DOE 的樣本量你好，
我寫信給您是想就與能源部相關的主題提出一些建議。
我有一個工業流程。 過程的輸出（響應）是廢品的百分比。
廢品率平均約 1.5%。
我想創建一個 DOE 來識別主要因素、交互作用、模型…
我的問題是：我如何確定每個角落（對於特定功率）的重複次數，以確保獲得正確的統計結果（如果在一次試驗中我將獲得“0％的廢品”，這是真實的輸出變化或只是一個案例）？
預先感謝您的回饋。
此致，
西蒙娜
回覆：DOE 的樣本量我理解您關於使用某些“ Δ”並在一些可測量的數據中轉換“OK/KO”。
不容易……但並非不可能。
也感謝您的論文。
祝你有美好的一天。
此致，
西蒙娜
回覆：DOE 的樣本量你好馬克，
目前我還沒有 JMP Pro...但我會記錄您的輸入。
謝謝。
西蒙娜
回覆：DOE 的樣本量我的建議是更有創意地發展適當的反應變數（並使用多個回應）。 如果顏色是問題，有多種方法可以測量：
- ΔL ：明度/暗度的差異
- ΔA ：紅/綠值的差異
- ΔB ：黃色/藍色值的差異
- ΔC ：色度差異
- ΔE ：兩種顏色之間的光譜“距離”
- ΔH : 色調的區別
如果人類的感知很有趣，那麼序數尺度可能會非常有用。 我附上了我寫的一篇論文，為使用這種量表提供指導。 二元反應描述性不強，需要更大的樣本量並且缺乏區分度。
回覆：DOE 的樣本量我忘記了你的二進位回應。 您可以考慮為線性模型設計實驗，但使用邏輯迴歸（使用線性預測器的非線性響應）分析資料。
您有 JMP Pro 嗎？ 如果是這樣，您可以使用內建模擬器來評估這種情況下的功率。 我可以引導您完成整個過程。
回覆：DOE 的樣本量全因子設計方法是最古老的。 它為擬合解釋模型提供了極好的數據！ 然而，該方法基於組合學並且不靈活，這是您遇到的問題。 我認為客製化設計方法的靈活性對於您的情況將是一個優勢。
回覆：DOE 的樣本量謝謝您提供的詳細資訊（其中一些給我帶來了一些更有趣的問題）。
一個細節：此時（對於此過程）輸出僅來自目視檢查（連結一種顏色）的“通過”/“失敗”。
此致，
西蒙娜
回覆：DOE 的樣本量謝謝馬克斯……現在變得更清楚了。
此致，
西蒙娜
回覆：DOE 的樣本量感謝您的回饋意見。
我正在使用完整的 Factoria 設計（將遵循您的指示）。
此致，
西蒙娜
回覆：DOE 的樣本量西蒙娜，我將提供不同的觀點。
以我愚見，你的問題是錯的。 更有可能的是：必須有多少個實驗單位（或歐盟的措施）才能進行一項代表（現在和將來）或揭示感興趣現象的研究（實驗）？ 廢品百分比的反應變數是一個較差的反應變數。 在這樣的回應中存在著太多的失敗機制。 它沒有提供足夠的辨別力來非常有效地運行實驗（特別是在您正在討論的 % 級別）。 那麼，為什麼「單位」會被廢棄呢？ 是由於某些維度、物理或外觀屬性造成的嗎？ 例如;如果“不符合規格”，請使用實際測量值。 如果是裝飾性的，請使用序數尺度。 您可能需要「建立」一個測量（或多個測量）來充分描述現象。 其他一些問題：廢料是否持續產生（或是否隨時間變化）？ 您知道什麼是測量系統誤差嗎？ 該過程是順序的嗎？ 如果是這樣，您是否對流程中何處產生「廢料」有假設？ 有多少廢品是由於您可以控制的因素造成的，有多少可能是由於噪音（您無法控制的因素）造成的。 如果噪音是問題所在，您將需要製定策略來處理實驗情況下的噪音（例如，RCBD、BIB、裂區、重複等）。 您需要設計實驗來創建對噪音具有魯棒性的過程。
回覆：DOE 的樣本量添加到@cwillden ，您可以透過多種方式指定功率需求以確定最小樣本量。 您可以將反應 SD (RMSE) 和預期係數指定為最小效應大小的一半。 例如，如果您想要找出 0.5% 變化的實際影響，請輸入 0.25% 作為係數。 或者，您可以將 RMSE 設為 1 並輸入預期係數，就像您期望響應變化的 SD 倍數一樣。 例如，如果您預期實際變化為 3 SD，請輸入 1.5 作為係數。 最後一種方法是輸入 RMSE，然後輸入預期回應。 有時，以這種方式思考真正的改變會更容易。
我也同意他的觀點，即最佳複製將來自使用客製化設計，而不是複製另一種設計。
回覆：DOE 的樣本量您使用的是客製化設計還是其他什麼？查看生成設計後出現的 DOE 平台中的設計診斷。該報告的頂部有一個功率分析。基本上，您檢查功率並不斷調整運行次數，直到您滿意為止。如果您使用的是全階乘，請考慮使用自訂設計，因為在角落放置附加點並不總是附加遊程的最佳分配，特別是當您有任何二次項時。如果確實有二次項，則可同時被 3 和 2 整除的遊程大小往往效果良好。
