哪種設計最合適各位，
我想要執行 DoE 以優化提取產量。 我有 7 個連續因子和 1 個離散因子。 我的想法是從篩選設計開始，選擇最重要的因素，然後繼續回應。
我不知道怎麼做實驗最適合？什麼樣的篩選設計和什麼樣的響應面適合？
我將不勝感激任何想法和建議
非常感謝
哪種設計最合適
實驗設計回覆：哪種設計最合適JMP 線上點播網路研討會庫是一個不錯的起點。 許多網路研討會都討論了 DOE 和優化設計策略。
回覆：哪種設計最合適我的一些想法雖然皮特和馬克提供了很好的建議。
不是細微差別因素， 但噪音因素（無論出於何種原因（成本/便利性/技術無能力），您決定不控制未來的變數）。 沒有噪音是不可能的！ 例如：化學品的批次差異、環境條件、測量誤差、操作員技術等。 當您不了解噪音時，（我）不建議運行優化設計。 這是一個推理空間問題。 如果您在一組條件（例如，材料批次）下進行最佳化，並且這些條件將來會發生變化，那麼您的模型就不再有用。 有沒有想過為什麼我們不斷優化卻永遠無法實現？
「只有透過對主題的了解，並可能在進一步的實驗的幫助下，覆蓋更廣泛的條件，人們才能決定未來的環境條件是否足夠接近相同，儘管有犯錯的風險。就像今天一樣，允許使用手頭的結果。” ——W·愛德華茲·戴明
「阻止你能阻止的，隨機化你不能阻止的」GEP 盒子
我不會在這裡爭論使用 DSD 或任何最優設計的適當性，但我建議您認識到您將進行迭代。 保持簡單和順序（KISS）。 我的建議是設計多種的實驗，考慮：將會分離什麼，什麼會被混淆，什麼會被限制。 將此與您認為自己知道的知識以及您需要獲得哪些知識才能有效地進行比較（獲得知識的潛力與消耗的資源）。 預測所有可能的結果，然後選擇與您的知識/資源比較相符的結果。
我更喜歡 Box 的 RSM，它不進行單一的中心複合設計，而是將連續的實驗添加到一起以繪製表面。
如果你要施加限制，那麼你就陷入了分裂的世界。
沒有人知道正確的實驗（“你要設計的最好的設計就是你運行它後設計的設計”羅斯）。 設計選擇取決於具體情況，老實說，您沒有提供足夠的資訊來提供建議。 也要意識到，無論你選擇的實驗是否得到你想要的東西，你都會學到一些東西（也許，事後，我們可以告訴你它死於什麼）。
回覆：哪種設計最合適我應該閱讀一些關於 D 最優設計的內容。 您有一些有用的連結我可以查看嗎？
回覆：哪種設計最合適如果沒有系統效應的先驗知識，就不可能「確定」稀疏效應是否成立。 我知道如何以任何程度的確定性「了解」的唯一方法就是透過實驗本身。 您可能對 DSD 和沒有大多數兩個因素和更高影響的系統感到「滿意」。 您仍然沒有回答我關於關注主效應的 D 最優設計的問題。 如果您的重點是真正篩選主效應，那麼您可以採用比 DSD 小得多的設計。 然後在後續實驗中將更多預算花在 RSM 方法上。 最後一個問題是不允許的組合...DSD 確實強制您運行所有規定的治療組合。 如果有任何可能危險的組合，您知道在第一原則的基礎上「不起作用」…那麼 D - 最佳設計可以適應不允許的組合。 只是需要考慮的事情。
回覆：哪種設計最合適@P_巴特爾效應稀疏性原理斷言，反應中的大部分變化可以透過相對較少的效應來解釋。 如何確定這是成立的？我只確定三階互動和一些雙向互動在我的系統中處於非活動狀態。
沒有細微差別的因素
我同意你所說的，“事實上，我認為解決該問題的另一種方法是運行您的第一個設計……無論那是什麼……」這就是為什麼我想聽聽您對從 DSD 開始的想法。 然而，我對隨機化有一個限制，因為將溫度（我的因素之一）從最大值更改為最小值需要時間。 DSD中如何處理這個問題？
先致謝
回覆：哪種設計最合適最終篩選設計很有可能成為您最好的初步實驗…但速度不會那麼快。 我有點擔心您對系統內保持稀疏性效果缺乏信心。 DSD 確實依賴此屬性的存在。 還有其他問題您尚未回答。 例如，隨機化是否有任何限制可能使區組或裂區類型設計變得合適？ 是否存在可能適合協變量或阻塞的干擾因素？ 我的最後一個問題是，您是否研究過 D 最佳化設計（與 DSD 相比，它更受模型驅動）？ D - 最優設計也可用於篩選目的。 也許僅由主效應模型驅動的 D - 識別主動主效應的最佳設計也可能是一種方法？ 太多懸而未決的問題……沒有人能回答“或者DSD足以進行篩選和優化？”問題。 事實上，我認為解決該問題的另一種方法是運行您的第一個設計...無論那是什麼...如果結果足以解決您的實際問題...那麼為什麼要進行進一步的實驗呢？ 我的猜測是還有其他更迫切的問題可以解決嗎？
回覆：哪種設計最合適多謝， @P_巴特爾和@馬克貝利供您回饋
確實，這是我第一次接觸 DoE，但我做了很多閱讀，包括 JMP 平台上建議的課程。 正如我所說，我的目標是優化提取產量，我已經7 個連續因子和 1 個離散因子。 在不同層面上測試儀器經驗的可行性，然後確定研究領域。
我短暫旅程的結局正如你所說@馬克貝利使用 DSD。 DSD 還可以確定二次效應，我可以獲得一些響應曲面圖，並且只需要 21 次經驗（包括 JMP 建議的 4 次運行）。
但我對 DSD 有點迷失，這只是一個篩選設計，我稍後需要轉發響應面設計嗎？ 還是DSD足以進行篩選和優化？
的確我不知道我的一半以上因素是否不活躍（這同樣是 DSD 的條件）
回覆：哪種設計最合適當你準備好時（即，你覺得你的背景很舒服），那麼我建議使用最終篩選設計為您的第一次實驗提高產量。
回覆：哪種設計最合適我假設您對 DOE 知之甚少，經驗為零甚至很少。 如果我的假設是正確的，那麼我會暫停並直接運行 SAS「工業問題解決統計」並完成與資料分析和 DOE 相關的所有模組（如果您也是 JMP 新手，則完成整個課程）。 在選擇適當的設計和分析途徑之前，需要解決很多很多問題……在我看來，在這樣的論壇上回答太多了。
這是課程的連結：解決工業問題的統計
