DOE设计以专门研究方差（或std dev）尊敬的JMP社区，
希望听到有关旨在检查测试方法标准偏差的DOE设计的一些想法。
我的同事进行了一项测试，他们对我们生产的产品执行测试，并希望了解他们是否可以更改测试方法的一部分以减少标准偏差。 我不知道JMP中专门用于此目的的DOE平台，因此我们最终使用了定制平台。
经过一些讨论，我们确定了可以更改的四个因子：X1-连续因子（-1,1），X2-连续因子（-1,1），X3-2级分类变量（L1，L2） ，以及X4-6级分类（L1-L6）。 我们对这四个主要效果及其一阶交互作用非常感兴趣：X1，X2，X3，X4，X1 * X2，X1 * X3，X1 * X4，X2 * X3，X2 * X4和X3 * X4 （共10个效果）。 我们的总跑步次数为36。 但是，为了获得每种设置下的标准偏差的估计值，我们总共重复了4次DOE，总共进行了144次测试。 那就是我们所能负担的一切。
当然，我们可以对所有144个测试进行DOE评估，以估计具有模型因子的平均响应（以及实验的噪声）。 但是，我们真正要看的是治疗设置是否改变了测试方法的标准偏差。 我们这样做的方法是从复制的运行中计算出标准偏差（现在返回到36个数据点），并通过模型运行这些结果。
对我来说，这似乎是执行DOE的合理方法，DOE的目标是评估标准偏差而不是均值。 但是，如果有更好的方法（也许是从经验中得出），或者是专门为此目的设计的DOE，我们将很高兴了解到它，并可能将其用于下一次尝试。
的想法和反馈表示赞赏。
谢谢！，
DS
聚苯乙烯 如果您有兴趣，在评估了所有单个测量值和重复样本的标准偏差后，我们发现X4因子对标准偏差的影响最大。 不幸的是，当我们稍后进行一些验证运行时-现在仅比较X4中两个级别的32个运行（总计），结果不支持原始的DOE，并且我们看不到希望的标准偏差的改善（从好的方面来说，这并没有更糟！）。
分析工具美国能源部回复：DOE设计专门研究方差（或std dev）这是我的一些想法，尽管您对情况的描述不足以提供具体的建议。
1.为了澄清您的兴趣，您希望了解哪些因素可能会影响测试系统的变化（精度）。 是否存在关于精度是否受不同仪器或操作员影响的假设？ 如果是这样，这是重现性精确。 如果仅仅是由于仪器的变化，这是重复性精确。 之所以如此重要，是因为您想知道如何获取测量值，以便使用正确的汇总统计信息。 对稳定性有兴趣吗？ 歧视呢？
2.您需要考虑响应变量及其获取方式。 II不知道您要测试什么？ 我看不到要测量多少个样品的任何信息？ 您应该对同一样本进行重复测量以获取测量误差（可能在同一位置）。 无论您是包含op-to-op还是仅包含重复精度，都应取决于您的假设。
3.如果您确实进行过复制，则将处理差异与测量误差混为一谈。 这不是我要解决的问题。 我将使用重复而不是重复来获取正确的摘要统计信息。 考虑使用什么数据来估算摘要统计量（例如，标准偏差）。 这些数据点之间有什么变化？ 您只想在用于估计标准偏差的数据点中捕获测量成分（最小化子组中的其他成分）。
4.我不知道您在知识连续性中的位置，但是您通过在多个级别（考虑自由度）对其进行测试来使您的研究偏向于X4。 我本来会从2个级别的所有因素入手（挑选4类因素的极端值），然后进行筛查设计。
回复：DOE设计专门研究方差（或std dev）你好@statman ，
感谢您的想法和反馈。 解决您的意见/问题：
1.是的，运行DOE的人员有兴趣修改他们认为对测试噪声影响最大的各种因素。 已知测试的每个因素都会影响测量的平均响应，但是我们希望了解这些因素及其相互作用是否也可以改善噪声。 先前的测试表明，所涉及的仪器和操作员没有测试方法那么嘈杂。 该测试的主要问题之一是，我们正在处理非常少量（小于1/4克）的小颗粒粉末。 因此，我的猜测是粒度引起的偏析起着重要作用。 测试的因素之一是数量，但是我们发现使用更多的材料在标准偏差方面没有任何改善。
2/3。 在第一篇文章中，我提到基于10个因素（主要影响和相互作用），JMP建议进行36次跑步。 为了计算每种处理的标准差，每次运行（处理）进行了四次测量，因此总共进行了144次单独测量。 因此，为了解决您的担忧，我们确实对“相同”样本进行了重复测量。 我加引号是因为测试过程中消耗了测试样本。 但是，每次运行都会生成原始材料，然后针对每次处理多次测量其样品（4）。 复制可能不是正确的术语-但这是我们在JMP中所做的，目的是扩大DOE并跟踪我们需要进行的每次运行。
4. X4与以下事实有关：我们正在处理粉末，需要查看不同的PSD范围，因此X4的级别很多。 从以前的测试中我们知道，PSD的低端和高端对响应的平均值有很大的影响，并且有迹象表明std dev可以降低。 添加了额外的级别，以查看是否可以使用更窄的PSD大小来减少噪声。 该DOE最终给出了可能的指示，但是验证运行不支持该结果。 其他因素都是高/低设置，实际上只有两个是连续的。
不幸的是，我们的材料是粉末，粉末的行为不像半导体装置或机械加工的物品那样“好”。 因此，我认为该方法本质上是嘈杂的，并且将变得越来越好。
再次感谢您的想法，并希望我的同事将来想做类似的事情时要考虑一些要点。
谢谢！，
DS
回复：DOE设计专门研究方差（或std dev）好的，谢谢您提供的有关此情况的其他信息。 我仍然不知道您要量化的粉末的什么特性/性质？
如果我正确理解，此测量结果会发生变化或具有破坏性（同一样品不能两次测量）。 由于是这种情况，因此不可能将测量重复性与样品之间的差异分开。 在这些情况下，有一些选项可以“偏向”对测量组件的影响。 我已附上有关如何处理此问题的注释。
您不应将重复（嵌套在治疗中）作为重复进行分析。 您可以查看范围控制图上的这4个数据点，然后根据需要总结每种处理的这4个数据点（例如，平均和标准开发）。 您最感兴趣的模型是std dev的response变量。 （或等效的摘要统计信息）
复制处理组合在每个“数据点”之间都发生变化（我们通常将这些实验单元称为...它们被认为是独立的，可以这样对待）。
重复-处理组合在“数据点”之间不变。 这些不应被视为独立事件（因此自由度不会增加），并且这种差异嵌套在治疗中。
只是我自己有偏见的评论... 当针对大于2的因子进行水平实验时，我怀疑选择“获胜者”的心态。 我首先要做的是一个公平的比较，以了解哪些因素/相互作用对变异有影响，然后在后续迭代中微调重要因素的水平设置。
我要说的是，每种情况都有其固有的挑战。 粉末没有比其他。 我已经使用粒度分析仪来帮助理解粒度分布，用于化学成分和形貌的SEM，甚至用于纳米测量的OJAY。
