回复：自定義 DOE - 分類和混合因素的最佳方法莎拉，歡迎來到社區。 不幸的是，沒有足夠的上下文來提供具體的建議。 對於您和一些一般性建議，我的問題多於答案……沒有最好的實驗可以運行。 “你設計的最好的設計是你在運行它之後設計的設計”。 我建議開發多個實驗並預測您可以從每個實驗中學到什麼，並將其與每個實驗所需的資源進行對比。 我還建議採用迭代方法進行實驗。 KISS（保持簡單和連續）。 不要試圖在一次實驗中學習所有內容並進行優化。 相反，首先要確定什麼是重要的，什麼不是，並確保您的測量系統是充分的，以此來增長您的知識。 考慮效果的層次結構。 然後你就可以開始思考應該在哪裡設置重要因素了。
一些問題/意見給你：
1. 質疑測量系統。 他們能多精確地測量營養價值和鹽分？ 您將對味覺和嗅覺進行感官測量（有序數據集，如一些享樂量表）。 您將如何解釋評估員內部和之間的差異？ 你將如何解釋評估者的偏見？
2. 我不明白這兩個分類因素？ 什麼是“質地”因素？ 你在批次中添加一些東西嗎？ 什麼？ 什麼是“香氣”？ 質地和香氣聽起來像是響應變量，而不是 X。 為什麼你的第一個實驗是 3 級？
3. 混合設計是我認為的優化實驗。 你準備好了嗎？ 假設當前流程是分批執行的。 批次內、批次間或測量變異的哪些變異成分最顯著？ 如果您的批次間存在顯著差異，您應該在優化 1 批次的成分之前找出原因。
4. mixture下的第二個bullet我沒看懂？ 如果有 2 個值，則它不能是常量。
5.你了解過程中的噪音嗎？ 例如：水質、批次的均勻性、環境條件、成分的批次間差異、日常差異等。
6. 你明白repeats和replicates的區別嗎？
回复：自定義 DOE - 分類和混合因素的最佳方法非常感謝您的回答和我在下面回复的相關問題（斜體字). 抱歉，信息不夠準確！
有關更多上下文：我們想調查湯中各種塊的不同數量。 共有三種不同口味的湯，它們都有相同的湯塊（雞肉、豆類等）。 我們已經有了一些廚師根據特定食譜製作的版本，現在我們想研究在不降低可接受的感官特性的情況下，我們可以在多大程度上推動營養方面的發展。
1. 質疑測量系統。 他們能多精確地測量營養價值和鹽分？ 您將對味覺和嗅覺進行感官測量（有序數據集，如一些享樂量表）。 您將如何解釋評估員內部和之間的差異？ 你將如何解釋評估者的偏見？
評估員將接受培訓以減少這種偏見。 我們將包括一個阻止因素，用於感官會話（天）之間的差異。 我們將準確計算營養（使用外部實驗室）。
2. 我不明白這兩個分類因素？ 什麼是“質地”因素？ 你在批次中添加一些東西嗎？ 什麼？ 什麼是“香氣”？ 質地和香氣聽起來像是響應變量，而不是 X。 為什麼你的第一個實驗是 3 級？
紋理類別指的是這樣一個事實，即我們要么將一個版本的成分留在大塊中，另一個版本將混合在一起。 內容將是相同的。
香氣類別-三種不同風味的液基（等量）-雞肉/蔬菜/椰子
3. 混合設計是我認為的優化實驗。 你準備好了嗎？ 假設當前流程是分批執行的。 批次內、批次間或測量變異的哪些變異成分最顯著？ 如果您的批次間存在顯著差異，您應該在優化 1 批次的成分之前找出原因。
我們已經通過焦點小組、測試和廚師創作在一定程度上“優化”了我們的食譜。 我們現在想通過查看我們可以在多大程度上增加（蛋白質）或減少（鹽）某些成分而不影響感官特性來優化營養成分。
我們有這些食譜的“參考”版本，它們將作為各種感官特徵所需水平的指南（因此我們的目標是研究在不降低可接受的味道和質地的情況下，我們可以使用多少額外的蛋白質和多少鹽）。
我們有三類具有不同液體基料的湯，我們想測試成分塊如何與不同液體相互作用，從而測試三種香氣類別。
4. mixture下的第二個bullet我沒看懂？ 如果有 2 個值，則它不能是常量。
我已經刪除了這個元素。 所有混合因子現在都是可變的（我隨後也刪除了線性約束）。
5.你了解過程中的噪音嗎？ 例如：水質、批次的均勻性、環境條件、成分的批次間差異、日常差異等。
我們正努力將噪音降到最低——訓練感官評估員、為日期的變化設置阻塞、所有要測試的食譜的一次生產等。
6. 你明白repeats和replicates的區別嗎？
我沒有，但我現在做了！
根據您的意見，我已經調整了自定義 DoE（在附件 pdf 中）。 在模型評估部分，它指出香氣 1 和香氣 2 - 這是因為我有三個分類級別嗎？
回复：自定義 DOE - 分類和混合因素的最佳方法我會用藍色提供一些進一步的想法，你可以選擇忽略它們。
有關更多上下文：我們想調查湯中各種塊的不同數量。 共有三種不同口味的湯，它們都有相同的湯塊（雞肉、豆類等）。 我們已經有了一些廚師根據特定食譜製作的版本，現在我們想研究在不降低可接受的感官特性的情況下，我們可以在多大程度上推動營養方面的發展。
我很困惑，一方面你表明你已經優化了（“我們已經通過焦點小組、測試和廚師創作在一定程度上“優化”了我們的食譜。”）...恕我直言，這就是為什麼你想在迭代（多變量）時評估多個 Y。 按順序追求不同的 Y 可能是無效且低效的挑戰。
1. 質疑測量系統。 他們能多精確地測量營養價值和鹽分？ 您將對味覺和嗅覺進行感官測量（有序數據集，如一些享樂量表）。 您將如何解釋評估員內部和之間的差異？ 你將如何解釋評估者的偏見？
評估員將接受培訓以減少這種偏見。 我們將包括一個阻止因素，用於感官會話（天）之間的差異。 我們將準確計算營養（使用外部實驗室）。
恕我直言，訓練可能有助於保持一致性，但可能不會影響感官偏差。 減輕感官偏差的關鍵是從評估中去除情緒。 例如，不要問你喜歡哪一個？相反，使用你的專業廚師，創建代表某種順序尺度（至少 5 個類別）的樣本，然後詢問它匹配哪一個。 將樣本發送到外部實驗室並不能保證測量結果有用。 與實驗設計目的的準確性相比，您更關心精度（您希望測量系統的變化更小）。 我會要求實驗室對相同的樣本進行多次測試。
2. 我不明白這兩個分類因素？ 什麼是“質地”因素？ 你在批次中添加一些東西嗎？ 什麼？ 什麼是“香氣”？ 質地和香氣聽起來像是響應變量，而不是 X。 為什麼你的第一個實驗是 3 級？
紋理類別指的是這樣一個事實，即我們要么將一個版本的成分留在大塊中，另一個版本將混合在一起。 內容將是相同的。
香氣類別-三種不同風味的液基（等量）-雞肉/蔬菜/椰子
好的，所以這些因素的名稱參考了您實際更改的內容（塊大小和風味）。 我認為您可能會考慮阻止基礎（風味），因為這些可能會產生截然不同的感官反應。
3. 混合設計是我認為的優化實驗。 你準備好了嗎？ 假設當前流程是分批執行的。 批次內、批次間或測量變異的哪些變異成分最顯著？ 如果您的批次間存在顯著差異，您應該在優化 1 批次的成分之前找出原因。
我們已經通過焦點小組、測試和廚師創作在一定程度上“優化”了我們的食譜。 我們現在想通過查看我們可以在多大程度上增加（蛋白質）或減少（鹽）某些成分而不影響感官特性來優化營養成分。
後視是 20/20。 我會建議將這些包含在您最初的配方實驗中。
我們有這些食譜的“參考”版本，它們將作為各種感官特徵所需水平的指南（因此我們的目標是研究在不降低可接受的味道和質地的情況下，我們可以使用多少額外的蛋白質和多少鹽）。
使用這些“參考版本”來創建您的順序量表。
我們有三類具有不同液體基料的湯，我們想測試成分塊如何與不同液體相互作用，從而測試三種香氣類別。
我不確定我是否理解為什麼湯的稠度（厚實度）會與味道相互作用（或者為什麼你會關心），但是如果你阻止味道，你可以通過因素相互作用來估計塊。 我想我更多地考慮的是你會如何通過塊交互來了解風味知識......對我來說你需要為每種風味提供不同的模型......這將是阻止風味的優勢...... .這就像對可以比較的相同因素進行 3 次獨立實驗。
4. mixture下的第二個bullet我沒看懂？ 如果有 2 個值，則它不能是常量。
我已經刪除了這個元素。 所有混合因子現在都是可變的（我隨後也刪除了線性約束）。
5.你了解過程中的噪音嗎？ 例如：水質、批次的均勻性、環境條件、成分的批次間差異、日常差異等。
我們正努力將噪音降到最低——訓練感官評估員、為日期的變化設置阻塞、所有要測試的食譜的一次生產等。
這不是你應該做的。 您想要創建一個代表未來條件的設計空間。 消費者的感官認知不同，生產工藝不同，原料成分不同等。
實驗條件的精確標準化常常被輕率地提倡為靈丹妙藥，但它始終伴隨著真正的缺點，即高度標準化的實驗僅提供與標準化所達到的狹窄條件範圍相關的直接信息。因此，標準化削弱而不是加強我們推斷類似結果的基礎，而在實踐中總是如此，這些條件有所不同。
RA Fisher (1935)，實驗設計（第 99-100 頁）
6. 你明白repeats和replicates的區別嗎？
我沒有，但我現在做了！
根據您的意見，我調整了自定義 DoE（附 pdf 文件）。 在模型評估部分，它指出香氣 1 和香氣 2 - 這是因為我有三個分類級別嗎？
我在這裡不遵循你的邏輯？ 雖然我注意到你使用法語而我沒有。
自定義 DOE - 分類和混合因子的最佳方法我正在做一個定制的 DOE，如果有任何關於創建最佳配方的提示或指示，我將不勝感激。
是否有比構建的方法更好的 DOE 方法，或其他需要牢記的因素？
回應:
- 最大化不同的營養價值
- 盡量減少鹽的用量
- 達到味覺和嗅覺評分目標
因素:
- 分類 –> 紋理 2 級：T1 / T2
- 分類 --> 香氣 3 級：A1/ A3/ A3
- 混合物
- 不同成分：C1 / C2 / C3 / C34
- 成分不變（調味液體）。 我注意到它有兩個不同的值，儘管它在模型中是常量，因為 JMP 只接受兩個不同的值
- 水——當恆定成分和變化成分的總和小於 100 克時，將包括該因素。
- 阻塞：面板測試天數之間的差異（6 個要測試的配方/天）
定義線性約束：
- 添加兩條線以保持恆定成分（液體= 69.6% ) 和可變成分 (C1 /C2 /C3 / C4 =30.4% )
模型:
- 還選擇了二級交互。 為了避免模型奇異性，必須任意刪除“模型”參數中的一個成分。
- 除去水和調味液體。 涉及水或鹼的二級相互作用也被移除（以減少運行次數，並且因為我們對主要成分的影響更感興趣）
- 別名——所有二級交互
- 可能的最大運行次數 = 50，對於上述模型，建議的運行次數 = 48（所以一切都很好）。
運行示例：
問題:
- 如何最好地確定集中運行和重複運行的次數？
- 我如何解釋別名和診斷？
是否有比構建的方法更好的 DOE 方法，或其他需要牢記的因素？
非常感謝對我的第一個 DOE 的任何幫助或見解！
實驗設計
