简化 DoE 中的步骤
我正在我们部门制定使用 DoE 的路线图。 这是我的想法。 如果我错了，请纠正我。
第1步。 确定因素是否是连续的和 2 级分类的。 然后使用DSD，因为识别主效应和二阶效应。二次效应与主效应正交，并不完全与两因素交互作用混淆。 二次效应可能与交互效应相关。 由于大多数因素是连续的和 2 级分类的（催化剂、酸或碱的种类），因此有机合成的一个很好的用途。 如果分类因子是3级，我还能用DSD吗？
第2步。 如果因素不是连续的和 2 级分类的，则使用自定义设计。
我相信 DoE 中的标准方法是进行筛选（主效应）并进行增强以添加更高阶的效应。
但是，我想在我们的实验室中简化我们的 DoE 协议。 大多数情况下，我们只有 6 个因子或更少。 我们可以在不使用定制设计进行筛选（仅限主效应）的情况下直接进行优化吗？
做这两种方式的优缺点是什么？
最后，我对分类数字和离散数字感到困惑。 你能详细说明并举例吗？ 评分是分类的吗？ 我有一个只能设置为 1、3 和 5 的设备，这是分类数字还是离散数字？
谢谢
谢谢你。
美国能源部回复：简化 DoE 中的步骤你好@Alainmd02 ,
我认为没有针对每个用例的完美设计，难点在于为每个用例选择和创建最相关的设计。 DSD 是一种有效的筛选设计，但也许您可以通过直接使用自定义设计找到可接受的（或更好的）其他解决方案，并将最优性标准设置为 D-Optimal 或 Alias-Optimal。 设计选择还取决于您拥有的因素的数量和类型：如果因素的数量 > 5 并且您最多有 1 或 2 个分类因素，那么 DSD 可能值得考虑。 低于 5 个因素或超过 2 个分类因素，定制设计可能是要走的路。
对于您的问题：
-> DSD 只能处理 2 级分类因子，不允许 3 级分类因子。
-> 增强可能是明智的做法，因为您只会增强重要因素。 如果您尝试一次做所有事情，与增强方法相比，您最终可能会做更多的实验（因为您希望建立一个具有主效应、交互作用和可能二次效应的完整模型）。 如果实验数量的差异不是那么大，也许这是为了更简单而付出的小代价。 您还可以将新的 OMARS 设计视为 DSD 和全 RSM 设计之间的折衷方案吗？
-> 关于因素类型的一个很好的解释，关于 DoE 的 STIPS 课程可能会对你有所帮助。
简而言之，当您有分类因素时，您的目标是从您输入的选项集中选择一个级别。 分类因子不能有二次效应，只有主效应和交互作用。 对于分类因子中的 N 个水平，您将有 N-1 个系数来估计主效应。 分类效应的示例可能是：操作员（操作员 1、操作员 2、操作员 3...）、试剂的化学性质、... 没有用数字描述的东西。
离散数字是数字，唯一的限制是两个数字之间不能有任何值。 在您的情况下，您的设备可以设置为 1、3 或 5，您可以选择这三个参数中的任何一个，但不能选择例如 2,244434。 对于炉温的相同示例，您将有一些离散的数值，您可以将温度设置为 180、200 或 220°C，但不能设置为 195 或 210°C。对于离散数值因子，您可以估计主效应、交互作用、二次效应...与连续数值因子相同。
根据评级的“性质”，它们可以被视为各种类型的响应：
- 对于学生和老师来说，笔记更有可能是一个持续的回应，
- 如果评级像一个等级（1：非常好，2：好，3：平均/中性，4：差，5：非常差），那么它是离散数字，
- 如果评级为 A、B、C、...，则响应是分类的。
我认为在 JMP 17 中，一个新模块将对您的同事非常有帮助：它被称为“Easy DoE”，并且会逐步解释要考虑的因素类型、设置……直到您的最终设计构建。
我希望这个答案对你有帮助！ 
回复：简化 DoE 中的步骤我了解您要做什么，但您可能过度简化了正确选择的过程（选择最有效和最有效的设计来回答您的问题）。 在选择要使用的正确工具时，需要考虑很多事情。 我强调的是开发一套情况诊断来指导工具选择。 如果不了解情况，您可能会进行设计不佳的实验。 打个比方：你的 DOE 策略是使用 DSD 是一把锤子，但你想有所斩获。 没有一种策略适用于所有情况。
以下是帮助选择适当设计的标准的简短列表：
- 约束：时间、金钱、材料可用性、测量/设备能力等。 多少疗程能够（这可能需要协商）？
- 要操纵多少个因素（要比较的假设数量）？
- 如何管理或划分噪声（重复、RCBD、BIB、分裂图、协变量......）？
- 有些因素比其他因素更难改变吗？随机化还有其他限制吗？
- 您想要估计的优先影响（见下文）是什么？
- 是否怀疑/预测了高阶效应（例如，相互作用、曲率）？
- 期望的分辨率是多少？ （你想估计/分离什么影响？）
- 什么阶多项式是必要的？
恕我直言，因素的类型与实验选择的关系不大，而与应该如何分析实验（什么模型或分析平台）有关
回复：简化 DoE 中的步骤我会添加到@statman教科书和课程涵盖了该主题的深度和详细内容，您可以从中收集一些想法，以告诉您所在地区的调查人员如何继续进行。 统计书籍经常得到“坏名声”，但有关 DOE 的书籍非常好（写得好、易于理解、实用、可操作等等）。 如果您有兴趣通过这种方式了解更多信息，请告诉我们。 我们可以根据您的需要推荐书籍。
JMP 还提供有关 DOE 的培训，它使用 JMP，因此您可以获得原则和实践技能。 实际上，会有一堂课在两周内。
回复：简化 DoE 中的步骤我想澄清以下几点：
第一个。 我说我会使用DSD，如果因子是连续的和 2 级分类的。但是，如果因子存在任何线性不等式约束或因子水平的不允许组合，则此工具不适用。 我并没有说它适用于所有情况。
DSD 将回答您的第 1 点（限制）。 时间、金钱和材料可用性，因为它比其他设计更有效。 如果适合情况，请使用 DSD。
第二。如果任何条件与 DSD 不匹配。 然后我认为通用的定制设计效果最好。
在筛选阶段，您建议添加两因素交互作用还是主效应已经足够？
或仅主要效果并使别名最佳？ 考虑到我有所有的时间、金钱等，最好的方法是什么？
考虑到时间、金钱等。你总是推荐重复，RCBD，BIB？
裂区图用于难以改变的因素。
实际上，我并不完全了解协变量因素，何时使用它。
我怎么知道我消除了噪音？
第三经过筛选阶段。 因为我已经知道重要的因素。 我可以使用增强设计来添加更高阶的效果，例如用于过程因子的 2 因子交互和/或二次效应以及用于混合物/配方的 3 阶效应（3 因子交互和三次）。
如果我已经知道重要因素。 我可以跳过筛选阶段，直接添加 2 因子交互作用、过程因子的二次效应和混合物/配方的 3 阶效应。
请告诉我有关杠杆/稳定性、测量不确定性和均值/变异的信息？
非常感谢你 ：）
回复：简化 DoE 中的步骤你好@Victor_G
感谢您提供全面的建议。 奥马尔很有趣！！！
回复：简化 DoE 中的步骤我无法通过这个论坛与你争论。
我相信您应该始终制定处理噪音的策略。 保持不变是一个糟糕的主意，因为它会缩小推理空间。 困境始终是如何在不影响设计精度的情况下增加推理空间。 这些策略包括我列出的那些。 如果你不理解它们，你应该设法了解它们。 裂图有很多用途（难以改变因子只是其中一种用途）。 我建议您阅读 Box 和 Jones 的“用于稳健产品实验的裂区设计”。
我会建议配方的混合设计（不是增强设计）。
如果您有超过 15 个因素，您可能想了解哪些组件需要进一步研究。 您可以使用嵌套和系统的抽样计划来确定这种杠杆作用。
如果您不了解测量变异性，则应在实验之前执行此操作（或将此组件嵌套在治疗中）。
如果您的问题是变异之一（而不是平均值），那么您需要估计每种治疗的变异性。 这可以通过收集多个“数据点”（重复测量）来完成。 例如，如果您有零件内或批次内的变异性，您需要对零件内或批次内的多个测量值，然后使用汇总统计量来估计变异。 该统计量成为建模的响应变量之一。
