DOE：Custom Designer 中的 2/3/4 可投影设计？嗨，一位客户问我是否可以在定制设计器中创建“可投影”设计。
一个可预测的设计，他指定为比方说 n 个因素的设计，例如，我可以采用 n（> 3）个因素中的任意 3 个，它们将构建一个完整的因子设计本身。 然后它被称为 3 投影设计。
我以前没有遇到过这个，所以我认为我们的 DOE 拥护者可以提供一些见解 
谢谢
回复：DOE：Custom Designer 中的 2/3/4 可投影设计？你好@马丁德梅尔,
我们确实讨论了 DOE 中的预测。 例如，您可能听说过 6 因子 DSD 的 3 因子预测都是等价的，并且可以估计所有 3 个因子的完整 RSM。
我认为您的客户可能会询问 2 级设计。 部分因子 2 水平设计具有这样的投影属性。
想象一下 2^3-1 阶乘 - 即 2 个水平、3 个因子、4 次游程。 有 3 个 2 因子投影（X1/X2、X1/X3、X2/X3）。 所有 2 因子预测都是这些因子的全阶乘。
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设计
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 设计的 2 因子投影
然后，您可以将其扩展到更多的因素。 2^4-1 部分阶乘的所有 3 因子投影都是全阶乘。 2^4-2 分数阶乘的所有 2 因子投影都是全阶乘。
在 Custom Design 中没有直接的方式来询问投影属性。 但是您可以创建具有所需投影属性的分数阶乘。 使用 JMP 中的经典设计工具可能是最简单的方法。
我希望这有帮助。
菲尔
回复：DOE：Custom Designer 中的 2/3/4 可投影设计？如果要求在比可用运行更多的因素中进行试验，那么过饱和设计也可能值得一提。
回复：DOE：Custom Designer 中的 2/3/4 可投影设计？前两个回复严格回答问题很好。 我提供另一个观点。
Custom Design 使用带有目标函数的坐标交换算法来搜索最优或接近最优的设计。 据我所知，投影没有目标函数，JMP 中当然没有，因此严格来说，Custom Design 无法搜索具有此类属性的设计。
为什么投影很重要？ 当设计方法仅限于常规的部分因子设计时，低分辨率设计中固有的混淆会限制估计：您可以或不可以估计模型参数。 稀疏效应原则表明，您可能会在筛选情况下从模型中消除因素并从预测中受益（混淆越少，估计越多）。 投影的好处更多地与需要平衡的手算有关。 在过去的一个世纪里，方法和思维方式发生了变化。 除非您是统计学专业，否则我们不再手动估计参数。 当我们使用回归分析时，估计的相关性是不受欢迎的，但不是致命的。 定制设计和回归分析的灵活性压倒了实践中对投影的要求。 我会使用 Alias 最优性标准来实现设计的最佳可估计性。 （DSD 是别名最优设计的特例。）
回复：DOE：Custom Designer 中的 2/3/4 可投影设计？非常感谢，你们三个的解释真的很有帮助！
