最近，JMP 與英國皇家化學學會和 Chemistry World 合作舉辦了為期一周的實驗設計系列研討會。
該系列表面上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，在這一點上事情有點失控了。
該研討會系列包括一個小組聯合管理計劃專家們將回答觀眾提出的問題。 每場會議有 600 至 900 名參與者，回答活動流程中的所有問題具有挑戰性。 其中有許多問題——現場會議中大約有 400 個問題，而線下環境中的問題甚至更多。
團隊恢復後（關節搽劑發揮了魔力），我們聚在一起，研究問題的趨勢，並將其放入網路上的系列常見問題解答中。 我們以真正的 JMP 方式，透過文字資源管理器運行這些問題，並得出了前五個問題。 這裡是它們以及我們的答案：
問題1：中心點的用途是什麼？ 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。 如果您有一個三因子設計空間，您可以將其映射到 3D 繪圖，它通常看起來像立方體。 中心點位於立方體的中心，與所有邊、面和頂點等距。
中心點的主要目的是幫助我們警惕資料集中的曲率（或曲線行為，如果您想要 5 美元的單字）。 幾個中心點放在一起也可以用作複製的替代品。 也就是說，您真的不應該擔心何時使用它們的問題。 如果您專注於以模型為中心的 DOE（最佳設計）和其他現代 DOE 策略（例如最終篩選設計 (DSD)），則必要時會自動包含中心點。 您只需包含需要研究中心點的模型項，演算法就會處理其餘的事情。 如果您想要添加更多中心點來研究變異性（並且您已經為驗證集預留了材料！），那麼您可以輕鬆添加它們。 您只需進行功率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？
這個問題的答案在很大程度上取決於您正在進行的實驗的類型。 如果您更專注於事物的「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變化。 你可能添加一些中心點以了解變化，如果您不進行 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建置或細化，那麼如果您有資源和時間，您可能應該進行重複。
在重複測量中（例如，依序運行相同的因子會設定幾次，或在一次運行因子設定的結果上獲得多個測量值），這些不是重複運行。 這有點令人困惑，因為重複和重複或者重複測量聽起來它們應該是同一件事，但在這種情況下有一個重要的區別。
A複製的運行（在能源部意義上）是實驗的隨機重複。 假設您要將 DOE 表格放入電子表格中。 那如果你要放一個完整 DOE 的第二份副本在同一個電子表格的下面，這仍然不是一個複製的 DOE……還沒有。 現在，如果您要隨機化 DOE 兩個副本的行順序，那麼這將是一個具有重複項的 DOE。
如果你正在做重複測量，您可以取平均值，然後使用平均值作為該治療組合的值，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削弱潛伏變數的影響。 重複測量沒有這個屬性。
問題 3：我的 DOE 中可以有多少個回覆？ 我如何與他們合作？
添加因素就所需運作而言，能源部增加了成本；回應基本上是免費的。 您可以測量無限數量的反應變量，以了解因素變化如何影響所有反應。 使用 JMP 預測刻畫器尋找最佳流程設定時，使用者可以選擇反映不同回應的相對重要性的加權方案。
雖然理論上 DOE 中的回應數量沒有任何限制，但在 DOE 設定期間定義所有回應對您有利。 在收集資料以及您提供的所有資訊（合意性上限/下限、LOD 值、目標和重要性）後，JMP 會自動將它們傳遞到建模平台。 它還有助於確保您已考慮如何衡量 DOE 的成功，並確保您的所有回應都可以檢測到您為因素規劃的水平上的差異。
問題4：如何知道您的因子範圍是否適當？
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良結果（即最終進入垃圾箱），那麼您可能是對的。 但您不希望您的範圍太寬，以至於最終根本沒有可衡量的結果。
另一種表達方式是這個建議：B大膽設定因子範圍。 設定你的最低點低的，以及你的最高點高的。 人們很容易只專注於讓您感覺舒適的範圍，因為您懷疑那裡已經達到了最佳效果。 避免這種誘惑。 當因子範圍較大時，模型的結果會更清晰，估計值也會更精確。
如果您擔心您的流程由於範圍較寬而無法在設計空間的某些區域中產生可用數據，則通常可以透過定義禁止將運行分配給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最佳設計。
有時，實驗者擔心，如果將因子範圍設定得太寬，由於因子和反應之間的曲線關係，他們可能會錯過範圍中間的最佳設定。 在自訂設計中，應透過向所需模型添加多項式項來解決此問題，這將導致生成的設計包括在端點之間設定的中間因子值處設定的運行。
更一般地說，您希望實驗涵蓋足夠廣的範圍，以便清楚地看到設定中的差異。 您還希望您的設定相距足夠遠，以便您可以看到曲線中的任何拐點，從而讓您知道“好”和“壞”在哪裡。 否則，當您最佳化時，結果將處於設計空間中的極高或極低值。 而且，您不會知道您的系統是否接近失控的地方。
問題5：古典設計和現代設計有什麼差別？
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限制。 這些設計是在無處不在且廉價的計算時代之前開發的。 現代設計使用軟體演算法針對當前情況產生獨特的計劃。 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範圍內。
現代設計是古典設計的自然延伸。 透過運行現代 DOE，您不會丟失經典設計中所記住的任何內容，但您可以獲得很大的靈活性。 從根本上來說，現代設計是以模型為中心因為它們使設計適合由使用者定義的術語組成的模型。 作為用戶，您可以透過選擇模型來決定要在實驗中學習什麼。 經典設計有以設計為中心因為他們定義了設計，並且使用者應該使他們的問題適合該預先定義的設計。 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適合標準模型。 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，例如當您需要探索不規則形狀的因子空間時。
冒險仍在繼續
就是這樣。 查看結果時，有趣的是這些問題出現的頻率。 這讓我想起了很多老師說過的一句話：“問這個問題，因為很可能其他人也有這個問題，但不好意思問。”
無論如何，你認為我們錯過了一個嗎？ 您對能源部還有其他迫切的問題嗎？ 請繼續將它們放入評論中，我們將看看我們能做些什麼來得到它們的答案。 在那之前，祝您實驗愉快！
很棒的博客！
這裡有一個沒有包含在內但我在實踐中經常遇到的問題：“哪種設計最好？” 我對答案的看法並不像初學者想像的那麼簡單。
