Re: DoE 増強最適計画についてもっと理解したい人には、Goos と Jones による Optimal Design of Experiments: A Case Study Approach をお勧めします。 この本には、RSM とオーグメンテーションに関するケース スタディが含まれています。 チャプターを無料でダウンロードできますここ.
Re: DoE 増強やあ、
オプション 1 は、「古典的」または「教科書的」アプローチです。 これは、実験を設計 (および増強) するためのコンピューティングとソフトウェアが利用できなかったときの一般的なアプローチです。
オプション 2 は、「最適」または「カスタム」アプローチです。 これは、目的を達成し、問題を解決するための適切な実験を設計できるため、JMP が推奨するアプローチです。
したがって、オプション 1 とオプション 2 の選択は、従来のアプローチと最適なアプローチの選択であり、過去数十年にわたって何度も何度も議論されてきました。
古典的なアプローチが試され、テストされています。 それらは一般的に理解しやすいです。
古典的な設計は最適であるため、古典的なアプローチと最適なアプローチは、多くの場合、同じ設計 (または拡張設計) に収束します。
最適なアプローチにより、柔軟性が向上します。 実行回数を決めることができます。 いくつかの因子について二次項のみを推定したいと決めることができます。 または、考えられる交互作用の一部のみを推定することもできます。 因子範囲を制約し、因子空間の特定の領域を除外できます。
オプション 1 では、曲率をモデル化するという目的を達成できます。 オプション 2 も機能し、そこに到達する方法の柔軟性が高まります。
それが役立つことを願っています、
フィル
DoE の拡張カスタム設計プラットフォームを介して主効果スクリーニング設計を行っています。 次に、曲率をモデル化するためにデザインを拡張する必要があります。 2 つのオプションがあるようです: (1) 中心点とともに軸点を追加する、および (2) Augment ボタンを使用して RSM を選択し、交互作用と二次項を追加します。
オプション 1 は中央複合設計用のようです。 モデルの曲率をモデル化するために上記のオプション 1 またはオプション 2 を使用する特別な理由があるかどうか、どなたか教えていただけますか? ありがとう。
実験計画法
