DoEの手順を簡素化する
私はここで私たちの部門でDoEを使用するロードマップを作成しています。 これが私の考えです。 私が間違っている場合は訂正してください。
ステップ1。 要因が連続的で2レベルのカテゴリであるかどうかを識別します。 次に、DSDを使用します。これは、主効果と2次効果を識別するためです。二次効果は主効果に直交しており、2要素の交互作用と完全に交絡しているわけではありません。 二次効果は交互作用効果と相関している可能性があります。 ほとんどの因子は連続的で2レベルのカテゴリー（触媒、酸、または塩基の種類）であるため、これを大いに活用するのは有機合成です。 カテゴリファクターが3レベルの場合でも、DSDを使用できますか？
ステップ2。 因子が連続的でなく、2レベルのカテゴリである場合は、カスタム設計を使用します。
DoEの標準的なアプローチは、スクリーニング（主な効果）を行い、拡張を行って高次の効果を追加することだと思います。
ただし、ここラボではDoEプロトコルを簡略化したいと思います。 ほとんどの場合、6ファクター以下しかありません。 カスタムデザインを使用してスクリーニング（主効果のみ）を行わずに、最適化を直接進めることはできますか？
どちらの方法でも長所と短所は何ですか？
最後に、私はカテゴリ数値と離散数値と混同しています。 詳細に例を挙げていただけますか？ 評価はカテゴリ別ですか？ 1、3、および5にしか設定できない機器がありますが、これはカテゴリ別の数値ですか、それとも離散的な数値ですか？
ありがとうございました
ありがとうございました。
DOERe：DoEの手順を簡素化するこんにちは@ Alainmd02 、
すべてのユースケースに最適なデザインはないと思います。それぞれのユースケースに最も関連性の高いデザインを選択して作成するのは困難です。 DSDは効果的なスクリーニング設計ですが、最適性基準をD-OptimalまたはAlias-Optimalに設定して、直接カスタム設計を使用することで、許容できる（またはより良い）他のソリューションを見つけることができるかもしれません。 設計の選択は、因子の数とタイプにも依存します。因子の数が5を超え、最大のカテゴリ因子が1つまたは2つある場合、DSDを検討するのは興味深いかもしれません。 5つ未満の要素、または2つを超えるカテゴリの要素がある場合は、カスタム設計が最適な方法となる可能性があります。
あなたの質問のために：
-> DSDは、2レベルのカテゴリ要因のみを処理でき、3レベルのカテゴリは許可されません。
->重要な要素のみを拡張するため、拡張は賢明な方法かもしれません。 すべてを一度に実行しようとすると、拡張方法と比較して、（主効果、交互作用、およびおそらく2次効果を含む完全なモデルを構築することを期待しているため）さらにいくつかの実験が行われる可能性があります。 実験数の差がそれほど大きくない場合、これはより単純にするための小さな代償かもしれません。 また、新しいOMARS設計は、DSDと完全なRSM設計の間の妥協点と見なすことができますか？
->要因の種類についての適切な説明については、DoEに関するSTIPSコースが役立つ場合があります。
非常に簡単に言えば、カテゴリの要素がある場合、目標は入力したオプションのセットからレベルを選択することです。 カテゴリ因子に対して2次効果を与えることはできず、主効果と交互作用のみを与えることができます。 カテゴリ係数のNレベルの場合、主な効果を推定するためのN-1係数があります。 カテゴリ効果の例は次のとおりです。演算子（演算子1、演算子2、演算子3 ...）、試薬の化学的性質、..。 数字で説明されていないもの。
個別の数値は数値です。唯一の制約は、2つの数値の間に値を設定できないことです。 この場合、1、3、または5に設定できる機器を使用して、これら3つのパラメーターのいずれかを選択できますが、たとえば2,244434は選択できません。 いくつかの個別の数値がある炉の温度の同じ例では、温度を180、200、または220°Cに設定できますが、195または210°Cには設定できません。離散数値因子の場合、連続数値因子の場合と同じように、主効果、交互作用、2次効果を推定できます。
評価の「性質」に応じて、さまざまなタイプの応答と見なすことができます。
-生徒と教師にとって、メモは継続的な応答である可能性が高くなります。
-評価がコテーションのようなものである場合（1：非常に良い、2：良い、3：平均/中立、4：悪い、5：非常に悪い）、離散数値です。
-評価がA、B、C、...のような場合、応答はカテゴリに分類されます。
JMP 17では、新しいモジュールが同僚にとって非常に役立つと思います。これは「Easy DoE」と呼ばれ、要素の種類、考慮すべき設定...は、最終的な設計構築まで段階的に説明されます。
この回答がお役に立てば幸いです。 
Re：DoEの手順を簡素化するあなたがやろうとしていることは理解していますが、適切な選択（質問に答えるための最も効果的で効率的な設計の選択）のプロセスを単純化しすぎている可能性があります。 使用する適切なツールを選択する際に考慮すべきことがたくさんあります。 私が強調しているのは、ツールの選択をガイドする一連の状況診断を開発することです。 状況を理解していないと、実験計画が不十分になる可能性があります。 アナロジー：あなたのDOE戦略は、DSDをハンマーで使用することですが、カットしたいのです。 すべての状況に適した戦略はありません。
適切な設計を選択するのに役立つ基準の簡略リストを次に示します。
- 制約：時間、お金、材料の入手可能性、測定/機器の能力など。 何回の治療できる作られる（これはおそらく交渉される必要があるだろう）？
- 操作する要素の数（比較する仮説の数）はいくつですか？
- ノイズはどのように管理または分割されますか（繰り返し、RCBD、BIB、分割プロット、共変量...）？
- 一部の要素は他の要素よりも変更が難しいですか？ランダム化に他の制限はありますか？
- 推定したい優先効果（以下を参照）は何ですか？
- 高次の影響が疑われる/予測されていますか（相互作用、曲率など）？
- 望ましい解像度は何ですか？ （どのような効果を推定/分離したいですか？）
- どの次数の多項式が必要ですか？
私見、要因の種類は実験の選択とは関係がなく、実験の分析方法（どのモデルまたは分析プラットフォーム）と関係があります
Re：DoEの手順を簡素化する追加します@statmanこの主題は深く、教科書やコースで十分にカバーされており、そこからあなたの地域の研究者にどのように進めるかを教える方法のアイデアを集めることができます。 統計書はしばしば「悪いラップ」を取得しますが、DOEに関する本は非常に優れています（よく書かれ、理解しやすく、実用的で、実用的など）。 この方法でさらに学習することに興味がある場合は、お知らせください。 お客様のニーズに合わせて本をご提案いたします。
JMPが提供するDOEに関するトレーニングもあり、JMPを使用しているため、原則と実践的なスキルを習得できます。 実際には、クラスがあります2週間で。
Re：DoEの手順を簡素化する私は次のことを明確にしたい：
1日 私はDSDを使用すると言いました因子は連続的で2レベルのカテゴリです。ただし、因子に線形不等式制約がある場合、または因子レベルの組み合わせが許可されていない場合、このツールは適切ではありません。 私はそれがすべての状況に適切であるとは言いませんでした。
DSDはあなたのポイント番号1（制約）に答えます。 他の設計よりも効率的であるため、時間、費用、および材料の入手可能性。 状況に適している場合は、DSDを使用してください。
2位。いずれかの基準がDSDに一致しない場合。 それなら、万能のカスタムデザインが最適だと思います。
スクリーニング段階で、2因子交互作用を追加することをお勧めしますか、それとも主効果はすでに十分ですか？
または主効果のみでエイリアスを最適化しますか？ 私がいつもお金などを持っているとしたら、それを行うための最良の方法は何ですか？
時間、お金などを考えると。いつもお勧めしますかリピート、RCBD、BIB？
分割プロットは、変更が難しい要因に使用されます。
実際、私は共変量因子をいつ使用するかを完全には理解していません。
ノイズを除去したことをどうやって知ることができますか？
3位スクリーニング段階の後。 私はすでに重要な要因を知っているので。 Augment Designを使用して、プロセス因子の2因子交互作用および/または2次関数、混合/定式化の3次効果（3因子交互作用および3次）などの高次効果を追加できます。
私がすでに重要な要因を知っているなら。 スクリーニング段階をスキップして、2因子交互作用、プロセス因子の2次効果、混合/配合の3次効果を追加して直接進みます。
レバレッジ/安定性、測定の不確かさ、平均/変動について教えてください。
どうもありがとうございます ：）
Re：DoEの手順を簡素化するこんにちは@Victor_G
包括的なアドバイスをありがとうございます。 OMARSは面白いです!!!
