過去のDOEを活用し、それらから情報を取得して、より良い将来のDOEモデルを取得する方法はありますか？件名の質問を参照してください。 過去のDOE構成からのデータを集約し、それを使用して、同じ要素とレベルを活用する将来のDOEに追加の洞察を与える方法があるかどうか疑問に思っていますか？
Rまたはシミュレーションが必要になると思いますが、毎回新しいDOEを最初から開始するよりも非常に役立ちます。
分析データ表DOEスクリプティングRe：過去のDOEを活用し、それらから情報を取得して、より良い将来のDOEモデルを取得する方法はありますか？これが私の2セントです...コメントを歓迎します：
ある意味で、あなたが説明しているのは、問題解決の指針としての連続実験のプロセスです。 もしそうなら、このプロセスに関する文献には多くのことがあります。 Box、Hunter、Hunterの「StatisticsforExperimenters」の最初の数章を出発点として読むことをお勧めします。 非常に現実的な意味で、プロセスとしての順次実験計画のすべての実践者は、常に以前の実験とその後の実験を活用します。 この方法では喧嘩はまったくありません。 私の経験では、これがDOE中心の調査にとって最も効率的な問題解決プロセスであるということです。
あなたが本当に求めているのが、2つ以上の実験計画を1つのすべての実験の母にマージして分析することである場合、この方法には多くの落とし穴と注意が必要です。 少なくとも、各成分実験の一貫性のない仮説、実験目標、および目的である可能性があります...「母」に触発された調査の仮説、目標、および目的。 したがって、探索的データ分析に「母」実験を使用することを超えて、私はそれをはるかに超えて不安になるでしょう。
Re：過去のDOEを活用し、それらから情報を取得して、より良い将来のDOEモデルを取得する方法はありますか？追加する2セントがありません@P_Bartellの素晴らしい投稿ですが、ここにペニーがあります。 私はシーケンシャルDOE戦略の支持者です。 実際、最初の実験で最も重要な要素をすべて選択し、それらを最適なレベルで適切なノイズ（推論）でテストしたと考えるのはばかげていると思います。 それはより効率的であり、私は連続作業で計画するのに長期的に効果的だと思います（これはサンプリングにも当てはまります）。 あなたが設計する最初の設計は、より良い実験の設計を支援することです！ 以前の実験から学んだことを考えてみてください（これらはどのようにして現象の理解を深めましたか？）が、これらの実験はまったく異なる推論空間で実行された可能性があることを認識してください。
