的混合效果模型的产物。
您似乎对固定效应和随机效应的本质感到困惑。 模型中唯一的随机效应应该是整个图和子图。 （残余随机效应是根据模型相关的平方误差和自由度自动估计的。 不应明确指定。）另一方面，这些因素具有可重复的固定效应。 这些效应可能需要多个项才能充分表示：一阶项、二阶项或交叉项。 例如，你的因素塔应该产生固定的效果。 数据栏塔用于为回归模型生成估计列，例如塔或者塔^2 。 事实上，您使用测量的电平（塔梅斯) 而不是原来的设置 (塔集）并没有改变所有 Ta 项都代表固定效应的事实。
通常，设计的实验与估计和测试的假设模型相关。 我已经不止一次回复过你的实验和数据的合理模型。
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况亲爱的马克，
是的，请。
请在附件中查找包含 s-2 和 TE 不同型号的期刊。 对我来说，非常不清楚为什么在使用额外的随机因子（例如 s-2 的 Tb_mes 或 TE 的 s-2）时会出现偏移。
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况感谢您的更新，但我现在不确定您对这些问题的立场。 您还需要帮助吗？
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况亲爱的马克，
测试在容器/罐中进行，浓度为 c放容器/储罐中的变化是不可逆转的。
你是对的，浓度 c 在前 16 次运行期间保持恒定，然后在运行 17-32 期间增加并再次保持恒定。
要将浓度应用到模型 a 列 c 中放已添加到原始数据表中。如果我以正确的方式将其作为常数，我最终会得到一个常数，因此我在模型增强之前暂时将一个值更改为更高的浓度，并在之后“纠正”它。
我没有看到在增强过程中阻塞以实现浓度 c 的不同方法放进入模型，因为已经需要整个图和子图来描述温度 Ta 和 pH 变化。 两者都是按块完成的，因为否则更改会消耗太多时间。
- pH调节需要在室温下（加热前）进行。 -> 每天只能测试一组 pH 值。
- 容器/罐的加热（和冷却）需要时间。每天至少跑4次，只有一次温度Ta放每天进行增加。
温度Tb应该是恒定的，但实际上并非恒定。因此，每次运行都是同时测量的。 它是一个随机因素，后来作为列添加。
温度Ta我的处理方式和你一样。
……
我正在努力寻找一种方法来插入（复制/粘贴）jmp 分析的部分。 当我找到方法时，我会继续解释。
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况我再次查看了我的分析，意识到您在设计中指定的内容与您在实验中实际执行的内容之间存在严重的不一致。
- 您不需要在模型中使用 Block，因为它与整体图和子图、c 集和（大部分）Tb 集混淆。
- c set 未在设计中指定为一个因素。 它是如何添加到增强设计中的？
- c 集在整个地块 1-4 中处于同一水平，并且在整个地块 5-8 中再次位于另一个水平。 它真的只设置和重置一次吗？ 它在前 16 次运行中是否恒定，然后以恒定的第二水平添加到实验中？
- Tb 是否像 c 一样添加到实验中？ 这似乎不是设计因素，而是实验设计后添加的另一个变量。
- 你有一个很难改变的因素Ta。 它应该设置并保持在整个子图中的一个级别。 然而你们对Ta mes有不同的价值观。 似乎测量变量表示运行中的控制，而子图表示设置难以更改的因子而产生的随机误差，因此我将子图保留为随机效应，将 Ta mes 作为固定效应来代替 Ta 集。
我更新了我的分析并将新的模型脚本保存在附加的数据表中。 完成模型选择并保存四个具有显着效果的响应的预测公式后，我获得了以下分析器。
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况你检查过我所做的分析吗？ 我的方法有意义吗？ 结果有意义吗？ 我还是不明白你的分析。 细节：
- 关于Tb对s-1和s-2的影响，我不明白你所说的“用作随机因子”是什么意思。 您的意思是您将 Tb 建模为随机效应吗？
- 由于线性模型，负预测通常是可能的。 它假设响应从负无穷到正无穷变化。 此外，误差贡献被建模为均值为零的正态分布，因此一半误差也是负的。 很难回答你的问题，因为你没有展示所使用的模型或回归分析结果。
- 剥离似乎是一个由数字表示的类别，因此我将其更改为数字/连续以适合模型。
- s-2 是“随机因子”？ 我不知道这句话是什么意思。
- 预测基于模型。 总是。 如果不包括该因子，则模型是平均响应加上误差。 如果您确实包含该因素，则平均值可能会发生变化，并且比不包含该因素时更高（或更低）。
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况亲爱的马克，
感谢您对此进行调查。
我会尽力澄清：
不幸的是，当设置 DOE 时，尚未指定响应（s-2、s-1、剥离、HSS-TE、HSS-SS、LM-void）。 因此，Y 列为空。
在每次实验期间，都会对测试车辆进行电镀。
首先，测量镀层厚度(s-2(数值/连续)、s-1(数值/连续))。
从之前的测试中我们知道，温度Tb的轻微变化会对厚度s-2（Mean(s 2 (μm))）产生影响。 因此，每次运行都会确定温度 Tb_mes，并在 s-2 建模期间用作随机因子。
在这种情况下，我们最终对厚度做出了负面预测。 为什么？
其次，对测试车辆的一个部件进行胶带测试，结果：剥离（字符/序数）。
第三，使用测试车辆的另一部分进行焊接测试，结果为：HSS-TE（数字/连续）、HSS-SS（数字/连续）、LM-void（字符/序数）。
从之前对 s-2 厚度变化的测试我们知道焊接测试受厚度 s-2 的影响。 因此，在评估焊接结果（例如HSS-TE）期间，将厚度s-2（平均值（s 2 (μm)））用作随机因素。
在这种情况下，我们最终得到的 HSS-TE 预测远高于没有随机因素的预测，甚至高于结果（请参阅预测图的实际值）。 为什么？
PS：根据JMP消息“Ordinal Logistic不支持Random ectects”。 因此，建模时没有考虑剥离和 LM 空洞的随机因素。 或者有没有办法通过建模类型字符/序数来包含结果的随机效应？
我希望这个解释有助于澄清。
此致
佩特拉
回复：美国能源部使用随机因素进行评估最终会得到不切实际的结果。 为什么以及如何避免这种情况我不明白你对实验的描述或你的分析存在的问题。
我重新开始分析。 一些因素和响应具有错误的数据类型、错误的建模类型，并且缺少有价值的列属性。 我将所有数据列恢复到最佳状态。 我删除了所有保存的表格脚本、汇总统计数据和保存的预测公式。 然后，我可以轻松地将合理的线性模型与随机效应拟合起来。 剥皮没有显着影响。
我附上了我的实验和分析版本供您检查。
