定制 DoE 篩選設計我有兩個關於自定義 DoE 篩選設計的非常基本的問題。
1. 如果我只想知道哪些主效應對我的響應很重要，並使用自定義主效應篩選設計和 JMP 給定的默認運行數，我如何確定它是主效應還是其他混雜的二元效應互動真的很重要嗎？ 如果模型分析顯示因子 A 顯著，但 A 與 B*C 部分相關，那麼稍後優化設計中應包含哪些因子？ 我認為只有在主效應篩選設計之後的優化設計中才應進一步研究顯著的主效應，例如因子 A，但如果 B*C 與因子 A 部分相關但 B 和 C 不顯著，B 和 C 會丟失篩選 DoE 的主要影響？
2. 當我在模型中包含一些不受控制的因素時，JMP 不再顯示相關性的顏色圖。 如何評估具有不受控制因素的設計？
謝謝
二
美國能源部回复：自定義 DoE 篩選設計”如果我只想知道哪些主效應對我的響應很重要，並使用自定義主效應篩選設計和 JMP 提供的默認運行數，我如何確定是主效應還是其他混雜的雙向交互作用？真的很重要嗎？ ”
在模型下的術語列表中輸入主效應。 確保所有雙向交互都在別名下的術語列表中。 單擊頂部的紅色三角形並選擇 Optimality Criterion > Make Alias Optimal Design。
”如果模型分析顯示因子 A 顯著，但 A 與 B*C 部分相關，那麼稍後優化設計中應包含哪些因子？ 我認為只有在主效應篩選設計之後的優化設計中才應進一步研究顯著的主效應，例如因子 A，但如果 B*C 與因子 A 部分相關但 B 和 C 不顯著，B 和 C 會丟失篩選 DoE 的主要影響？ ”
如果您懷疑高階項可能處於活動狀態，那麼我推薦兩種方法。 首先，在模型列表中添加所有潛在術語。 選擇這些術語並單擊“估計”列中的“必要”，然後選擇“如果可能”。 這種改變會產生兩個結果。 第一個結果是最小運行次數會減少，因為它是由必須估計的參數數量決定的。 （您需要猜測實際活動項的數量並將運行添加到它們的最小值。）另一種方法是使用篩選設計，如最終篩選設計。 只要它是關鍵篩選原則成立的真實篩選情況，這種方式就會起作用。 你有多少因素？ 有多少可能是活躍的？
我不知道你的第二個問題的答案，我的頭頂。 也許其他人有這種知識。
回复：自定義 DoE 篩選設計@JMP38401 ，以下是我的想法：
1. 我們依賴於分數階乘和屏幕設計的三個原則：
稀缺性：顯著影響相對較少（類似於帕累托原則）
層次結構：一階>二階>>三階，以此類推。
遺傳：為了使相互作用顯著，至少一個父母必須是顯著的
關於你的問題，我的建議是預測排序模型效果（至少通過二階）。 您對您認為合理且可能會影響設計分辨率選擇的影響的預測。 如果您的所有一階效應都高於二階效應，那麼開始迭代調查過程時，較低的分辨率似乎是合理的。 其實這就是等級原則。 通過混淆高階效應來擴大因子（一階效應）的數量。
2. 如果您懷疑交互作用（≥2 階），那麼您可能希望將分辨率提高到 IV+。
3. 我知道我不能代表關於最佳設計的大部分想法。 我不太喜歡“部分混雜”來創建更有效的設計，好像數據分析中存在沒有意義的實例，下一次迭代可能是一個艱難的選擇（例如，折疊設計不起作用）。
4.你的第二個問題我不是很明白。 如果數據表中有協變量，您當然可以看到協變量與設計因子之間的相關性。 Multivariate Methods>Multivariate 將提供散點圖並選擇您可以獲得顏色圖的選項（紅色三角形）。 當然，如果你有很多，你可以通過在參數估計輸出表中右鍵單擊並添加 >Columns>VIF 來獲得 VIF。
回复：自定義 DoE 篩選設計感謝你能這麼快回复！
”在模型下的術語列表中輸入主效應。 確保所有雙向交互都在別名下的術語列表中。 單擊頂部的紅色三角形並選擇 Optimality Criterion > Make Alias Optimal Design。”
我試過這個，在模型的設計評估下沒有看到別名矩陣有任何變化。 我錯過了什麼，或者我怎麼知道模型是為 Alias 優化的？ 抱歉，如果我假設我會在 Alias 矩陣或相關的顏色圖下看到較低的相關效應，而誤解了“使別名最佳設計”的工作原理。
“（您需要猜測實際活動術語的數量並將運行添加到它們的最小值。）”
我有 7 個連續因子，其中 3 個是 HTC。 我還有 3 個不受控制的因素，我將在 DoE 運行期間記錄它們的值，因此總共有 10 個因素。 當我使用自定義 DoE 平台創建篩選設計時，我有 11 個最小運行次數（10 個因子加上截距），默認運行 18 個。 別名項下有 45 個雙向交互。 如果我懷疑這 45 個雙向交互中有 10 個可能是活動項，您的建議是將這 10 個雙向交互添加到模型中，將其可估計性更改為如果可能，並將 10 次運行添加到最少 11 次運行中它總共運行 21 次，還是將 10 次運行添加到默認的 18 次運行以使其總共運行 28 次？ 由於我在模型中有 HTC 因素，因此確定的篩選設計似乎不起作用。
回复：自定義 DoE 篩選設計謝謝你的快速反應！
“2。 如果您懷疑交互作用（≥2 階），那麼您可能希望將分辨率提高到 IV+。”
我知道如何在 Minitab 中找到設計分辨率，但無法從 JMP 自定義設計中分辨出設計分辨率。 你能告訴我如何在 JMP 中獲取設計分辨率信息嗎？
“4。 我不完全理解你的第二個問題。 如果數據表中有協變量，您當然可以看到協變量與設計因子之間的相關性。 Multivariate Methods>Multivariate 將提供散點圖並選擇您可以獲得顏色圖的選項（紅色三角形）。 當然，如果您有很多，您可以通過在參數估計輸出表中右鍵單擊並添加 >Columns>VIF 來獲得 VIF。”
對困惑感到抱歉。 當我沒有任何不受控制的因素時（在因素角色列下，它表示不受控製而不是連續等），我可以在設計評估下看到相關性和別名矩陣的顏色圖。 但是，一旦我添加了任何不受控制的因素，設計評估就消失了，我無法看到別名矩陣、相關性顏色圖和功效分析等。
回复：自定義 DoE 篩選設計定制設計非常靈活。 可以定義主效應模型和雙交互別名矩陣並仍然獲得相關性。 例如，試驗次數可能會阻止進行正交設計。 在 7 次運行中考慮 3 個因素。
你能張貼一張定制設計元素的圖片（因子、模型、別名矩陣、設計和相關圖）嗎？
回复：自定義 DoE 篩選設計
以上是具有 10 個因子的設計（7 個連續因子，其中 3 個是 HTC。 3個更多不受控制的因素。
在我完成設計後，我沒有看到設計評估平台，就像我通常看到的那樣，當沒有不可控的因素時。
我必須單擊“製作表格”，然後單擊“DoE 對話框”才能查看設計評估。 然而，當我檢查因素時，X8、X9和X10變成了“連續”，而不是原來的“不受控制”。 不確定為什麼以及如何影響設計評估。 下面的最後一張圖片顯示了通過這種方式獲得的相關性的顏色圖。
我的主要問題是，這個設計是否是一個很好的設計，可以判斷這 10 個因素中的哪些主要影響是顯著的，而不必擔心它們相互混淆和其他雙向交互。 我的計劃是在我使用 RSM 的下一個優化 DoE 中使用此篩選 DoE 中的那些重要主效應。 非常感謝你！
回复：自定義 DoE 篩選設計補充一點，顏色圖中X1（HTC）和X2（HTC）之間的相關性是0.033，這對我來說聽起來太大了。 為了不擔心混疊，是否有最大相關性的建議值？ 謝謝！
回复：自定義 DoE 篩選設計所有設計評估信息都是設計矩陣的函數，但不受控因素的列是空的。
回复：自定義 DoE 篩選設計這是一個信噪比的問題。 即使存在相關性，也會很好地估計非常大的信號（非零參數估計）。 相關性不會使估計值或模型產生偏差。 它誇大了估計的標準誤差。 我認為 0.033 非常小。
回复：自定義 DoE 篩選設計@statman很好地指導你。 我對“旁觀者”的唯一補充評論是，您正在考慮舊的設計方法。 設計原則永遠不會改變，但方法會不斷改進。 定制設計是一種新方法。 它允許採取僅在二十年前不可能的策略。 但是隨著新功能的出現，我們有責任學習新方法的原理和方法。
例如，主動效應的不確定性是一個世紀前統計 DOE 開始的一個問題。 在篩選實驗中為了經濟起見出現規則的部分因子設計後，該方法決定了策略。 它導致了混淆的估計（完全相關的估計）。
玩密切關注@statman關於方差或噪聲的問題。 這些是貪婪的實驗者必須解決的關鍵問題，以便從最小的設計中以最大的信心獲得最多的信息。
