當存在故障邊緣條件時使用哪種 DoE 建模技術？你好，
我已經執行了一個雙參數全因子 DoE 來優化工藝條件。 DoE 由 12 次運行組成。
之前的建模我驗證了我的響應分佈的正態性，並且我的分佈沒有通過擬合優度測試。 有 2/12 的條件是明顯的故障邊緣條件（從科學的角度來看，它們的表現非常糟糕）並且正在使分佈漂移（見附件）。
您建議使用什麼建模技術？ 如何在不重複實驗的情況下最好地對數據建模？
預先感謝您的支持！
克萊爾
美國能源部回复：當存在故障邊緣條件時，使用哪種 DoE 建模技術？您的意思是說您分析了響應的正態性？ 沒有關於響應分佈的假設。 假設是模型的統計誤差是正態分佈的。 誤差由殘差估計。 殘差圖可通過紅色小三角菜單在“擬合最小二乘”平台中獲得，或者您可以說出殘差，然後使用其他平台（例如 Distribution 或 Graph Builder）將它們與擬合過程分開評估。
回复：當存在故障邊緣條件時，使用哪種 DoE 建模技術？補充一點問題和建議@markbailey ，當我數正態概率圖中的“點”時，我數的是 11，而不是 12，除非您對其中一種治療組合有相同的反應？ 對於“全因子設計”來說，12 次是一個不尋常的運行次數。 如果為每個因子指定 2 個水平，則遊程數必須等於 2 的冪。12 不是 2 的冪。每個因子 3 個水平，遊程數必須等於 3 的冪，依此類推. 也許你可以分享具體的設計？
當您說“兩個參數”時，您的意思是“兩個因素”嗎？ DOE 上下文中的參數通常是用於描述模型中項的係數估計的詞。 因此，根據模型的結構，您可能沒有參數（即，僅使用截距項或主效應、交互效應等將 y 預測為響應的總平均值），其中每個效應都有自己獨特的“參數”估計'。 也許你可以分享你的設計和回應？
以及您的具體實驗目標和目的？ 例如，如果您的目標之一是最終為將“失敗”風險最小化的因素找到一個穩健的操作位置，無論這在實際或物理上意味著什麼，那麼如果您有 12 個響應中的 2 個接近該“失敗”的邊緣' 空間......好吧，就在因子空間內避免“失敗”的地方而言，你可能真的對你的整體問題有所了解。
回复：當存在故障邊緣條件時，使用哪種 DoE 建模技術？非常感謝您的及時回复！ 是的，我分析了響應的正態性，現在我意識到你的回答我應該檢查殘差的正態性。
感謝您將我重新引導到正確的方向！
