<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />联合利华研发统计师Peter van Bruggen
抽象 ：
在联合利华，在将产品重新投放市场之前，已经进行了数千次实验。全球参与这些实验的数百名研究人员，工程师和技术人员受过不同学科的教育，并具有不同水平的统计知识。应用DOE通常不是常见的做法，统计学家并不总是会得到支持。对于非统计专家而言，DOE确实存在一些困难：1）DOE数量众多，2）填写必要信息的详细程度，以及3）理解统计分析结果的困难。容易选择不正确的设计，或者可能会错误地解释结果。它决定了成功与失败之间的区别。联合利华没有对所有科学家进行统计学和能源部的培训，而是部署了一种工具来克服这些困难。这个称为Plyos的工具是内部开发并在JMP中运行。Plyos简化了过程，并在扩展帮助下引导用户完成设置DOE的过程。Plyos还提供了详细的解释以解释统计分析的结果。该演讲重点介绍了使用该工具的方式以及它的优点和局限性。
演讲者文字 ：
请为演示幻灯片查看单独的PDF
1引言
“思考是解决问题的最重要武器之一”
曼德拉在多年前的一次采访中表示，他被判入狱27年。
但是，这些明智的话也可能对实验设计有效。它已成为我们与DoE相关课程口号的一部分。
联合利华是一家在食品，家庭和个人护理产品的多元化领域生产“快速消费品”的公司。它知道世界各地的许多站点。
可以将产品投放市场的过程简化，分为三个阶段：在研发地点，对产品进行成型，然后在中试工厂进行小规模测试，然后再将产品投放到我们的工厂中。
由于昂贵的设备，通常更大的批量大小以及由于所得商品无法在市场上销售这一事实，与在工厂进行实验相关的成本相对较高。
在研发中，由于实验规模较小，因此每个样品的成本要低得多，因此我们可以做更多的实验。试点工厂实际上位于中间。
当然，对DoE技术的需求与您进行的实验数量直接相关。
不幸的是，与研发相比，中试工厂关于统计和能源部的常识以及统计支持水平低得多，而在工厂中则更低。
随着在我们的中试工厂引入能源部，我们面临着一些挑战。
这些挑战始于我们在全球拥有40多家试验工厂，涉及500多名同事的事实。受教育程度差异很大，并且他们对统计知识的了解也不同。使用统计技术并不总是每天都在实践。
在中试工厂工作的人员在他们自己的专业知识领域中是非常有资历的，并且受到赞赏，但是当他们启动DoE工具时，他们面临着许多选择。其中一些选择是“容易的”，但其他选择则可能是“非常困难的”。他们面临的大多数问题涉及设计的类型以及结果的分析和解释。在这方面缺乏知识可能会阻止他们使用DoE。
有几种方法可以克服可能的知识不足，在此列出了最明显的方法。但是，“培训”和“增加统计支持”都非常昂贵，因为涉及的站点和同事很多。众所周知，强迫使用某种技术将行不通。
2在中试工厂引入能源部
联合利华选择了简化DoE申请流程的途径。这不仅是降低成本的一种选择，而且对于拥有众多同事以及人们不时换工作的联合利华来说，也是一种更具可持续性的选择。
为此，我们提出了一些要求，以简化设置实验设计及其分析的过程。
我们试图尽可能避免使用统计语言。我们跳过了有关设计类型和分析技术的术语，而是集中于试验后需要收集的信息以及用户在试验前所掌握的知识。
由于避免统计语言并非总是可能的（尤其是在分析数据时），因此已选择在统计过程的每个阶段提供帮助。
3 Plyos工具
为了使这种简化的过程成功进行，您不可避免地需要一个简单，有用且易于使用的软件工具。
我们已经开发了这样的工具。该工具称为“ Plyos”，当然，联合利华全球均可使用。
该工具在JMP中运行，仅对所需信息进行采样。有什么反应和因素？并且仅在绝对需要时才对其他信息进行采样。例如，仅当交互可以包括在设计中时，才提出是否需要在设计中包括交互的问题。
解释了所有步骤，并向用户传达了可能的决定。它根据联合利华的知识检查输入内容并提出改进建议。
最后，该工具提供了一种有效的设计，如果情况需要，可以将其随机或封闭显示。
该工具还使用最少数量的统计技术来分析响应，具体取决于响应的类型和因素的数量，并说明应如何解释每种技术（单独或组合使用）。
4 Plyos程序流程
通过给出的示例，您可以大致了解程序的流程，并保留一些屏幕截图。仅介绍了一些重点。
在开始时，Plyos提供了用于更改默认文件夹以存储数据的选项。您可以阅读帮助或打开更详细的手册。还有一些使用示例文件测试应用程序的选项。
当然，更重要的是设计一组新的实验或打开一个现有设计以添加响应数据并分析这些结果。
当用户开始创建新设计时，该工具首先要求提供详细信息，以便在以后的阶段中确定试验。然后，用户需要填写响应的详细信息，并给出示例屏幕。在JMP中设置设计所需要的信息的详细信息比您期望的要多。这些额外的信息是典型的联合利华信息，并在后台用于优化最终的设计结果。例如，Plyos将询问是否可以用连续响应代替序数响应或名义响应。连续响应更易于分析，结果将减少非统计人员在解释中的问题。
一个单独的帮助屏幕可用来解释不同的字段及其影响。
关闭此响应屏幕后，该过程的下一步（以类似的方式）处理需要调查的因素。
如果Plyos知识系统确定用户需要做出选择（例如，是否需要包括交互），则系统会提出问题并提供帮助以澄清该问题。
下一步“决定与后果”是指Plyos的强制决定。
如果Plyos做出了决定（例如，当需要限制因子水平时），则会显示一个单独的窗口，其中包含说明（如果适用）以及可供选择的选项。
当所有内容都填满并回答后，将提供一个随机且可立即使用的设计。
该JMP数据表-再次得到帮助的支持-可以直接用作中试工厂的试验配方。可以填写响应结果，当然，可以保存表格以供以后处理。
该表与提供的信息相对应，并且比标准JMP数据表经过标准DoE处理后更加详细。例如，JMP DoE将仅为输入中的所有分类因子创建名义因子，而Plyos则根据输入使它们成为有序或名义的。
如果没有正确分析响应数据，那么好的实验设计是没有用的。
在给定的示例中，您会在左侧看到一个JMP报告窗口，其中显示了针对正在研究的模型选择的预定义统计技术，而在右侧，您看到了相同技术的说明。
这些说明将仅显示分析中实际使用的技术，反之亦然。
结合模型的一般说明和最重要的假设，对分析技术的详细说明（单独或组合使用）应足以使大多数情况下，即使用户对统计知识的了解有限，也可以从数据中得出可靠的结论。。
5设计挑战
在该工具的设计过程中，我们面临一些挑战。有些影响很大，有些影响很小。
第一个处理的是特定因素组合所需的设计类型，我们是否能够创建这样的流程，以便当您重新开始相同的过程时选择相同的设计？
幸运的是，我们对目标群体及其特定需求有很多专业知识。不同情况由因素的数量，因素的类型，每个（分类）因素的级别数，是否包括相互作用和/或非线性以及其他一些约束条件来定义。
所有信息都存储在一个大数据表中，该表还包括有关如何分析数据的信息。
在开发的早期阶段，决定主要使用经典设计。这些很容易理解，可以重复。但是，这些设计很难编写代码，特别是在您要避免用户进入JMP的标准DoE对话屏幕时。
因此，大多数设计都是通过循环在脚本中进行硬编码的。其他的存储在数据表中并按需使用。
在设计创建过程的不同阶段需要多种帮助。为了简化维护，文本不应存储在脚本中。
我们将文本放在不同的来源中，包括脚本。但是，大多数存储在数据表和日记中。尤其是我们发现在日记本中存储大量文本并以灵活的方式显示部分文本的方式使我们感到非常满意。
我们还遇到几个较小的问题：
某些创建的列名称似乎与语言有关（例如，“残差”）。我们选择了简单的解决方案，现在测试语言，并要求用户进行必要的更改。
某些“平台首选项”会更改分析过程中数据的显示方式。有些问题无法通过硬编码来克服。我们没有找到解决某些问题的方法，因此在文本中添加了警告。
我们从2011年开始使用JMP9进行开发。后来引入了JMP11，导致某些例程出现一些问题。我们构建了依赖版本的子例程来克服。但是，JMP9不再可用。
6工具可用性和推出
该工具已在整个联合利华世界中推广。它通过共享驱动器交付。
尽管通过帮助和随附的手册可以轻松说明该工具的使用，但该工具还是培训计划的一部分。
在这次培训中，重点不在实验设计的背景或复杂的统计上，而更多地放在实践工具和建立设计所需的准备上。培训期间，我们的座右铭是“认真思考，然后再开始”，实际上是在重复曼德拉先生的话。
根据我们的经验，这种思考过程比建立DoE的实际过程更为重要。
7工具使用
Plyos自2012年开始提供。
我们看到该工具的使用遍及整个联合利华业务，覆盖了20多个国家和500多个用户。在过去2到3年中，我们发现了600个相关案例中的大约100个用户。Plyos似乎适用于其中约95％的情况，从而产生了有效且有用的设计。在这些案例中，大约有5％需要统计学家的投入。
然而，有一点非常重要：所有方面都需要高级管理层的推动和支持。如果没有这种支持，则该工具的使用（以及能源部的应用）下降的风险很高。我们很幸运能得到这种支持。
8结论
很难得出一个可靠的结论，尤其是作为工具的设计者。
但是，从我们刚刚看到的统计数据以及我们收到并仍然收到用户的评论和问题来看，我认为我们在简化实验设计设置过程中取得了成功。
当然，只要中试工厂的工作需要，我们就需要尽一切努力使用户专注于创建实验设计。我们这样做的部分原因是管理层，但也有统计学家按需提供专门帮助。
同样，该工具本身也需要定期更新，以使其与用户不断增长的需求保持一致。
还显示出将重点放在“开始之前认真思考”是有益的。用户更加了解自己想调查的内容，并认为Plyos是无需统计学家帮助即可完成此工作的有用工具。
9团队与封闭
最后，我想强调，没有一支优秀的团队就不可能实现这一发展。
不幸的是，Winfried Theis在编写该工具之前就离开了联合利华。
另外两个人-来自Quadt Consultancy的Frits Quadt提供技术支持，以及来自Octoplus Information Solutions的Hans de Roos提供脚本编写-仍在我们团队中。
当然，还有许多其他人参与了后台工作，从而有可能将Plyos推向全球。他们的帮助过去并受到极大的赞赏。
彼得·范·布鲁根
统计员
联合利华研发，荷兰弗拉尔丁恩
peter-van.bruggen@unilever.com
