回复：自定义 DOE - 分类和混合因素的最佳方法莎拉，欢迎来到社区。 不幸的是，没有足够的上下文来提供具体的建议。 对于您和一些一般性建议，我的问题多于答案……没有最好的实验可以运行。 “你设计的最好的设计是你在运行它之后设计的设计”。 我建议开发多个实验并预测您可以从每个实验中学到什么，并将其与每个实验所需的资源进行对比。 我还建议采用迭代方法进行实验。 KISS（保持简单和连续）。 不要试图在一次实验中学习所有内容并进行优化。 相反，首先要确定什么是重要的，什么不是，并确保您的测量系统是充分的，以此来增长您的知识。 考虑效果的层次结构。 然后你就可以开始思考应该在哪里设置重要因素了。
一些问题/意见给你：
1. 质疑测量系统。 他们能多精确地测量营养价值和盐分？ 您将对味觉和嗅觉进行感官测量（有序数据集，如一些享乐量表）。 您将如何解释评估员内部和之间的差异？ 你将如何解释评估者的偏见？
2. 我不明白这两个分类因素？ 什么是“质地”因素？ 你在批次中添加一些东西吗？ 什么？ 什么是“香气”？ 质地和香气听起来像是响应变量，而不是 X。 为什么你的第一个实验是 3 级？
3. 混合设计是我认为的优化实验。 你准备好了吗？ 假设当前流程是分批执行的。 批次内、批次间或测量变异的哪些变异成分最显着？ 如果您的批次间存在显着差异，您应该在优化 1 批次的成分之前找出原因。
4. mixture下的第二个bullet我没看懂？ 如果有 2 个值，则它不能是常量。
5.你了解过程中的噪音吗？ 例如：水质、批次的均匀性、环境条件、成分的批次间差异、日常差异等。
6. 你明白repeats和replicates的区别吗？
回复：自定义 DOE - 分类和混合因素的最佳方法非常感谢您的回答和我在下面回复的相关问题（斜体字). 抱歉，信息不够准确！
有关更多上下文：我们想调查汤中各种块的不同数量。 共有三种不同口味的汤，它们都有相同的汤块（鸡肉、豆类等）。 我们已经有了一些厨师根据特定食谱制作的版本，现在我们想研究在不降低可接受的感官特性的情况下，我们可以在多大程度上推动营养方面的发展。
1. 质疑测量系统。 他们能多精确地测量营养价值和盐分？ 您将对味觉和嗅觉进行感官测量（有序数据集，如一些享乐量表）。 您将如何解释评估员内部和之间的差异？ 你将如何解释评估者的偏见？
评估员将接受培训以减少这种偏见。 我们将包括一个阻止因素，用于感官会话（天）之间的差异。 我们将准确计算营养（使用外部实验室）。
2. 我不明白这两个分类因素？ 什么是“质地”因素？ 你在批次中添加一些东西吗？ 什么？ 什么是“香气”？ 质地和香气听起来像是响应变量，而不是 X。 为什么你的第一个实验是 3 级？
纹理类别指的是这样一个事实，即我们要么将一个版本的成分留在大块中，另一个版本将混合在一起。 内容将是相同的。
香气类别-三种不同风味的液基（等量）-鸡肉/蔬菜/椰子
3. 混合设计是我认为的优化实验。 你准备好了吗？ 假设当前流程是分批执行的。 批次内、批次间或测量变异的哪些变异成分最显着？ 如果您的批次间存在显着差异，您应该在优化 1 批次的成分之前找出原因。
我们已经通过焦点小组、测试和厨师创作在一定程度上“优化”了我们的食谱。 我们现在想通过查看我们可以在多大程度上增加（蛋白质）或减少（盐）某些成分而不影响感官特性来优化营养成分。
我们有这些食谱的“参考”版本，它们将作为各种感官特征所需水平的指南（因此我们的目标是研究在不降低可接受的味道和质地的情况下，我们可以使用多少额外的蛋白质和多少盐）。
我们有三类具有不同液体基料的汤，我们想测试成分块如何与不同液体相互作用，从而测试三种香气类别。
4. mixture下的第二个bullet我没看懂？ 如果有 2 个值，则它不能是常量。
我已经删除了这个元素。 所有混合因子现在都是可变的（我随后也删除了线性约束）。
5.你了解过程中的噪音吗？ 例如：水质、批次的均匀性、环境条件、成分的批次间差异、日常差异等。
我们正努力将噪音降到最低——训练感官评估员、为日期的变化设置阻塞、所有要测试的食谱的一次生产等。
6. 你明白repeats和replicates的区别吗？
我没有，但我现在做了！
根据您的意见，我调整了自定义 DoE（附 pdf 文件）。 在模型评估部分，它指出香气 1 和香气 2 - 这是因为我有三个分类级别吗？
回复：自定义 DOE - 分类和混合因素的最佳方法我会用蓝色提供一些进一步的想法，你可以选择忽略它们。
有关更多上下文：我们想调查汤中各种块的不同数量。 共有三种不同口味的汤，它们都有相同的汤块（鸡肉、豆类等）。 我们已经有了一些厨师根据特定食谱制作的版本，现在我们想研究在不降低可接受的感官特性的情况下，我们可以在多大程度上推动营养方面的发展。
我很困惑，一方面你表明你已经优化了（“我们已经通过焦点小组、测试和厨师创作在一定程度上“优化”了我们的食谱。”）...恕我直言，这就是为什么你想在迭代（多变量）时评估多个 Y。 按顺序追求不同的 Y 可能是无效且低效的挑战。
1. 质疑测量系统。 他们能多精确地测量营养价值和盐分？ 您将对味觉和嗅觉进行感官测量（有序数据集，如一些享乐量表）。 您将如何解释评估员内部和之间的差异？ 你将如何解释评估者的偏见？
评估员将接受培训以减少这种偏见。 我们将包括一个阻止因素，用于感官会话（天）之间的差异。 我们将准确计算营养（使用外部实验室）。
恕我直言，训练可能有助于保持一致性，但可能不会影响感官偏差。 减轻感官偏差的关键是从评估中去除情绪。 例如，不要问你喜欢哪一个？相反，使用你的专业厨师，创建代表某种顺序尺度（至少 5 个类别）的样本，然后询问它匹配哪一个。 将样本发送到外部实验室并不能保证测量结果有用。 与实验设计目的的准确性相比，您更关心精度（您希望测量系统的变化更小）。 我会要求实验室对相同的样本进行多次测试。
2. 我不明白这两个分类因素？ 什么是“质地”因素？ 你在批次中添加一些东西吗？ 什么？ 什么是“香气”？ 质地和香气听起来像是响应变量，而不是 X。 为什么你的第一个实验是 3 级？
纹理类别指的是这样一个事实，即我们要么将一个版本的成分留在大块中，另一个版本将混合在一起。 内容将是相同的。
香气类别-三种不同风味的液基（等量）-鸡肉/蔬菜/椰子
好的，所以这些因素的名称参考了您实际更改的内容（块大小和风味）。 我认为您可能会考虑阻止基础（风味），因为这些可能会产生截然不同的感官反应。
3. 混合设计是我认为的优化实验。 你准备好了吗？ 假设当前流程是分批执行的。 批次内、批次间或测量变异的哪些变异成分最显着？ 如果您的批次间存在显着差异，您应该在优化 1 批次的成分之前找出原因。
我们已经通过焦点小组、测试和厨师创作在一定程度上“优化”了我们的食谱。 我们现在想通过查看我们可以在多大程度上增加（蛋白质）或减少（盐）某些成分而不影响感官特性来优化营养成分。
后视是 20/20。 我会建议将这些包含在您最初的配方实验中。
我们有这些食谱的“参考”版本，它们将作为各种感官特征所需水平的指南（因此我们的目标是研究在不降低可接受的味道和质地的情况下，我们可以使用多少额外的蛋白质和多少盐）。
使用这些“参考版本”来创建您的顺序量表。
我们有三类具有不同液体基料的汤，我们想测试成分块如何与不同液体相互作用，从而测试三种香气类别。
我不确定我是否理解为什么汤的稠度（厚实度）会与味道相互作用（或者为什么你会关心），但是如果你阻止味道，你可以通过因素相互作用来估计块。 我想我更多地考虑的是你会如何通过块交互来了解风味知识......对我来说你需要为每种风味提供不同的模型......这将是阻止风味的优势...... .这就像对可以比较的相同因素进行 3 次独立实验。
4. mixture下的第二个bullet我没看懂？ 如果有 2 个值，则它不能是常量。
我已经删除了这个元素。 所有混合因子现在都是可变的（我随后也删除了线性约束）。
5.你了解过程中的噪音吗？ 例如：水质、批次的均匀性、环境条件、成分的批次间差异、日常差异等。
我们正努力将噪音降到最低——训练感官评估员、为日期的变化设置阻塞、所有要测试的食谱的一次生产等。
这不是你应该做的。 您想要创建一个代表未来条件的设计空间。 消费者的感官认知不同，生产工艺不同，原料成分不同等。
实验条件的精确标准化常常被轻率地提倡为灵丹妙药，但它始终伴随着真正的缺点，即高度标准化的实验仅提供与标准化所达到的狭窄条件范围相关的直接信息。因此，标准化削弱而不是加强我们推断类似结果的基础，而在实践中总是如此，这些条件有所不同。
RA Fisher (1935)，实验设计（第 99-100 页）
6. 你明白repeats和replicates的区别吗？
我没有，但我现在做了！
根据您的意见，我调整了自定义 DoE（附 pdf 文件）。 在模型评估部分，它指出香气 1 和香气 2 - 这是因为我有三个分类级别吗？
我在这里不遵循你的逻辑？ 虽然我注意到你使用法语而我不使用。
自定义 DOE - 分类和混合因子的最佳方法我正在做一个定制的 DOE，如果有任何关于创建最佳配方的提示或指示，我将不胜感激。
是否有比构建的方法更好的 DOE 方法，或其他需要牢记的因素？
回应:
- 最大化不同的营养价值
- 尽量减少盐的用量
- 达到味觉和嗅觉评分目标
因素:
- 分类 –> 纹理 2 级：T1 / T2
- 分类 --> 香气 3 级：A1/ A3/ A3
- 混合物
- 不同成分：C1 / C2 / C3 / C34
- 成分不变（调味液体）。 我注意到它有两个不同的值，尽管它在模型中是常量，因为 JMP 只接受两个不同的值
- 水——当恒定成分和变化成分的总和小于 100 克时，将包括该因素。
- 阻塞：面板测试天数之间的差异（6 个要测试的配方/天）
定义线性约束：
- 添加两条线以保持恒定成分（液体= 69.6% ) 和可变成分 (C1 /C2 /C3 / C4 =30.4% )
模型:
- 还选择了二级交互。 为了避免模型奇异性，必须任意删除“模型”参数中的一个成分。
- 除去水和调味液体。 涉及水或碱的二级相互作用也被移除（以减少运行次数，并且因为我们对主要成分的影响更感兴趣）
- 别名——所有二级交互
- 可能的最大运行次数 = 50，对于上述模型，建议的运行次数 = 48（所以一切都很好）。
运行示例：
问题:
- 如何最好地确定集中运行和重复运行的次数？
- 我如何解释别名和诊断？
是否有比构建的方法更好的 DOE 方法，或其他需要牢记的因素？
非常感谢对我的第一个 DOE 的任何帮助或见解！
实验设计
