哪种设计最合适各位，
我想要执行 DoE 以优化提取产量。 我有 7 个连续因子和 1 个离散因子。 我的想法是从筛选设计开始，选择最重要的因素，然后继续响应面。
我不知道怎样做实验最合适？哪种筛选设计和哪种响应面适合？
我将不胜感激任何想法和建议
非常感谢
哪种设计最合适
实验设计回复：哪种设计最合适JMP 在线点播网络研讨会库是一个不错的起点。 许多网络研讨会都讨论了 DOE 和优化设计策略。
回复：哪种设计最合适我的一些想法虽然皮特和马克提供了很好的建议。
不是细微差别因素， 但噪音因素（无论出于何种原因（成本/便利性/技术无能力），您决定不控制未来的变量）。 没有噪音是不可能的！ 例如：化学品的批次差异、环境条件、测量误差、操作员技术等。 当您不了解噪音时，（我）不建议运行优化设计。 这是一个推理空间问题。 如果您在一组条件（例如，材料批次）下进行优化，并且这些条件将来会发生变化，那么您的模型就不再有用。 有没有想过为什么我们不断优化却永远无法实现？
“只有通过对主题的了解，并可能在进一步的实验的帮助下，覆盖更广泛的条件，人们才能决定未来的环境条件是否足够接近相同，尽管存在犯错的风险。就像今天一样，允许使用手头的结果。” ——W·爱德华兹·戴明
“阻止你能阻止的，随机化你不能阻止的”GEP 盒子
我不会在这里争论使用 DSD 或任何最优设计的适当性，但我建议您认识到您将进行迭代。 保持简单和顺序（KISS）。 我的建议是设计多种的实验，考虑：将会分离什么，什么会被混淆，什么会被限制。 将此与您认为自己知道的知识以及您需要获取哪些知识才能有效地进行比较（获得知识的潜力与消耗的资源）。 预测所有可能的结果，然后选择与您的知识/资源比较相匹配的结果。
我更喜欢 Box 的 RSM，它不进行单一的中心复合设计，而是将连续的实验添加到一起以绘制表面。
如果你要施加限制，那么你就陷入了分裂的世界。
没有人知道正确的实验（“你要设计的最好的设计就是你运行它后设计的设计”罗斯）。 设计选择取决于具体情况，老实说，您没有提供足够的信息来提供建议。 还要意识到，无论你选择的实验是否能得到你想要的东西，你都会学到一些东西（也许，事后分析，我们可以告诉你它死于什么）。
回复：哪种设计最合适我应该阅读一些有关 D 最优设计的内容。 您有一些有用的链接我可以查看吗？
回复：哪种设计最合适如果没有系统效应的先验知识，就不可能“确定”稀疏效应是否成立。 我知道如何以任何程度的确定性“了解”的唯一方法就是通过实验本身。 您可能对 DSD 和没有大多数两个因素和更高影响的系统感到“满意”。 您仍然没有回答我关于关注主效应的 D 最优设计的问题。 如果您的重点是真正筛选主效应，那么您可以采用比 DSD 小得多的设计。 然后在后续实验中将更多预算花在 RSM 方法上。 最后一个问题是不允许的组合...DSD 确实强制您运行所有规定的治疗组合。 如果存在任何可能危险的组合，您知道在第一原则的基础上“不起作用”……那么 D - 最佳设计可以适应不允许的组合。 只是需要考虑的事情。
回复：哪种设计最合适@P_巴特尔效应稀疏性原理断言，响应中的大部分变化可以通过相对较少的效应来解释。 如何确定这是成立的？我只确定三阶交互和一些双向交互在我的系统中处于非活动状态。
没有细微差别的因素
我同意你所说的，“事实上，我认为解决该问题的另一种方法是运行您的第一个设计……无论那是什么……”这就是为什么我想听听您对从 DSD 开始的想法。 然而，我对随机化有一个限制，因为将温度（我的因素之一）从最大值更改为最小值需要时间。 DSD中如何处理这个问题？
提前致谢
回复：哪种设计最合适最终筛选设计很有可能成为您最好的初始实验……但速度不会那么快。 我有点担心您对系统内保持稀疏性效果缺乏信心。 DSD 确实依赖于此属性的存在。 还有其他问题您尚未回答。 比如，随机化是否有任何限制可能使区组或裂区类型设计变得合适？ 是否存在可能适合协变量或阻塞的干扰因素？ 我的最后一个问题是，您是否研究过 D 优化设计（与 DSD 相比，它更受模型驱动）？ D - 最优设计也可用于筛选目的。 也许仅主效应模型驱动的 D - 识别主动主效应的最佳设计也可能是一种方法？ 太多悬而未决的问题……没有人能回答“或者DSD足以进行筛选和优化？”问题。 事实上，我认为解决该问题的另一种方法是运行您的第一个设计...无论是什么...如果结果足以解决您的实际问题...那么为什么要进行进一步的实验呢？ 我的猜测是还有其他更紧迫的问题可以解决吗？
回复：哪种设计最合适多谢， @P_巴特尔和@马克贝利供您反馈
确实，这是我第一次接触 DoE，但我做了很多阅读，包括 JMP 平台上建议的课程。 正如我所说，我的目标是优化提取产量，我已经7 个连续因子和 1 个离散因子。 在不同层面上测试仪器经验的可行性，然后确定研究领域。
我短暂旅程的结局正如你所说@马克贝利使用 DSD。 DSD 还可以确定二次效应，我可以获得一些响应曲面图，并且只需要 21 次经验（包括 JMP 建议的 4 次运行）。
但我对 DSD 有点迷失，这只是一个筛选设计，我稍后需要转发响应面设计吗？ 或者DSD足以进行筛选和优化？
的确我不知道我的一半以上因素是否不活跃（这同样是 DSD 的一个条件）
回复：哪种设计最合适当你准备好时（即，你觉得你的背景很舒服），那么我建议使用最终筛选设计为您的第一次实验提高产量。
回复：哪种设计最合适我假设您对 DOE 知之甚少，经验为零甚至很少。 如果我的假设是正确的，那么我会暂停并直接运行 SAS“工业问题解决统计”并完成与数据分析和 DOE 相关的所有模块（如果您也是 JMP 新手，则完成整个课程）。 在选择适当的设计和分析途径之前，需要解决很多很多问题……在我看来，在这样的论坛中太多问题无法回答。
这是课程的链接：解决工业问题的统计
