處理 DOE 哪個選項更好以及原因 - 小批量或大批量的裂區
你好，
我想針對以下情況設計DOE：
該過程有 3 個步驟。
選項 A - 在步驟 1 中準備一小批 100 克，然後繼續執行後續步驟。每一批 DOE 運行一次。這意味著所有參數都很容易更改
選項 B - 在步驟 1 中準備一小批 500 克，並繼續從該大批次中取出 100 克進行下一步 - 該批次將持續 5 次 DOE 運行。這意味著裂區設計
在這兩種情況下，都無法檢查第一步產品的質量控制。
請指教，
謝謝你！
實驗設計回复：處理 DOE 哪個選項更好以及為什麼 - 小批量或大批量的分割圖下面有很多很好的討論。 我想補充一點，當我處於這種情況時，我會問自己工廠會發生什麼。 您會在工廠中生產匹配的批量大小，還是會生產大批量並在許多後續步驟中使用它。 我總是努力在實驗室中進行實驗，以模仿我在植物中看到的變化。 因此，如果步驟 1 中的一批產品將在工廠中用於步驟 2，那麼我將在實驗室中進行建模。 通過製作一大批步驟 1，您可能會稀釋現實生活中的變化。
回复：處理 DOE 哪個選項更好以及為什麼 - 小批量或大批量的分割圖我可能不是提供建議的人，因為我對實驗的功效估計沒有太大影響。 大部分的統計實驗比較需要您不具備的知識，因此它們不太可靠。 我使用以下標準來確定要運行哪些實驗：
- 約束條件：時間、金錢、材料可用性、測量/設備能力等。 多少次治療能做出（這可能需要協商）？
- 要操縱多少個因素（要比較的假設數量）？
- 如何管理或劃分噪音？
- 有些因素是否比其他因素更難改變？隨機化還有其他限制嗎？
- 您想要估計的優先影響是什麼？
- 是否懷疑/預測了高階效應（例如相互作用、曲率）？
- 所需的分辨率是多少？ （您想要估計/分離哪些影響？）
- 需要什麼階多項式？
您可以運行 2 個因子的階乘來生成 4 個批次（全分辨率），然後通過拆分 4 個批次來運行子圖因子的 res III（8 個處理）或 V（16 個處理）。 整個實驗使用 4 個批次，並且 WP 和 SP 都比沒有分割的 7 個因子的階乘提高了精度。
回复：處理 DOE 哪個選項更好以及為什麼 - 小批量或大批量的分割圖謝謝@statman我添加了細節和目標（請在上面的回復中）-可能有了這些信息將有助於做出決定。感謝您的時間和幫助
回复：處理 DOE 哪個選項更好以及為什麼 - 小批量或大批量的分割圖謝謝@Victor_G和@statman期待你的答复。 我有7個因素都在繼續。 第一個流程步驟有兩個因素。
目標是經典的 - 找到最高產品產量的工藝條件。這一目標的實現包括了解過程中每個步驟的最佳條件。
對於選項 A - 15 次運行就足夠了，功率為 80%+
對於選項 B - 15 次運行將導致第一步因子的功效為 30%，其他 5 個因子的功效為 80%+。
@Victor_G您能否解釋一下，根據這些輸入，您是否會建議選項 B？為什麼？除了功率之外，在比較不同設計時還需要檢查什麼？
請指教，
回复：處理 DOE 哪個選項更好以及為什麼 - 小批量或大批量的分割圖正如維克多所迴避的那樣，你沒有提供足夠的信息。 哪個後續 DOE 進行了 5 次運行？ 有多少因素？ 您是否正在嘗試製作“批次”的因素？ 如果是這樣，這個實驗就構成了整個情節。 然後您可以對子圖中的後續因素進行實驗。 通過此類實驗，您可能會提高 WP 和 SP 的精度，並可能減少資源。
回复：處理 DOE 哪個選項更好以及為什麼 - 小批量或大批量的分割圖你好@YanivD ,
如果不知道你的目標、因素、假設模型、實驗預算等，可能很難找到你問題的明確答案……
根據您的目標研究，這兩種選擇都可能感興趣：
- 選項 A 每次運行一批：如果您想對過程輸入的總變異性進行實際評估，則此選項很有趣。 由於每次運行您將“創建”一個批次，因此可以非常精確地估計批次之間的變異性，這可能會以更大的設計為代價，但它可能與其他因素共同建立......
- 選項 B 每 5 次運行一個大批次：如果您對輸入的可變性不是特別感興趣，但仍想考慮其中的一部分，則此選項很有趣。 您可以使用此選項區分過程變異和批次變異（由於分塊因子），而使用選項 A 可能無法實現這一點（因為每次運行使用一個批次）。
如果您有興趣評估您的流程（而不是您的“產品”輸入，因為無論如何您都無法檢查它的質量控制），選項 B 對我來說聽起來不錯。
我很想知道這個社區的其他成員對此用例的看法。
