客製化 DoE 篩選設計我有兩個關於客製化能源部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反應很重要，並使用自訂主效應篩選設計和 JMP 給出的預設遊程數，我如何確定它是主效應還是其他混雜的雙向效應交互作用真的很重要嗎？ 如果模型分析顯示因子 A 顯著，但 A 與 B*C 部分相關，那麼稍後的最佳化設計中應包含哪些因子？ 我認為只有像因子A這樣顯著的主效應才應該在主效應篩選設計之後進一步研究優化設計，但是如果B*C與因子A部分相關但B和C不顯著，那麼B和C會缺失嗎DoE 篩檢的主要影響？
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
實驗設計回覆：美國能源部客製化篩選設計對於這麼多問題，我深表歉意，並感謝您推薦書籍和期刊論文。回覆：美國能源部客製化篩選設計不完全是這樣，但這又取決於你打算做 BIB 還是 RCDB。
我必須道歉，但我認為教您如何處理在這個社群聊天中遇到的問題不是很有效。 我建議您閱讀有關該主題的論文/書籍，以便您可以接觸不同的方法和應用。
以下是我推薦的一些論文：
- 桑德斯，D.， Leitnaker M. 和 McLean R. (2002)“工業研究中的隨機完整區組設計”品質工程，卷。 14、第1期
- 盒子，GEP， 史蒂芬瓊斯 (1992)，”用於穩健產品實驗的裂區設計”,應用統計學雜誌，卷。 19號1號
- 瓊斯、布拉德利、克里斯多福·J·納茨海姆 (2009) “裂區設計：什麼、為什麼以及如何”，品質技術雜誌，卷。 41，第 4 期，第 340-361 頁
- 索倫·比斯加德 (2000)，“ 2 設計與分析克普X 2 qr裂區實驗”,品質技術雜誌，卷。 32、一月 1 號
- Bisgaard、Søren、Murat Kulahei，(2001)，“穩健的產品設計：透過裂區混雜保存試驗”,品質工程, 13(3), 525-530
回覆：美國能源部客製化篩選設計我又想了一下…您是否建議透過新增值為「-1」和「1」的欄位來手動將模型中的資料行分成兩個區塊？ 如果我總共有20 次運行，但一天只能運行10 次，則應該在模型中手動添加一列作為區塊因子“天”，並將“-1”分配給前10 次運行，將“1”分配給第11 次運行跑20次？ 抱歉，如果我誤解了你的觀點。回覆：美國能源部客製化篩選設計抱歉...我無法關注評論，但我計劃要做的就是使用天作為區塊因子將運行總數分成兩個區塊。 有沒有辦法使用 JMP 和 HTC 因子來做到這一點？ 謝謝！
回覆：美國能源部客製化篩選設計您對平衡不完整區塊或隨機完整區塊感興趣嗎？ 我通常不使用內建的 JMP 區塊，因為它將區塊視為隨機效果。 我更喜歡設計實驗，讓我知道哪些噪音與模組混淆，並將模組和逐個模組的交互效應分配給模型。 為此，我複製整個區塊，將其貼上到第一個區塊下第一列中的第一個打開的單元格，然後添加一列並將其稱為區塊（第一個區塊-1，第二個塊1）。 我通常也只設計 2 個模組的實驗（主要是工業實驗應用與農業實驗應用）。 我對塊效應的曲率（非線性）不感興趣，因為這是沒有意義的。
回覆：美國能源部客製化篩選設計關於此設計的阻塞問題...
由於我需要幾天時間才能完成所有運行，因此我想阻止設計。 然而，由於我的設計中有 HTC 因素，所以我沒有看到「組運行到隨機大小的區塊」的選項。 我可以將阻塞因子添加到因子列表中，但我不確定這是否是正確的方法，因為阻塞因子（天）將被視為固定阻塞。
回覆：美國能源部客製化篩選設計不，您可以讓效果在常態圖上顯示為顯著，但沒有任何實際意義。
回覆：美國能源部客製化篩選設計再說一次，如果沒有數據表，我真的無能為力。
回覆：美國能源部客製化篩選設計我認為任何估計影響大於帕累托圖上實際有意義的最小偏移的因素都是重要的，並且它們也應該偏離常態圖上的正常線。 兩張圖應該給出相同的結論嗎？
回覆：美國能源部客製化篩選設計感謝你的建議！ 我嘗試獲取正態圖，但效果篩選下的所有三個繪圖選項均呈灰色且無法顯示。
」我總是做的第一件事就是檢查其實際意義。 您是否創造了任何具有實用價值的變化？ 您認為具有科學或工程價值的反應變化的最小增量是多少？ 確定該值後，在帕累托圖上繪製線條並確定哪些因素具有實際顯著影響。 然後在正態圖（丹尼爾斯圖）上尋找這些影響。”
我可以估計所有因素的標準差，並知道實際有意義的最小響應變化，但不確定你的建議，”確定該值後，在帕累托圖上繪製線條並確定哪些因素具有實際顯著影響。 然後在正態圖（丹尼爾斯圖）上尋找這些影響。” 您能否詳細說明如何做到這一點以及為什麼要這樣做？ 謝謝！
回覆：美國能源部客製化篩選設計@JMP38401抱歉耽擱了……僅查看您共享的輸出並得出結論是很困難的。 看起來您有一個未複製的設計，並且您的模型已飽和。 如果是這種情況，您可能需要嘗試獲取正態圖以獲取統計顯著性（有時您必須忽略長度的PSE 線），獲取帕累托圖以獲得實際意義，如果您熱衷於貝葉斯哲學，則可以嘗試取得貝葉斯圖（擬合模型>紅色選項三角形）位於反應>效果篩選旁）。 我總是做的第一件事就是檢查其實際意義。 您是否創造了任何具有實用價值的變化？ 您認為具有科學或工程價值的反應變化的最小增量是多少？ 確定該值後，在帕累托圖上繪製線條並確定哪些因素具有實際顯著影響。 然後在常態圖（丹尼爾斯圖）上尋找這些影響。
就優化而言，根據您提供的大量上下文提供建議是極其困難的。 請認識到優化不僅僅是統計設計。 它需要了解科學/工程學的人來解釋。 不過有幾點想法：
1. 您並不是試圖創建一些極其複雜的非線性模型來描述一切。 模型旨在成為對預測有用的有效近似值。
2. 除非您徹底了解噪聲，否則您不應該對設計因素進行最佳化。
3. RSM 是什麼意思？ 通用電氣公司 Box 暗示這是一個連續實驗。 它不是一種中心複合設計。
4. 你也應該考慮多元因素。 以犧牲其他 Y 為代價來優化一個 Y 沒有任何好處。
回覆：美國能源部客製化篩選設計跟進Custom DoE篩選主效應，以下是模型擬合結果。 是否可以肯定地說，t 比小於 2 的因素可以被消除，只有那些 t 比大於 2 的因素才會用於下一步使用 RSM 的最佳化設計？ 如果每個因子都有 p 值，我認為 p 值小於 0.05 的因子應該包含在接下來的 RSM 最佳化 DoE 中。 任何有關此思考過程的建議將不勝感激。 謝謝！
回覆：美國能源部客製化篩選設計沒有絕對的答案。 這取決於。 相關性的影響是變異數膨脹，這是不好的。 完美的相關性（混雜）將變異數擴大到無窮大。 但除此之外，這取決於您開始時的差異。 小方差可以容忍大的相關性，而大方差可以容忍很小的通貨膨脹。
回覆：美國能源部客製化篩選設計抱歉給了錯誤的數字，相關值為 0.33，而不是 0.033。 我認為 0.33 太大了，但不確定多小才足夠。 謝謝
回覆：美國能源部客製化篩選設計@statman很好地指導你。 我對“旁觀者”的唯一補充評論是，您正在按照舊的設計方法進行思考。 設計原則從未改變，但方法不斷改進。 客製化設計是一種新方法。 它允許採取二十年前不可能實現的策略。 但隨著新功能的出現，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從一個世紀前美國能源部統計開始以來就是一個問題。 在為了篩選實驗的經濟性而出現常規的部分因子設計之後，方法決定了策略。 它導致了混淆的估計（完全相關的估計）。
密切注意玩@statman關於方差或雜訊的問題。 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資訊。
回覆：美國能源部客製化篩選設計這是一個信噪比的問題。 即使存在相關性，也可以很好地估計非常大的訊號（非零參數估計）。 相關性不會使估計或模型產生偏差。 它誇大了估計的標準誤差。 我認為 0.033 非常小。
回覆：美國能源部客製化篩選設計所有設計評估資訊都是設計矩陣的函數，但不受控制因素的列為空。
回覆：美國能源部客製化篩選設計補充一點，顏色圖中 X1 (HTC) 和 X2 (HTC) 之間的相關性為 0.033，這對我來說聽起來太大了。 是否有最大相關性的建議值以避免擔心混疊？ 謝謝！
回覆：美國能源部客製化篩選設計
上方是 10 個因子的設計（7 個連續因子，其中 3 個是 HTC. 3. 不可控因素較多。
完成設計後，我看不到通常在沒有不受控制因素的情況下看到的設計評估平台。
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。 下面的最後一張圖顯示了透過這種方式獲得的相關性顏色圖。
我的主要問題是，這個設計是否是一個好的設計，可以告訴我們這 10 個因素中哪些主要影響是顯著的，而不用擔心它們彼此之間以及其他雙向相互作用的混淆。 我的計劃是使用本次篩選 DoE 中的那些重要主效應，用於我的下一次使用 RSM 的最佳化 DoE。 非常感謝！
回覆：美國能源部客製化篩選設計客製化設計非常靈活。 可以定義一個主效應模型和兩個交互作用別名矩陣，並且仍然可以獲得相關性。 例如，試驗次數可能會妨礙正交設計的進行。 在 7 次運行中思考 3 個因素。
您可以發布自訂設計元素（因子、模型、別名矩陣、設計和相關圖）的圖片嗎？
回覆：美國能源部客製化篩選設計謝謝你的快速反應！
」2. 如果您懷疑相互作用效應（≥二階），那麼您可能需要將分辨率提高到 IV+。”
我知道如何在 Minitab 中找到設計分辨率，但無法從 JMP 自訂設計中辨別設計分辨率。 您能告訴我如何在 JMP 中取得設計解析度資訊嗎？
」4. 我不完全理解你的第二個問題。 如果資料表中有協變量，您當然可以看到協變量和設計因子之間的相關性。 多元方法>多元將提供散點圖並選擇選項（紅色三角形）您可以獲得彩色圖。 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>列>VIF 來獲取 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，它顯示“不受控制”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。 然而，一旦我添加任何不受控制的因素，設計評估就會消失，我無法看到別名矩陣、相關性彩色圖和功效分析等。
回覆：美國能源部客製化篩選設計感謝你能這麼快回覆！
」在模型下的術語清單中輸入主效應。 確保所有雙向互動都位於別名下的術語清單中。 點擊頂部的紅色三角形，然後選擇最優標準 > 進行 Alias 最優設計。”
我嘗試了這一點，但在模型設計評估下的 Alias Matrix 中沒有看到任何變化。 我錯過了什麼嗎？或者我如何知道模型已針對 Alias 進行了最佳化？ 抱歉，如果我假設我會在 Alias Matrix 或相關顏色圖下看到較低的相關效果，從而誤解了「Make Alias Optimal Design」的工作原理。
“（您需要猜測實際活躍術語的數量，並將它們的運行次數添加到最小值。）”
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，總共 10 個因素。 當我使用自訂 DoE 平台建立篩選設計時，我有 11 次最小運行次數（10 個因子加上截距）和 18 次預設運行。 別名條款下有 45 種雙向互動。 如果我懷疑這45 個雙向互動中的10 個可能是活動項，您的建議是將這10 個雙向交互作用添加到模型中，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，以使總共 21 次運行，還是將 10 次運行添加到預設的 18 次運行中，使其總共 28 次運行？ 由於我的模型中有 HTC 因素，最終的篩選設計似乎不起作用。
回覆：美國能源部客製化篩選設計@JMP38401 ，這是我的想法：
1. 對於分數階乘和螢幕設計，我們遵循三個原則：
稀缺性：顯著影響相對較少（類似帕累托原理）
層次結構：1 階 > 2 階 >> 3 階等。
遺傳：為了使互動有意義，至少父母之一必須是重要的
關於你的問題，我的建議是預測排序模型效果（至少透過二階）。 您對您認為哪些影響是合理的並且可能會影響設計解析度選擇的預測。 如果所有一階效應都高於二階效應，那麼較低的解析度似乎可以合理地開始迭代調查過程。 其實這就是層次原則。 透過混淆高階效應來擴大因素（一階效應）的數量。
2. 如果您懷疑有交互效應（≥二階），那麼您可能需要將解析度提高到 IV+。
3. 我知道我並不代表優化設計的大部分想法。 我不太喜歡「部分混雜」來創建更有效的設計，就好像存在數據分析中沒有意義的實例，下一次迭代可能是一個困難的選擇（例如，折疊設計不起作用）。
4.我不太明白你的第二個問題。 如果資料表中有協變量，您當然可以看到協變量和設計因子之間的相關性。 多元方法>多元將提供散點圖並選擇選項（紅色三角形）您可以獲得彩色圖。 當然，如果您有很多，您可以透過在參數估計輸出表中右鍵單擊並新增>列>VIF 來取得 VIF。
回覆：美國能源部客製化篩選設計」如果我只想知道哪些主效應對我的反應很重要，並使用自訂主效應篩選設計和 JMP 給出的預設運行數，我如何確定它是主效應還是其他令人困惑的雙向交互作用？真的很重要嗎？ 」
在模型下的術語清單中輸入主效應。 確保所有雙向互動都位於別名下的術語清單中。 點選頂部的紅色小三角，然後選擇最優準則 > 進行 Alias 最優設計。
」如果模型分析顯示因子 A 顯著，但 A 與 B*C 部分相關，那麼稍後的最佳化設計中應包含哪些因子？ 我認為只有像因子A這樣顯著的主效應才應該在主效應篩選設計之後進一步研究優化設計，但是如果B*C與因子A部分相關但B和C不顯著，那麼B和C會缺失嗎DoE 篩檢的主要影響？ 」
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，在模型清單中加入所有潛在術語。 選擇這些術語並點擊“可估計性”列中的“必要”，然後選擇“如果可能”。 這項變更將產生兩個結果。 第一個結果是最小運行次數將會減少，因為它是由必須估計的參數數量決定的。 （您需要猜測實際活躍術語的數量，並將它們的運行次數添加到最小值。）另一種方法是使用篩選設計，例如最終篩選設計。 只要是關鍵篩選原則成立的真實篩選情況，這種方法就有效。 你有多少因素？ 有多少人可能是活躍的？
我突然不知道你的第二個問題的答案。 也許其他人有這些知識。
