簡化 DoE 中的步驟
我正在我們部門製定使用 DoE 的路線圖。 這是我的想法。 如果我錯了，請糾正我。
第1步。 確定因素是否是連續的和 2 級分類的。 然後使用DSD，因為識別主效應和二階效應。二次效應與主效應正交，並不完全與兩因素交互作用混淆。 二次效應可能與交互效應相關。 由於大多數因素是連續的和 2 級分類的（催化劑、酸或鹼的種類），因此有機合成的一個很好的用途。 如果分類因子是3級，我還能用DSD嗎？
第2步。 如果因素不是連續的和 2 級分類的，則使用自定義設計。
我相信 DoE 中的標準方法是進行篩選（主效應）並進行增強以添加更高階的效應。
但是，我想在我們的實驗室中簡化我們的 DoE 協議。 大多數情況下，我們只有 6 個因子或更少。 我們可以在不使用定制設計進行篩選（僅主效應）的情況下直接進行優化嗎？
做這兩種方式的優缺點是什麼？
最後，我對分類數字和離散數字感到困惑。 你能詳細說明並舉例嗎？ 評分是分類的嗎？ 我有一個只能設置為 1、3 和 5 的設備，這是分類數字還是離散數字？
謝謝
謝謝你。
美國能源部回复：簡化 DoE 中的步驟你好@Alainmd02 ,
我認為沒有針對每個用例的完美設計，難點在於為每個用例選擇和創建最相關的設計。 DSD 是一種有效的篩選設計，但也許您可以通過直接使用自定義設計找到可接受的（或更好的）其他解決方案，並將最優性標准設置為 D-Optimal 或 Alias-Optimal。 設計選擇還取決於您擁有的因素的數量和類型：如果因素的數量 > 5 並且您最多有 1 或 2 個分類因素，那麼 DSD 可能值得考慮。 低於 5 個因素或超過 2 個分類因素，定制設計可能是要走的路。
對於您的問題：
-> DSD 只能處理 2 級分類因子，不允許 3 級分類因子。
-> 增強可能是明智的做法，因為您只會增強重要因素。 如果您嘗試一次做所有事情，與增強方法相比，您最終可能會做更多的實驗（因為您希望建立一個具有主效應、交互作用和可能二次效應的完整模型）。 如果實驗數量的差異不是那麼大，也許這是為了更簡單而付出的小代價。 您也可以將新的 OMARS 設計視為 DSD 和全 RSM 設計之間的折衷方案？
-> 關於因素類型的一個很好的解釋，關於 DoE 的 STIPS 課程可能會對你有所幫助。
簡而言之，當您有分類因素時，您的目標是從您輸入的選項集中選擇一個級別。 您不能對分類因子有二次效應，只有主效應和交互作用。 對於分類因子中的 N 個水平，您將有 N-1 個係數來估計主效應。 分類效應的示例可能是：操作員（操作員 1、操作員 2、操作員 3...）、試劑的化學性質、... 沒有用數字描述的東西。
離散數字是數字，唯一的限制是兩個數字之間不能有任何值。 在您的情況下，您的設備可以設置為 1、3 或 5，您可以選擇這三個參數中的任何一個，但不能選擇例如 2,244434。 對於爐溫的相同示例，您將有一些離散的數值，您可以將溫度設置為 180、200 或 220°C，但不能設置為 195 或 210°C。對於離散數值因子，您可以估計主效應、交互作用、二次效應...與連續數值因子相同。
根據評級的“性質”，它們可以被視為各種類型的響應：
- 對於學生和老師來說，筆記更有可能是一個持續的回應，
- 如果評級像一個等級（1：非常好，2：好，3：平均/中性，4：差，5：非常差），那麼它是離散數字，
- 如果評級為 A、B、C、...，則響應是分類的。
我認為在 JMP 17 中，一個新模塊將對您的同事非常有幫助：它被稱為“Easy DoE”，並且會逐步解釋要考慮的因素類型、設置……直到您的最終設計構建。
我希望這個答案對你有幫助！ 
回复：簡化 DoE 中的步驟我了解您要做什麼，但您可能過度簡化了正確選擇的過程（選擇最有效和最有效的設計來回答您的問題）。 在選擇要使用的正確工具時，需要考慮很多事情。 我強調的是開發一套情況診斷來指導工具選擇。 如果不了解情況，您可能會進行設計不佳的實驗。 打個比方：你的 DOE 策略是使用 DSD 是一把錘子，但你想有所斬獲。 沒有一種策略適用於所有情況。
以下是幫助選擇適當設計的標準的簡短列表：
- 約束：時間、金錢、材料可用性、測量/設備能力等。 多少療程能夠（這可能需要協商）？
- 要操縱多少個因素（要比較的假設數量）？
- 如何管理或劃分噪聲（重複、RCBD、BIB、分裂圖、協變量......）？
- 有些因素比其他因素更難改變嗎？隨機化還有其他限制嗎？
- 您想要估計的優先影響（見下文）是什麼？
- 是否懷疑/預測了高階效應（例如，相互作用、曲率）？
- 期望的分辨率是多少？ （你想估計/分離什麼影響？）
- 什麼階多項式是必要的？
恕我直言，因素的類型與實驗選擇的關係不大，而與應該如何分析實驗（什麼模型或分析平台）有關
回复：簡化 DoE 中的步驟我會添加到@statman教科書和課程涵蓋了該主題的深度和詳細內容，您可以從中收集一些想法，以告訴您所在地區的調查人員如何繼續進行。 統計書籍經常得到“壞名聲”，但有關 DOE 的書籍非常好（寫得好、易於理解、實用、可操作等等）。 如果您有興趣通過這種方式了解更多信息，請告訴我們。 我們可以根據您的需要推薦書籍。
JMP 還提供有關 DOE 的培訓，它使用 JMP，因此您可以獲得原則和實踐技能。 實際上，會有一堂課在兩週內。
回复：簡化 DoE 中的步驟我想澄清以下幾點：
第一個。 我說我會使用DSD，如果因子是連續的和 2 級分類的。但是，如果因子存在任何線性不等式約束或因子水平的不允許組合，則此工具不適用。 我並沒有說它適用於所有情況。
DSD 將回答您的第 1 點（限制）。 時間、金錢和材料可用性，因為它比其他設計更有效。 如果適合情況，請使用 DSD。
第二。如果任何條件與 DSD 不匹配。 然後我認為通用的定制設計效果最好。
在篩選階段，您建議添加兩因素交互作用還是主效應已經足夠？
或僅主要效果並使別名最佳？ 考慮到我有所有的時間、金錢等，最好的方法是什麼？
考慮到時間、金錢等。你總是推薦重複，RCBD，BIB？
裂區圖用於難以改變的因素。
實際上，我並不完全了解協變量因素，何時使用它。
我怎麼知道我消除了噪音？
第三經過篩選階段。 因為我已經知道重要的因素。 我可以使用增強設計來添加更高階的效果，例如用於過程因子的 2 因子交互和/或二次效應以及用於混合物/配方的 3 階效應（3 因子交互和三次）。
如果我已經知道重要因素。 我可以跳過篩選階段，直接添加 2 因子交互作用、過程因子的二次效應和混合物/配方的 3 階效應。
請告訴我有關槓桿/穩定性、測量不確定性和均值/變異的信息？
非常感謝你 ：）
回复：簡化 DoE 中的步驟你好@Victor_G
感謝您提供全面的建議。 奧馬爾很有趣！！！
回复：簡化 DoE 中的步驟我無法通過這個論壇與你爭論。
我相信您應該始終制定處理噪音的策略。 保持不變是一個糟糕的主意，因為它會縮小推理空間。 困境始終是如何在不影響設計精度的情況下增加推理空間。 這些策略包括我列出的那些。 如果你不理解它們，你應該設法了解它們。 裂圖有很多用途（難以改變因子只是其中一種用途）。 我建議您閱讀 Box 和 Jones 的“用於穩健產品實驗的裂區設計”。
我會建議配方的混合設計（不是增強設計）。
如果您有超過 15 個因素，您可能想了解哪些組件需要進一步研究。 您可以使用嵌套和系統的抽樣計劃來確定這種槓桿作用。
如果您不了解測量變異性，則應在實驗之前執行此操作（或將此組件嵌套在治療中）。
如果您的問題是變異之一（而不是平均值），那麼您需要估計每種治療的變異性。 這可以通過收集多個“數據點”（重複測量）來完成。 例如，如果您有零件內或批次內的變異性，您需要對零件內或批次內的多個測量值，然後使用匯總統計量來估計變異。 該統計量成為建模的響應變量之一。
