处理 DOE 哪个选项更好以及原因 - 小批量或大批量的裂区
你好，
我想针对以下情况设计DOE：
该过程有 3 个步骤。
选项 A - 在步骤 1 中准备一小批 100 克，然后继续执行后续步骤。每一批 DOE 运行一次。这意味着所有参数都很容易更改
选项 B - 在步骤 1 中准备一小批 500 克，并继续从该大批次中取出 100 克进行下一步 - 该批次将持续 5 次 DOE 运行。这意味着裂区设计
在这两种情况下，都无法检查第一步产品的质量控制。
请指教，
谢谢你！
实验设计回复：处理 DOE 哪个选项更好以及为什么 - 小批量或大批量的分割图下面有很多很好的讨论。 我想补充一点，当我处于这种情况时，我会问自己工厂会发生什么。 您会在工厂中生产匹配的批量大小，还是会生产大批量并在许多后续步骤中使用它。 我总是努力在实验室中进行实验，以模仿我在植物中看到的变化。 因此，如果步骤 1 中的一批产品将在工厂中用于步骤 2，那么我将在实验室中进行建模。 通过制作一大批步骤 1，您可能会稀释现实生活中的变化。
回复：处理 DOE 哪个选项更好以及为什么 - 小批量或大批量的分割图我可能不是提供建议的人，因为我对实验的功效估计没有太大影响。 大部分的统计实验比较需要您不具备的知识，因此它们不太可靠。 我使用以下标准来确定要运行哪些实验：
- 约束条件：时间、金钱、材料可用性、测量/设备能力等。 多少次治疗能做出（这可能需要协商）？
- 要操纵多少个因素（要比较的假设数量）？
- 如何管理或划分噪音？
- 有些因素是否比其他因素更难改变？随机化还有其他限制吗？
- 您想要估计的优先影响是什么？
- 是否怀疑/预测了高阶效应（例如相互作用、曲率）？
- 所需的分辨率是多少？ （您想要估计/分离哪些影响？）
- 需要什么阶多项式？
您可以运行 2 个因子的阶乘来生成 4 个批次（全分辨率），然后通过拆分 4 个批次来运行子图因子的 res III（8 个处理）或 V（16 个处理）。 整个实验使用 4 个批次，并且 WP 和 SP 都比没有分割的 7 个因子的阶乘提高了精度。
回复：处理 DOE 哪个选项更好以及为什么 - 小批量或大批量的分割图谢谢@statman我添加了细节和目标（请在上面的回复中）-可能有了这些信息将有助于做出决定。感谢您的时间和帮助
回复：处理 DOE 哪个选项更好以及为什么 - 小批量或大批量的分割图谢谢@Victor_G和@statman期待你的答复。 我有7个因素都在继续。 第一个流程步骤有两个因素。
目标是经典的 - 找到最高产品产量的工艺条件。这一目标的实现包括了解过程中每个步骤的最佳条件。
对于选项 A - 15 次运行就足够了，功率为 80%+
对于选项 B - 15 次运行将导致第一步因子的功效为 30%，其他 5 个因子的功效为 80%+。
@Victor_G您能否解释一下，根据这些输入，您是否会建议选项 B？为什么？除了功率之外，在比较不同设计时还需要检查什么？
请指教，
回复：处理 DOE 哪个选项更好以及为什么 - 小批量或大批量的分割图正如维克多所回避的那样，你没有提供足够的信息。 哪个后续 DOE 进行了 5 次运行？ 有多少因素？ 您是否正在尝试制作“批次”的因素？ 如果是这样，这个实验就构成了整个情节。 然后您可以对子图中的后续因素进行实验。 通过此类实验，您可能会提高 WP 和 SP 的精度，并可能减少资源。
回复：处理 DOE 哪个选项更好以及为什么 - 小批量或大批量的分割图你好@YanivD ,
如果不知道你的目标、因素、假设模型、实验预算等，可能很难找到你问题的明确答案……
根据您的目标研究，这两种选择都可能感兴趣：
- 选项 A 每次运行一批：如果您想对过程输入的总变异性进行实际评估，则此选项很有趣。 由于每次运行您将“创建”一个批次，因此可以非常精确地估计批次之间的变异性，这可能会以更大的设计为代价，但它可能与其他因素共同建立......
- 选项 B 每 5 次运行一个大批次：如果您对输入的可变性不是特别感兴趣，但仍想考虑其中的一部分，则此选项很有趣。 您可以使用此选项区分过程变异和批次变异（由于分块因子），而使用选项 A 可能无法实现这一点（因为每次运行使用一个批次）。
如果您有兴趣评估您的流程（而不是您的“产品”输入，因为无论如何您都无法检查它的质量控制），选项 B 对我来说听起来不错。
我很想知道这个社区的其他成员对此用例的看法。
