一般的なDOEの議論：複製と中心点こんにちは
「なぜレプリケーションまたは中心点を使用しないのか、ガイドラインでは常に複製と少なくとも2つの中心点を追加する必要がある」などの質問を時々受けます。あなたもそうでしょう。
それについてどのように答えますか？彼らの反応についてのあなたの経験は何ですか（彼らはあなたを信じているだけですか？）？レプリケーション/複製/中心点を推奨する状況は何ですか
中心点に関しては、「モデル効果として二次効果を入力した場合、カスタム設計がそれを処理します（もちろん、公正な推定値を得るのに十分な実行がある限り、これを確認できます。パワー解析）。中心点を追加すると、誤差の推定が改善されます。
レプリケートされた実行に関しては、予測分散の話とほぼ同じです。
重複した実行に関しては、カスタムデザイナーで複製された実行を使用する場合と同様に、出力が小さくなり、予測の分散が大きくなります。しかし、たとえば、異なる時点で同じ実験ユニットを測定したい場合がありますが、これはよく行われます（ただし、モデリングではそれを処理する必要があります）。
理論的な部分だけでなく、顧客を信じる/納得させる部分の両方について、あなたの議論/経験から喜んでお聞きします。
おかげで、
マーティン
再：一般的なDOEの議論：レプリケートと中心点マーティン、
中心点を使用するか、複製を追加するかについては一般的な合意がないことをお客様に伝えたいと思います。両方の場合の利点/欠点を説明します。個人的には、完全なRSMを実行せずに曲率をテストしたり、モデルの不適合をチェックしたり、設計上で間隔を空けてドリフトをチェックしたりできるため、中心点が好きです。いくつかの欠点は、実行が追加されることですが、係数の精度の推定は改善されません。すべてのME、2FI、および2次方程式でモデルを実行したくない場合、DSDを使用すると、曲率の可能性に対処するためのより効果的な方法になる場合があります。要するに、それらは余分な実行の非効率的な使用とみなすことができます。複製に関しては、ほとんどの場合、ランの非効率的な使用であると考えているため、私は大ファンではありません。多くの人々は、DOEの場合、実験誤差が複製または擬似複製のいずれかによって推定できることに気づいていません（つまり、モデルから効果が削除され、設計空間が特定の方向に崩壊したとき）。たとえば、3因子完全階乗から1つの因子を削除すると、2因子計画が複製されます。複製しないことには2つの欠点があります。まず、消費電力が低く、レプリケーションがそれを改善するための最良の方法です（むしろ、非レプリケーションポイントを追加します）。第二に、設計空間全体で一定ではない誤差分散を説明する方法として。ただし、この場合、より大きな問題が発生します。
お役に立てれば。他の人の意見を聞きたいです。
再：一般的なDOEの議論：レプリケートと中心点ドンのすばらしい点。私のエグゼクティブサマリー：私は以前は中心点の大ファンでしたが、もはやそれほど多くはありませんでした。私が彼らのために提唱しているのは、コントロールタイプの実行を行いたい場合で、中心点は科学者が十分な知識を持っている場所です。その状況では、中心点は、設計を実行する前にすべてが順調に進んでいるかどうかのチェックとして機能します。理由により、私はそれらをもうお勧めしません。
設計のバランスを保ち、曲率をチェックでき、純粋なエラーを取得するメカニズムを提供するため、中心点に対する実際の異議はありません。ただし、これは古いアプローチです。JMPがこれらの状況のほとんどに提供する新しい手法があります。したがって、顧客がそれらを使用しても問題はありませんが、伝統に頼るのではなく、デザインについての新しい、異なる考え方を指摘したいと思います。
曲率を確認します。これは、中心点なしで実行できます。モデルウィンドウに二乗項を追加し、「可能であれば」推定可能性を確認します（ベイジアンD最適設計）。十分な実行により、中心点のない曲率を確認できるようになりました。実際、これにより、曲率の「チェックポイント」を最適に配置できます。繰り返しになりますが、Donが言ったように、DSDはJMPが提供するベイジアンD-Optimalにしばしば勝ち始めていますが、多くの人々はDSDがスクリーニングのためであることを忘れています！特に、ほとんどの要因がアクティブであると予想される場合は、必ずしも適切ではありません。そのため、ベイジアンDオプティマルをオプションとして使用するのは素晴らしいことです。
Donがすでに述べたように、複製/純粋なエラーのポイントとして、中心点はそれに対してあまり効率的ではありません。純粋なエラーを確保したい場合は、希望するレプリケート実行回数を指定し、JMPにレプリケートする最適なポイントを決定させる方が良いでしょう。それが中心である必要があることに関して魔法のようなものは何もありません。はい、センターはバランスを保っています（直交）が、モデルの推定と予測が目的の場合、小さな相関は問題ありません。モデルから最適な推定値や予測値を取得しましょう。
複製による力の強化：ドンは（もちろん）彼の言うことに関して完全に正しい。中心点は、出力を上げるのがあまり得意ではありません。実際、因子が連続的である場合、因子の範囲を広げることでパワーを増やすこともできます。これは、JMPに複製するポイントを選択させることに戻ります。
一定でない誤差の分散を考慮する方法としてのレプリケーション：中心点は設計スペースの中心にあるため、これを行いません。ドンが言ったように、これがあなたの状況であるなら、あなたは心配するより大きなものを持っています。これは、JMPがそれほど多くのヘルプを提供しない1つの場所です。できることは、設計全体を複製することです。また、応答として分散を入れて、そのために設計を最適化することもできますが、JMPは応答が推定のために複製を必要とすることを知りません。
再：一般的なDOEの議論：レプリケートと中心点ドンとダンに感謝します。これは素晴らしい要約だと思います。
