如何根据感官数据创建模型亲爱的 JMP 社区：
在我的硕士论文中，我想优化热饮料的工艺。 我有 5 个因素 (X1 –X5)，其中一个是难以改变的因素 (X1) 和 10 个响应变量 (Y1-Y10)。 反应由经过培训的感官小组（8 – 11 名评估员）进行测量。
我创建了一个包含 243 次运行的自定义 RSM 设计（基本上该设计有 27 次运行（最小数量），但每个评估者（假设有 9 名评估者）对所有 27 次运行进行评分以获得更准确的分数 (27*9=243)） 。 每个评估员可以评估每个整区（=天）的 3 个样本。
我考虑将杯中样品的温度作为一个不受控制的因素。 然而，它是在评估视觉外观之后进行测量的，因此可能会有所不同，具体取决于人们评估样品外观所需的时间。 杯子中的温度可能与过程相关（例如杯子中的高温 -> 过程中使用了更热的水 -> 可能会影响整体风味）。 我应该包括它吗？
对于设计评估，我正在考虑使用意愿函数来同时优化我的响应并获得最佳因子设置。
现在我的问题是：
- 我将这些因素输入为连续的，因为我相信那时的估计会更加精确。 然而，最终，我希望最多达到一个已经定义的因子水平（例如，过程中的温度是一个因子（87 - 95 °C；定义的水平是 87、89、91、93 和 95 °C），并且通过优化我更愿意达到这些级别之一）。 我应该选择离散因子，还是将最佳设置舍入到我的因子水平（如果适用）？
- 我生成的设计包含 243 次试验是否正确？ 因为我认为我不想将“重复”视为重复，而是重复测量，以获得更精确的结果，正如我所说。 但我想考虑评估者的可变性（这就是为什么我不想使用平均值）。
- 如何将评估员纳入我的设计中？ 我生成了一个额外的列，并将该术语作为随机效应包含在我的模型中。 另外，如何定义设计角色和数据类型？
- 评估者是否必须始终是相同的 9 个人，或者他们可以根据整个情节而变化吗？ （每个评估员都有一个单独的 ID。）
- 意愿函数是否足以构建我的模型并同时优化所有响应，或者我应该使用其他预测建模方法（Bootstrap Forest、K 最近邻......）来获得对我的模型的良好估计？
- 我使用饮料参考来“校准”面板（评估员总是首先饮用并评估参考，然后是样品；参考饮料来自不同的过程）。 我应该在我的模型中包含参考吗？ 如果是这样，怎么办？
感谢您的帮助，我感谢您在我的设计/模型中发现的任何错误！
PS：所附文件包含我之前的设计，对于虚假评估，我使用了一些旧的感官数据（我还没有开始测量）。
大规模定制质量和工艺工程回复：如何根据感官数据创建模型根据你的回复，我建议你看一些关于DOE的书籍，或者看看JMP提供的一些关于DOE的在线参考资料，例如：
https://www.jmp.com/en_us/events/getting-started-with-jmp/doe-intro-kit.html
1. 请原谅我过于简单化，但 DOE 不是一个测试。 在实验中，您正在寻找与每个响应变量相关的因果结构的线索。 进行测试以选出获胜者。 这就是为什么运行实验时，您可能会从设置为 2 个粗体级别的多个因素开始，以评估线性效应，筛选出不太有趣的因素，然后继续使用其余因素进行迭代（移动空间并增强）。 如果在 2 个水平上对多个因素进行实验，您可以获得线性主效应和交互效应的估计，具体取决于设计的分辨率。 如果添加级别，您可以获得非线性效应的估计（3 个级别 - 二次，4 个级别 - 三次，等等）。 通常，您采用泰勒级数方法构建模型，从线性缅因效应开始，然后是线性交互效应，然后是二次等（从一阶到二阶到三阶……构建模型）。 但是，目的不是创建复杂的模型，而是使模型尽可能简单，同时仍然拥有可用于预测的模型。
2. 协变量是一种处理无法具体控制/管理但可以测量的因素的方法。 我们将此随机变量纳入固定效应模型（来自能源部）。 考虑协变量可以提高实验的精度，而不会影响推理空间。 当然，您现在正在分析混合模型。
3.我不熟悉定量描述分析方法，但听起来很有趣。 我始终关注人类感官知觉作为响应变量。 据我粗略一看，测量的是区间。如何获得一致性并减少偏见是具有挑战性的。 我不明白这个方法如何处理这些问题。 有许多关于可一致用于人类感知的量表中的单位数量的研究论文。
回复：如何根据感官数据创建模型感谢您的快速回复@statman
我不是统计学家，在我的硕士论文之前从未听说过 DOE，不幸的是我没有可以指导我的导师。 这就是我在社区寻求帮助的原因；）
正如你所描述的，确实有两个温度。 对于生产温度，我不想找到四阶多项式。 机器可以选择 5 个级别，我尝试“从中挑选最好的”。
对于消耗温度：如果我将其定义为协变量，则必须提前知道温度并将其添加到我的设计中。 但我无法确保治疗的温度。 或者说这是偶然的？
实际上，我正在使用定量描述分析方法的变体进行感官评估，所以我认为我没有序数数据。 评估者使用末端有两个言语锚点的非结构化线标度来评估所定义属性的强度。 测量后，标尺的总长度将转换为 0（最低强度）和 100（最高强度）之间的数值。 因此，数据之间的距离是已知的并且是有意义的。 参考样本有望用于校准评估者的强度测量并获得更一致的评估。
但我认为我仍然可以借鉴论文中的一些建议。 或者你们也有定量数据吗？或者一致性评估完全不同吗？
回复：如何根据感官数据创建模型@kPvDoE我的第一个想法是，既然这是你硕士论文的一部分，我们应该提供多少建议？ 我没有看你的设计/模型。
设计的创建中不应包括对每种处理的多重评估。 这些多重评估确实是重复的，并且不独立于治疗，因此不是额外的自由度。 在总结并分析治疗效果之前应评估治疗内“评级”。 温度因素造成了一些困境。 有两个温度吗？ 一个用于准备（或制造）饮料，另一个用于评估饮料时？ 听起来您正在 5 个级别的设计因子上进行实验（为什么，您期望一些四阶多项式效应？ 或者你想“选出一个胜利者”？ 饮用饮料时的温度可能是一个协变量。
对于治疗内评估，我假设您使用的是感觉序数表？ 对于序数量表评估，您应首先评估 9 名评估员的评估一致性，并识别任何潜在的异常值或偏差。 绘制他们的反应并寻找系统模式将会很有用。 然后，如果合适，用平均值/中位数和某种离散度（范围或标准差）来总结这些评估。 就参考而言，我建议您对序数尺度的每个类别都有一个实际样本。 评估应该是“测试样本与哪个样本匹配”与您更喜欢哪个样本（因为这涉及个人偏见）。 我附上了一篇简单的论文，用于提供有关感官/序数尺度使用的建议。
