簡化 DoE 中的步驟
我正在我們部門做使用 DoE 的路線圖。 這是我的想法。 如果我錯了，請糾正我。
步驟1。 確定因素是否連續且 2 水平分類。 然後使用 DSD，因為可以識別主效應和二階效應。二次效應與主效應正交，不會與雙因素交互作用完全混淆。 二次效應可能與相互作用效應相關。 這是有機合成的一大用途，因為大多數因素是連續的和 2 級分類（催化劑、酸或鹼的種類）。 如果分類因子是 3 級，我還可以使用 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 個因素或更少。 我們可以直接進行優化而不使用自定義設計進行篩選（僅主要效果）嗎？
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說明嗎？ 評級是絕對的嗎？ 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。
實驗設計回复：簡化 DoE 中的步驟你好@Alainmd02 ,
不客氣 ！
我只回答了 DSD 及其可能的用途，但從我讀到的內容來看，這個話題似乎比 DSD 的使用要廣泛得多。
閱讀回复@statman和@馬克貝利，我只能強調他們寫的：在選擇設計之前，有很多步驟要做：反思要改變的因素（因素的數量，類型，水平的數量，易/難改變，......） ，要分析的影響（主要影響，相互作用，非線性影響，......？），可能的噪聲源（隨機變異性，日常變異性，校準和/或批次/運行變異性...... )、響應精度和方差，以及您的目標與這些輸入的相關程度如何（僅篩選顯著效果？ 預測值？）和預期精度（例如，您的預測需要與您的測量精度進行比較的精度）。
沒有適用於所有情況的完美設計。
- 關於混合物/配方：如果您正在處理混合物因素（例如，配方/配方中的成分加起來為 100% 或固定值），您必須將這些因素設置為混合物因素，這將影響您將獲得的設計類型（因為這些因素將通過 sum = 100% 或固定值等約束鏈接）：
-> 混合設計（Scheffé cubic/simplex centroïd, simplex lattice, extrême vertices, space filling, ...）
-> 或混合模型（如果您還有其他不是混合因素的因素）。
- 關於 DSD 的有效性：正如我之前所說，DSD 很棒，但它們可能不是在所有情況下的最佳折衷方案。 根據您想要查看/檢測的效果、您擁有的因素（數量和類型）以及測量精度，使用重複而不是 DSD 進行 D 最優設計可能更明智，以獲得更好的估計對於與 DSD 相同數量（或更少）的實驗，您的實驗空間中的響應方差。
- 關於協變量因素，這是一個影響響應的變量，但您無法像其他因素一樣控制它：您事先知道該因素的值，或者您有一組可能的值，並且您必須在這組預定值或可能值中進行選擇。
您可以在此處獲得更多信息：開發人員教程 - 在設計實驗時有效處理協變量 - JMP 用戶社區
請繼續關注並查看 JMP 17 的發布，應該有“Easy DOE”菜單可以幫助您和您的同事設計您的 DoE 
希望這對你的反思有所幫助，
勝利者
回复：簡化 DoE 中的步驟我沒資格通過這個論壇和你爭論。
我相信您應該始終有一個處理噪音的策略。 保持它不變是一個糟糕的想法，因為它會縮小推理空間。 難題始終是如何在不對設計精度產生負面影響的情況下增加推理空間。 這些策略包括我列出的那些。 如果您不了解它們，您應該設法了解它們。 裂區有很多用途（難以改變的因素只是其中一個用途）。 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物設計（而不是增強設計）。
如果您有 15 個以上的因子，您可能想了解要進一步研究哪些成分。 您可以使用嵌套和系統抽樣計劃來確定此槓桿作用。
如果您不了解測量變異性，您應該在實驗前了解（或將此組件嵌套在處理中）。
如果您的問題是變異之一（而不是均值），那麼您需要估計每種處理的變異性。 這可以通過收集多個“數據點”（重複測量）來完成。 例如，如果您具有部件內或批內變異性，則需要對部件內或批內進行多次測量，然後使用匯總統計來估計變異。 該統計數據成為模型的響應變量之一。
回复：簡化 DoE 中的步驟你好@維克多_G
感謝您提供全面的建議。 奧瑪斯很有趣！！！
回复：簡化 DoE 中的步驟我想澄清以下幾點：
1日。 我說如果因素是連續的和 2 水平分類的。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率。 如果適合這種情況，請使用 DSD。
第二。如果任何標準與 DSD 不匹配。 那麼我認為通用的定制設計效果最好。
在篩選階段，您建議添加雙因素交互還是主效應已經足夠？
或僅主要效果並使別名最佳？ 鑑於我一直有時間、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？
第三名篩選階段後。 因為我已經知道重要的因素。 我可以使用 Augment Design 添加高階效應，例如 2 因子交互作用和/或過程因子的二次效應以及混合物/配方的 3 階效應（3 因子交互作用和立方）。
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/配方的三階效應。
請賜教有關槓桿/穩定性、測量不確定度和均值/方差的信息？
非常感謝 ：）
回复：簡化 DoE 中的步驟我會添加到@statman這個主題很深，並且在教科書和課程中都有很好的涵蓋，您可以從中收集想法，以找到一種方法來告訴您所在地區的調查人員如何進行。 統計書籍經常受到“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，因此您可以獲得原理和實踐技能。 實際上，會有一個類在兩週內。
回复：簡化 DoE 中的步驟我明白你想做什麼，但你可能過度簡化了正確選擇的過程（選擇最有效和最高效的設計來回答你的問題）。 在選擇合適的工具時需要考慮很多因素。 我強調的是開發一套情境診斷來指導工具選擇。 如果不了解情況，您可能會設計出糟糕的實驗。 打個比方：你的 DOE 策略是使用 DSD 是一把錘子，但是你想要切割。 沒有一種策略適用於所有情況。
以下是有助於選擇合適設計的標準的縮寫列表：
- 約束條件：時間、金錢、材料可用性、測量/設備能力等。 治療次數多少能做出（這可能需要協商）？
- 要操縱多少因素（要比較的假設數量）？
- 如何管理或劃分噪聲（重複、RCBD、BIB、裂區、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？
- 您要估計的優先影響是什麼（見下文）？
- 是否懷疑/預測了更高階效應（例如相互作用、曲率）？
- 所需的分辨率是多少？ （您想估計/分離什麼影響？）
- 需要什麼階多項式？
恕我直言，因素的類型與實驗選擇關係不大，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 中的步驟你好@Alainmd02 ,
我認為沒有針對每個用例的完美設計，困難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（或可能更好的）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 並且您有 1 或 2 個最大的分類因素，那麼 DSD 可能值得考慮。 低於 5 個因素或超過 2 個分類因素，定制設計可能是可行的方法。
對於您的問題：
-> DSD 只能處理 2 級分類因子，不允許處理 3 級分類因子。
-> 擴充可能是明智的做法，因為您只會在重要因素上進行擴充。 與增強方法相比，如果您嘗試一次做所有事情，您最終可能會做更多的實驗（因為您希望構建一個具有主效應、交互作用和可能的二次效應的完整模型）。 如果實驗次數的差異不是那麼大，也許這是為更簡單而付出的小代價。 您也可以將新的 OMARS 設計視為 DSD 和完整 RSM 設計之間的折衷方案？
-> 有關因素類型的良好解釋，關於 DoE 的 STIPS 課程可能會對您有所幫助。
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水平。 您不能對分類因素產生二次效應，只有主要效應和交互作用。 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，您可以選擇這三個值中的任何一個，但不能選擇 2,244434。 對於爐溫的相同示例，您將有一些離散數值，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，筆記更可能是一種持續的回應，
- 如果評級就像一個排序（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（序數），
- 如果評級類似於 A、B、C...，則響應是絕對的。
我認為 JMP 17 中的一個新模塊將對您的同事非常有幫助：它被稱為“Easy DoE”，以及要考慮的因素類型、設置……在您最終設計構建之前以逐步的方式進行解釋。
希望這個回答對您有所幫助！
