DOE：将历史数据添加为数据块附加的数据块变量还是仅作为分类因子？一位顾客问：
他们希望使用较小的色谱柱（直径为1.6cm）进行DOE。他们已经有了实验室规模的色谱柱（直径5厘米）的一些历史数据。我们可以将这些结果包括在DOE中以获得更好的模型结果吗？尤其是如何告诉设计软件知道已经使用了不同的比例尺？使用块还是作为分类因素？更好的方法是确认色谱柱没有任何作用。如果有，它应该告诉我们可以用于缩放的偏移量。（对于我们按比例缩小模型的资格很重要
（我排除了在设计本身中使用阻塞变量的选项，因为我们无法运行其他5cm实验）
我的建议是使用额外的阻塞因子来缩放5cm和1.6cm的尺寸，因此需要对模型进行调整，并随机影响阻塞因子。如果仅使用分类缩放比例因子，则可能无法获得有关所需缩放比例偏移的信息，因为我只有不同的组，而没有有关尺寸效果本身的信息。
您是否对此有任何经验或对最佳解决方案有何看法？当他们使用比小规模实验数据更多的历史数据时，可能会成为一个问题（增加偏差）。
谢谢！
回复：DOE：将历史数据添加为块附加的块变量或仅作为分类因素？在外部验证时，我已经增加了原始数据。
回复：DOE：将历史数据添加为块附加的块变量或仅作为分类因素？谢谢马克，
我也考虑过这一点，但不确定如何处理模型以了解缩放大小之间是否存在差异。我必须在数据表中添加一列以添加缩放大小（现有数据为5cm，增强部分为1.6cm）。最好只是简单地将其用作分类吗？
回复：DOE：将历史数据添加为块附加的块变量或仅作为分类因素？嗨，马丁，
您当然可以将“规模”作为一个分类因素。但这取决于领域专家的想法：
- 他们如何期望系统在两个不同的规模上运行？
- 他们的实验目标是什么？
将“比例”作为连续因子也是有效的。
如果尺度与其他因素效应之间存在相互作用，那是有效的，如果他们认为这些因素在不同尺度上可能具有不同的效应，这在我看来是合理的。
我鼓励领域专家考虑不同的模型可能性，并理解它们对使他们能够理解和预测系统行为的意义。
菲尔
