Ich bin ein relativer Neuling in der Verwendung von DOE in Forschung und Entwicklung: Ich war lange Zeit skeptisch, habe aber vor kurzem die RIESIGE Leistung erkannt, die es bietet, und habe JMP als Werkzeug meiner Wahl angenommen. Während ich lernte, wie man DOE-Methoden anwendet, bin ich zu der Ansicht gelangt, dass ihre bevorzugte Implementierung eine Art „Bottom-up“-Ansatz ist: Wir beginnen damit, ALLE Faktoren zu identifizieren, die zu einem gemessenen Ergebnis beitragen könnten, und erstellen dann ein Design, das es uns ermöglicht, die Auswirkungen jedes Faktors zu überprüfen und die kritischsten zu identifizieren. Wir können ein Modell generieren, um das interessierende System darzustellen, indem wir Faktoren, die keinen wesentlichen Beitrag leisten, aus diesem Modell herausnehmen und unser Modell dann mit diesen Treibern verfeinern. Es scheint mir, dass wir gelegentlich feststellen werden, dass unser Modell unsere Beobachtungen NOCH nicht gut wiedergibt – und vielleicht haben wir den einen oder anderen Faktor übersehen. Wir können dies beheben, indem wir unser Modell erweitern. Für ein komplexes System mit einem Bündel von Faktoren ergibt dieser herkömmliche Ansatz eine große Testmatrix. Ich weiß, dass ich die Größe dieser Matrix reduzieren kann, indem ich fraktionale Fakultäten und benutzerdefinierte / optimale Designs verwende. Für einen skeptischen Kunden UND ein komplexes System ist dies immer noch ein harter Verkauf. Aber: Ist es notwendigerweise etwas SCHLECHTES daran, mit einem „Top-down“-Ansatz zu beginnen? Könnten wir unser Fachwissen nutzen, um einige wenige Faktoren zu identifizieren, von denen wir glauben, dass sie die Leistungstreiber sind, und damit eine Testmatrix und dann ein statistisches Modell der beobachteten Daten? Wenn dies zu einer guten Übereinstimmung der beobachteten Daten führt, dann GROSSARTIG. Aber wenn dieses Modell die Beobachtungen nicht angemessen berücksichtigt, dann könnten wir diesen offensichtlichen Mangel im Modell nutzen, um es zu verbessern, indem wir zusätzliche Faktoren einbeziehen (einige von dem großen Bündel, das wir zu Beginn beiseite gelegt hatten …) und mehr testen? Würde die Mathematik von „Top-Down“- und „Bottom-Up“-Ansätzen nicht dazu neigen, auf dasselbe Modell zu konvergieren? Oder ist meine Vorstellung von einem „Top-down“-Ansatz wirklich nur eine Variation eines individuellen Designs?
