如何獲得 DOE 功率分析的 RMSE你好！ 我想這個問題之前已經被問過好幾次了。 但我仍然對如何獲得 DOE 多因素功率分析的 RMSE 感到困惑。 假設我有 7 個因子和 10 個響應，我是否必須首先對每個響應進行 10 次不同的試點研究以構建擬合模型，然後獲得 RMSE（這將是大量工作！）？ 如何開展試點研究？ 有人可以提供更詳細的獲取 RMSE 的程序嗎？ 謝謝！
實驗設計回复：如何獲取 DOE 功率分析的 RMSE你好@DendrogramSteer ,
您關於功率分析評估的問題確實是本論壇上經常被問到的話題。
您可能想在這裡查看一些有趣的討論（不是詳盡的列表），關於如何使用此分析以及如何信任模型的結果：
https://community.jmp.com/t5/Discussions/Should-I-consider-power-analysis-in-DOE/mp/501063
https://community.jmp.com/t5/Discussions/Comparing-DoEs-Why-DGAI-efficiency-are-all-the-SAME-and/mp/559266
https://community.jmp.com/t5/Discussions/Losing-Power-and-Prediction-Variance-in-Custom-DOE-constraints/mp/544828
功效是指檢測有效存在的顯著效果的能力。我認為根據您研究的特點，您可能處於篩選（或優化開始）階段，因此您需要評估和評估您的設計的力量，以確保不會錯過顯著的效果。
為了有效地使用功率分析，您需要指定：
- 您需要檢測的信號大小（通過“預期係數”值）
- 實驗和響應測量噪聲的估計（通過“預期 RMSE”值）（針對每個響應確定，或使用最壞情況（較大的值））
- 顯著性級別閾值（默認為 0.05）。
您可以在此處找到有關功率分析平台的更多信息：功率分析 (jmp.com)
如果您沒有歷史數據，您可能在研究開始時或在篩選階段沒有這些信息（並且創建這些試點研究可能代表您提到的大量工作，與傳統研究相比沒有太多附加值）可以在您的 DoE 環境中完成的運行）。
但是，您可以使用此功效分析平台來比較不同的設計和/或模型，並評估您的實驗預算/約束可能如何影響有效檢測顯著效應的可能性。
我希望第一個答案會對您有所幫助，我相信其他能源部專家也喜歡@菲爾_凱還可以提供新的觀點或豐富這個討論，
回复：如何獲取 DOE 功率分析的 RMSE如果您需要對所有 10 個響應進行功效分析，則需要對所有 10 個響應進行 RMSE。 首先，我想問為什麼你需要對所有 10 個響應進行功效分析。 它們都那麼重要嗎？ 也許他們是。
這並不意味著您需要為每個響應進行單獨的試點研究。 那會很奇怪。 畢竟，您不會對每個響應進行單獨的實驗。
事實上，您可能根本不需要進行任何試點研究。
當因素保持不變時，您需要估計響應的變異性。 您可能會從流程/系統上的現有數據中獲得此信息。 如果不是，則測量 6 次運行的所有響應（如果您能負擔得起，越多越好），並將所有因素設置為常數。 這 6 次運行中每個響應的標準差將是響應變異性的有用（非完美）估計，可用於功效分析。
我希望這有幫助，
菲爾
