简化 DoE 中的步骤
我正在我们部门做使用 DoE 的路线图。 这是我的想法。 如果我错了，请纠正我。
步骤1。 确定因素是否连续且 2 水平分类。 然后使用 DSD，因为可以识别主效应和二阶效应。二次效应与主效应正交，不会与双因素交互作用完全混淆。 二次效应可能与相互作用效应相关。 这是有机合成的一大用途，因为大多数因素是连续的和 2 级分类（催化剂、酸或碱的种类）。 如果分类因子是 3 级，我还可以使用 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 个因素或更少。 我们可以直接进行优化而不使用自定义设计进行筛选（仅主要效果）吗？
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说明吗？ 评级是绝对的吗？ 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。
实验设计回复：简化 DoE 中的步骤你好@Alainmd02 ,
不客气 ！
我只回答了 DSD 及其可能的用途，但从我读到的内容来看，这个话题似乎比 DSD 的使用要广泛得多。
阅读回复@statman和@马克贝利，我只能强调他们写的：在选择设计之前，有很多步骤要做：反思要改变的因素（因素的数量，类型，水平的数量，易/难改变，......） ，要分析的影响（主要影响，相互作用，非线性影响，......？），可能的噪声源（随机变异性，日常变异性，校准和/或批次/运行变异性...... )、响应精度和方差，以及您的目标与这些输入的相关程度如何（仅筛选显着效果？ 预测值？）和预期精度（例如，您的预测需要与您的测量精度进行比较的精度）。
没有适用于所有情况的完美设计。
- 关于混合物/配方：如果您正在处理混合物因素（例如，配方/配方中的成分加起来为 100% 或固定值），您必须将这些因素设置为混合物因素，这将影响您将获得的设计类型（因为这些因素将通过 sum = 100% 或固定值等约束链接）：
-> 混合设计（Scheffé cubic/simplex centroïd, simplex lattice, extrême vertices, space filling, ...）
-> 或混合模型（如果您还有其他不是混合因素的因素）。
- 关于 DSD 的有效性：正如我之前所说，DSD 很棒，但它们可能不是在所有情况下的最佳折衷方案。 根据您想要查看/检测的效果、您拥有的因素（数量和类型）以及测量精度，使用重复而不是 DSD 进行 D 最优设计可能更明智，以获得更好的估计对于与 DSD 相同数量（或更少）的实验，您的实验空间中的响应方差。
- 关于协变量因素，这是一个影响响应的变量，但您无法像其他因素一样控制它：您事先知道该因素的值，或者您有一组可能的值，并且您必须在这组预定值或可能值中进行选择。
您可以在此处获得更多信息：开发人员教程 - 在设计实验时有效处理协变量 - JMP 用户社区
请继续关注并查看 JMP 17 的发布，应该有“Easy DOE”菜单可以帮助您和您的同事设计您的 DoE 
希望这对你的反思有所帮助，
胜利者
回复：简化 DoE 中的步骤我没资格通过这个论坛和你争论。
我相信您应该始终有一个处理噪音的策略。 保持它不变是一个糟糕的想法，因为它会缩小推理空间。 难题始终是如何在不对设计精度产生负面影响的情况下增加推理空间。 这些策略包括我列出的那些。 如果您不了解它们，您应该设法了解它们。 裂区有很多用途（难以改变的因素只是其中一个用途）。 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物设计（而不是增强设计）。
如果您有 15 个以上的因子，您可能想了解要进一步研究哪些成分。 您可以使用嵌套和系统抽样计划来确定此杠杆作用。
如果您不了解测量变异性，您应该在实验前了解（或将此组件嵌套在处理中）。
如果您的问题是变异之一（而不是均值），那么您需要估计每种处理的变异性。 这可以通过收集多个“数据点”（重复测量）来完成。 例如，如果您具有部件内或批内变异性，则需要对部件内或批内进行多次测量，然后使用汇总统计来估计变异。 该统计数据成为模型的响应变量之一。
回复：简化 DoE 中的步骤你好@维克多_G
感谢您提供全面的建议。 奥玛斯很有趣！！！
回复：简化 DoE 中的步骤我想澄清以下几点：
1日。 我说如果因素是连续的和 2 水平分类的。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率。 如果适合这种情况，请使用 DSD。
第二。如果任何标准与 DSD 不匹配。 那么我认为通用的定制设计效果最好。
在筛选阶段，您建议添加双因素交互还是主效应已经足够？
或仅主要效果并使别名最佳？ 鉴于我一直有时间、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？
第三名筛选阶段后。 因为我已经知道重要的因素。 我可以使用 Augment Design 添加高阶效应，例如 2 因子交互作用和/或过程因子的二次效应以及混合物/配方的 3 阶效应（3 因子交互作用和立方）。
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/配方的三阶效应。
请赐教有关杠杆/稳定性、测量不确定度和均值/方差的信息？
非常感谢 ：）
回复：简化 DoE 中的步骤我会添加到@statman这个主题很深，并且在教科书和课程中都有很好的涵盖，您可以从中收集想法，以找到一种方法来告诉您所在地区的调查人员如何进行。 统计书籍经常受到“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，因此您可以获得原理和实践技能。 实际上，会有一个类在两周内。
回复：简化 DoE 中的步骤我了解您正在尝试做什么，但您可能过度简化了正确选择的过程（选择最有效和最高效的设计来回答您的问题）。 在选择合适的工具时需要考虑很多因素。 我强调的是开发一套情境诊断来指导工具选择。 如果不了解情况，您可能会设计出糟糕的实验。 打个比方：你的 DOE 策略是使用 DSD 是一把锤子，但是你想要切割。 没有一种策略适用于所有情况。
以下是有助于选择合适设计的标准的缩写列表：
- 约束条件：时间、金钱、材料可用性、测量/设备能力等。 治疗次数多少能做出（这可能需要协商）？
- 要操纵多少因素（要比较的假设数量）？
- 如何管理或划分噪声（重复、RCBD、BIB、裂区、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？
- 您要估计的优先影响是什么（见下文）？
- 是否怀疑/预测了更高阶效应（例如相互作用、曲率）？
- 所需的分辨率是多少？ （您想估计/分离什么影响？）
- 需要什么阶多项式？
恕我直言，因素的类型与实验选择关系不大，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 中的步骤你好@Alainmd02 ,
我认为没有针对每个用例的完美设计，困难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 并且您有 1 或 2 个最大的分类因素，那么 DSD 可能值得考虑。 低于 5 个因素或超过 2 个分类因素，定制设计可能是可行的方法。
对于您的问题：
-> DSD 只能处理 2 级分类因子，不允许处理 3 级分类因子。
-> 扩充可能是明智的做法，因为您只会在重要因素上进行扩充。 与增强方法相比，如果您尝试一次完成所有操作，那么您最终可能需要做更多的实验（因为您希望构建一个具有主效应、交互作用和可能的二次效应的完整模型）。 如果实验次数的差异不是那么大，也许这是为更简单而付出的小代价。 您也可以将新的 OMARS 设计视为 DSD 和完整 RSM 设计之间的折衷方案？
-> 有关因素类型的良好解释，关于 DoE 的 STIPS 课程可能会对您有所帮助。
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水平。 您不能对分类因素产生二次效应，只有主要效应和交互作用。 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，您可以选择这三个值中的任何一个，但不能选择 2,244434。 对于炉温的相同示例，您将有一些离散数值，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，笔记更可能是一种持续的回应，
- 如果评级就像一个排序（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（序数），
- 如果评级类似于 A、B、C...，则响应是绝对的。
我认为 JMP 17 中的一个新模块将对您的同事非常有帮助：它被称为“Easy DoE”，以及要考虑的因素类型、设置……在您最终设计构建之前以逐步的方式进行解释。
希望这个回答对您有所帮助！
