DOE：Custom Designer 中的 2/3/4 可投影設計？嗨，一位客戶問我是否可以在定制設計器中創建“可投影”設計。
一個可預測的設計，他指定為比方說 n 個因素的設計，例如，我可以採用 n（> 3）個因素中的任意 3 個，它們將構建一個完整的因子設計本身。 然後它被稱為 3 投影設計。
我以前沒有遇到過這個，所以我認為我們的 DOE 擁護者可以提供一些見解 
謝謝
回复：DOE：Custom Designer 中的 2/3/4 可投影設計？你好@馬丁德梅爾,
我們確實討論了 DOE 中的預測。 例如，您可能聽說過 6 因子 DSD 的 3 因子預測都是等價的，並且可以估計所有 3 個因子的完整 RSM。
我認為您的客戶可能會詢問 2 級設計。 部分因子 2 水平設計具有這樣的投影屬性。
想像一下 2^3-1 階乘 - 即 2 個水平、3 個因子、4 次遊程。 有 3 個 2 因子投影（X1/X2、X1/X3、X2/X3）。 所有 2 因子預測都是這些因子的全階乘。
2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1 design2^3-1設計
2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2-factor projections of 2^3-1 design2^3-1 設計的 2 因子投影
然後，您可以將其擴展到更多的因素。 2^4-1 部分階乘的所有 3 因子投影都是全階乘。 2^4-2 分數階乘的所有 2 因子投影都是全階乘。
在 Custom Design 中沒有直接的方式來詢問投影屬性。 但是您可以創建具有所需投影屬性的分數階乘。 使用 JMP 中的經典設計工具可能是最簡單的方法。
我希望這有幫助。
菲爾
回复：DOE：Custom Designer 中的 2/3/4 可投影設計？如果要求在比可用運行更多的因素中進行實驗，那麼過飽和設計也可能值得一提。
回复：DOE：Custom Designer 中的 2/3/4 可投影設計？前兩個回复嚴格回答問題很好。 我提供另一個觀點。
Custom Design 使用帶有目標函數的坐標交換算法來搜索最優或接近最優的設計。 據我所知，投影沒有目標函數，JMP 中當然沒有，所以嚴格來說，Custom Design 無法搜索具有此類屬性的設計。
為什麼投影很重要？ 當設計方法僅限於常規的部分因子設計時，低分辨率設計中固有的混淆會限制估計：您可以或不可以估計模型參數。 稀疏效應原則表明，您可能會在篩選情況下從模型中消除因素並從預測中受益（混淆越少，估計越多）。 投影的好處更多地與需要平衡的手算有關。 在過去的一個世紀裡，方法和思維方式發生了變化。 除非您是統計學專業，否則我們不再手動估計參數。 當我們使用回歸分析時，估計的相關性是不受歡迎的，但不是致命的。 定制設計和回歸分析的靈活性壓倒了實踐中對投影的要求。 我會使用 Alias 最優性標準來實現設計的最佳可估計性。 （DSD 是別名最優設計的特例。）
回复：DOE：Custom Designer 中的 2/3/4 可投影設計？非常感謝，你們三個的解釋真的很有幫助！
