DOE的一般論點：重複項和中心點你好
我有時會遇到諸如“為什麼不使用複製或中心點的問題，因為在我們的指南中，我們應始終添加複制項和至少2個中心點？”。我想你也一樣。
您如何回答/爭論呢？您對他們的反應有什麼經驗（他們只是相信您嗎？）？在什麼情況下您會建議複製/複製/中心點
關於中心點，我說類似“如果您輸入了二次效果作為模型效果，則定制設計將對此進行照顧（當然，只要您有足夠的行程來獲得合理的估計，您可以使用例如功率分析）。附加的中心點將改善誤差估計。
關於重複運行，幾乎都是一樣，再加上預測差異。
關於重複運行，就像在自定義設計器中使用重複運行一樣，您將擁有更少的功能和更高的預測差異。但是有時您想要在例如不同的時間點測量相同的實驗單位，而我經常看到這樣做（儘管您必須在建模中加以注意）。
我很高興聽到您在理論方面以及在客戶相信/說服方面的論點/經驗。
謝謝，
馬丁
回复：能源部一般論點：重複和中心點馬丁，
我要告訴客戶，對於您應該使用中心點還是添加重複項沒有普遍的共識，我們讓他們決定。我將解釋這兩種情況的優點/缺點。我個人喜歡中心點，因為它們可以用於測試曲率而無需運行完整的RSM，可以用於檢查模型不匹配，並且可以在設計上間隔開以檢查漂移。一些缺點是它們增加了行程，但沒有改善係數精度的估計。當您不想使用所有ME，2FI和二次方來運行模型時，使用DSD可能是處理曲率可能性的更有效方法。簡而言之，可以將它們視為多餘運行的低效使用。至於復制，我不是一個忠實的擁護者，因為我認為在大多數情況下，運行效率不高。許多人沒有意識到對於DOE，可以通過複製或偽複製來估計實驗誤差（即，當從模型中刪除效果並且設計空間在某個方向上崩潰時）。例如，如果從三因子全因子分解中除去一個因子，則最終會產生重複的二因子設計。我看到不復制的兩個缺點。首先，功能低，複製是改進它的最佳方法（而不是添加非複制點）。其次，作為解決整個設計空間中誤差變化不恒定的一種方法。但是，如果是這種情況，您將遇到更大的問題。
希望這可以幫助。有興趣聽到別人的想法。
回复：能源部一般論點：重複和中心點唐提出的要點。我的執行摘要：我曾經是中心點的忠實擁護者，但現在不再那麼關注了。我唯一為他們提倡的是，如果我想進行控制式運行，而中心點就是科學家擁有豐富知識的地方。在這種情況下，中心點可以作為運行設計之前檢查一切進行得很好的依據。現在出於種種原因，我不再推薦它們了。
我對中心點沒有真正的異議，因為它使設計保持平衡，可以檢查曲率並提供了獲取純誤差的機制。但是，這是一個古老的方法。JMP為大多數情況提供了更新的技術。因此，如果客戶使用它們，我不會有任何問題，但是我想指出一種新的和不同的設計思維方式，而不是依靠傳統。
檢查曲率。您可以在沒有中心點的情況下執行此操作。在模型窗口中添加平方項，並檢查可估計性是否為“可能”（貝葉斯D最優設計）。現在，有了足夠的運行，您就可以檢查沒有中心點的曲率。實際上，這將允許這些“檢查點”的最佳曲率放置。再次，正如Don所說的那樣，DSD通常開始贏得JMP提供的貝葉斯D-Optimal的支持，但是許多人忘記了DSD是用於篩選的！這並不總是合適的，特別是如果您希望大多數因素都處於活動狀態。因此，將貝葉斯D-Optimal作為選項非常好。
正如Don已經說過的那樣，作為複制/純錯誤的要點：中心點在這方面不是很有效。如果要確保純錯誤，最好提供所需的複制運行次數，並讓JMP確定要復制的最佳點。成為中心並沒有什麼神奇的。是的，中心使它保持平衡（正交），但是當您的目標是模型估計和預測時，小的相關性是可以的。讓我們從模型中獲得最佳估計和/或預測。
通過複製提高能力：唐（他的話）當然是絕對正確的。中心點並不是真的非常擅長提高功率。實際上，如果您的因子是連續的，則還可以通過擴大因子範圍來提高功效。這可以讓JMP選擇要復制的點。
複製是解決非恆定誤差方差的一種方法：中心點不會這樣做，因為它們僅位於設計空間的中心。正如Don所說，如果是這種情況，您還有更大的事情要擔心。這是JMP不能提供太多幫助的地方。最好的辦法是複制整個設計。您也可以將差異作為響應並為此優化設計，但是JMP不會知道響應需要復制以進行估計。
回复：能源部一般論點：重複和中心點感謝Don和Dan的想法。我相信這是一個很好的總結。
