最近，JMP 與英國皇家化學學會和化學世界合作舉辦了為期一周的系列實驗設計研討會。
從表面上看，這個系列應該是針對美國東部和西部的，但是，正如下面的與會者地圖所示，好吧——在這一點上事情有點失控了。
研討會系列包括一個小組JMP專家將回答聽眾提出的問題。 每個會議有 600 到 900 名參與者，要回答活動流程中的所有問題是一項挑戰。 並且有很多 - 在實時會話中大約 400 個問題，在離線環境中甚至更多。
一旦團隊恢復（並且聯合搽劑發揮了它的魔力），我們就聚在一起查看趨勢問題，並將其放入網絡上的系列常見問題解答中。 以真正的 JMP 方式，我們通過文本資源管理器運行這些問題並得出前五名。 他們在這裡，以及我們的答案：
問題1：中心點的目的是什麼？ 我們什麼時候需要使用它們？ 我們需要多少？
好吧，我們可能應該首先澄清這一點：中心點是存在於設計空間中心的實驗處理。 如果您有一個三因素設計空間，您可以將其映射到 3D 圖，它通常看起來像立方體。 中心點將位於立方體的中心，與所有邊、面和頂點等距。
中心點的主要目的是幫助提醒我們注意數據集中的曲率（或曲線行為，如果您想要 $5 詞的話）。 幾個中心點一起也可以用作複製的替代品。 也就是說，您真的不應該為何時使用它們而煩惱。 如果您專注於以模型為中心的 DOE（優化設計）和其他現代 DOE 策略，例如確定性篩選設計 (DSD)，則在必要時會自動包含中心點。 您只需要包含需要研究中心點的模型項，其餘的由算法處理。 如果想要添加更多中心點來研究可變性（並且您已經為驗證集預留了材料！），那麼您可以很容易地添加它們。 您只需要進行功效分析即可找出正確的數字。
問題 2：我們需要重複我們的實驗嗎？ 為什麼？ 我可以使用重複測量作為重複嗎？
這個問題的答案很大程度上取決於你正在做的實驗類型。 如果您更關注事物的“篩選”端，那麼複製就不那麼重要了，因為您正在尋找總體趨勢而不是太多的可變性。 你可能添加一些中心點以了解變化，如果您不做 DSD，則對曲率進行一些篩選。 但僅此而已。 如果您正在進行模型構建或改進，那麼如果您有資源和時間，您可能應該進行複制。
在重複測量中（例如，一個接一個地運行相同的因子設置幾次，或者對因子設置的一次運行的結果進行多次測量），那些不是複製運行。 這有點令人困惑，因為複製品和重複或者重複測量聽起來它們應該是一回事，但在這種情況下有一個重要的區別。
一種複製的運行（在 DOE 意義上）是實驗的隨機重複。 假設您要使用 DOE 表並將其放入電子表格中。 那麼如果你要放一個完整 DOE 的第二個副本在同一個電子表格的下方，它仍然不是複制的 DOE ……還沒有。 現在，如果您將 DOE 的兩個副本的行順序隨機化，那將是一個帶有重複的 DOE。
如果你在做重複測量值，您可以取它們的平均值，然後將平均值用作該處理組合的值，但它們與複製的運行。 重要的一點是複製包括隨機化因此可以淡化潛在變量的影響。 重複測量沒有這個屬性。
問題 3：我的 DOE 中可以有多少個回答？ 我如何與他們合作？
添加因素就所需的運行而言，DOE 增加了成本；回應基本上是免費的。 您可以測量無限數量的響應變量，以了解因子變化如何影響所有響應。 使用 JMP 預測刻畫器尋找最佳流程設置時，用戶可以選擇反映不同響應的相對重要性的加權方案。
雖然對 DOE 中的響應數量沒有任何理論上的限制，但在 DOE 設置期間定義所有響應對您有利。 在收集數據後，JMP 會自動將它們與您提供的所有信息（合意性上限/下限、LOD 值、目標和重要性）一起傳遞到建模平台。 它還有助於確保您已考慮如何衡量 DOE 的成功，並確保您的所有響應都可以檢測到您為因子計劃的水平的差異。
問題 4：您如何知道您的因子範圍是否合適？
一條經驗法則是，如果根據您的因子設置，您預計某些運行會產生不希望的結果（即最終進入垃圾箱），那麼您可能是對的。 但是您不希望您的範圍如此廣泛以至於您最終根本沒有可衡量的結果。
這可以表達的另一種方式是這個建議：B大膽地設置你的因子範圍. 設置你的低點低的，還有你的高潮高的. 只關注讓您感覺舒適的範圍是一種很大的誘惑，因為您懷疑在那里達到了最佳。 避免這種誘惑。 當因子範圍較大時，模型的結果會更清晰，估計的精度也會更高。
如果您擔心您的過程由於範圍較廣而無法在設計空間的某些區域生成可用數據，通常可以通過定義禁止將運行分配到這些區域的因子約束來解決此問題。請記住，您可以靈活地將此策略用於優化設計。
有時實驗者擔心，由於因子和響應之間的曲線關係，如果將因子範圍設置得太寬，他們可能會錯過出現在範圍中間的最佳設置。 在自定義設計中，這應該通過向所需模型添加多項式項來解決，這將導致生成的設計包括設置在端點之間的中間因子值的運行。
更一般地說，您希望實驗覆蓋足夠寬的範圍，以便清楚地看到設置中的差異。 您還希望您的設置相距足夠遠，以便您可以看到曲線中的任何拐點，讓您知道“好”和“壞”的位置。 否則，當您進行優化時，結果將在您的設計空間中處於極高或極低的值。 而且，您不會知道自己是否靠近系統失控的地方。
問題5：古典設計和現代設計有什麼區別？
經典設計是實驗者必須遵循的固定計劃，使計劃的研究符合他們的要求和約束。 這些設計是在無處不在的廉價計算時代之前開發的。 現代設計使用軟件算法為手頭的情況生成獨特的計劃。 現代設計試圖為實驗者提出的統計問題提供最佳答案，同時保持在指定的實驗預算內。
現代設計是古典設計的自然延伸。 通過運行現代 DOE，您不會失去從經典設計中記住的任何東西，但您獲得了很大的靈活性。 從根本上說，現代設計是以模型為中心因為它們使設計適合由用戶定義的術語組成的模型。 作為用戶，您通過選擇模型來決定您想在實驗中學習什麼。 經典的設計是以設計為中心因為他們定義了設計，並且期望用戶使他們的問題適合該預定義的設計。 在許多情況下，現代和經典方法將導致相同的設計，因為經典設計最適合擬合標準模型。 現代設計使您能夠在經典方法不起作用的情況下找到最佳設計，例如當您需要探索形狀不規則的因子空間時。
冒險還在繼續
就是這樣。 在查看結果時，有趣的是看到這些問題出現的頻率。 這讓我想起了我的許多老師說過的話：“問這個問題，因為很可能其他人也有這個問題，但太害羞而不敢問。”
無論如何，你認為我們錯過了一個嗎？ 您還有其他關於 DOE 的迫切問題嗎？ 繼續將它們放在評論中，我們將看看我們可以做些什麼來讓它們得到答复。 在那之前，祝你試驗愉快！
很棒的博客！
這是一個沒有包含的問題，但我在實踐中經常遇到，“哪種設計最好？” 我對答案的看法並不像初學者所期望的那麼簡單。
