主效应筛选设计与 OFAT：哪个最好？你好，
在 JMP 中，在 DOE > 经典 > 两级筛选 > 筛选设计 >“构建主效应筛选设计”下，可以创建仅调查主效应的筛选设计。 8个参数的结果如附件所示。
与 OFAT 相比，该设计的优势是什么？OFAT 中的 8 个参数中的每一个都将在高水平和低水平上进行研究（每个参数运行 2 次）？
在这两种情况下，运行次数均为 16。
预先感谢您对我们的支持！
此致，
克莱尔
实验设计回复：主效应筛选设计与 OFAT：哪个最好？你好@cbaril ,
这篇文章的问题有点令人不安，因为答案肯定是 DoE，所以我建议您观看一些有关 DoE 基础知识的网络研讨会，以更好地评估 DoE 的相关性和重要性。
与 OFAT 相比，DoE 有很多好处，以下是一些：
- 有限的（并提前计划/控制！）实验数量，
- 可以研究相互作用和非线性效应，
- 用于解释或预测响应变化的数学模型，
- 假设模型的高效率（信息与实验数量）和灵活性，
- 错误在设计空间中平等/同质地共享，
- 创建约束/定制设计的可能性，
- 通过“增强”和许多可能的策略的迭代过程：您可以从筛选主效应开始，然后检查交互作用，最后构建一个强大的响应面模型来准确预测您的响应，...
- 运行的随机化可避免噪声和/或非受控变量的影响（OFAT 方法不会产生这种影响）。
您还可以通过创建 OFAT 设计并将其与部分因子设计进行比较来回答您的问题（与 OFAT“筛选”相比，在 DOE 的情况下，您有可能拟合一些 2 因子交互作用，运行 16 次） ）：
- 功率分析：与 OFAT 相比，检测显着主效应的可能性更高
- 实验空间的预测方差：更好地重新分配实验空间中的运行，从而降低预测方差
- 术语之间的相关性/别名：采用 OFAT 设计，无法检测交互（别名）
您可以重现设计评估并与副本中的数据表进行比较。
您可以在这些帖子中找到一些资源和更多信息：
已解决：DOE 方法 - JMP 用户社区
已解决：使用 DOE 进行 OFAT 实验 - JMP 用户社区
您还可以加入实验设计俱乐部交流并了解更多关于DOE的信息。
希望这个回答对你有帮助
回复：主效应筛选设计与 OFAT：哪个最好？你好维克多，
感谢您的详细回复，对于打扰您深表歉意！
我不想一般性地比较 DoE 与 OFAT，但想知道，对于某些人只想筛选主要效应的特定情况，DoE 是否比 OFAT 有优势。 在这种情况下，有必要质疑该请求并解释很有可能产生交互效应。 因此，无论如何，都需要使用 DoE。 正确的？
仍然让我困惑的是JMP中有一个DoE设计叫做“构建主效应筛选设计”，所以我认为它专门研究主效应，OFAT 也可以做到。 “构建主效应筛选设计”设计的模型规范对话框中默认显示的模型术语实际上仅包括主效应。 那么这样的特殊设计就没有任何用处了吗？
此致，
克莱尔
回复：主效应筛选设计与 OFAT：哪个最好？你好@cbaril ,
即使您只想筛选主效应（甚至不考虑交互作用），与 OFAT 相比，DoE 也是一种更好、更有效的方法，因为您将拥有更高的功效（如果有效，则检测到显着效应的概率）、更低的预测方差，以及输入之间更好的相关结构（您可以查看并比较之前发送的数据表中的设计）。
对于 8 个因子，使用 DoE 至少需要运行 9 次来估计主效应系数项，而使用 OFAT 则需要运行 16 次（因为您将为每个因子创建一对实验，使用 -1 和 1，其他因子使用 -1 和 1） 0 或其他固定水平）。
在 16 次运行-DoE 的示例中，运行次数超过了所需的最小值，因此有一些额外的运行有助于提高回归模型中主效应系数的功效和精度，并且还提供了包含一些 2 -因素相互作用（OFAT 方法不可能做到这一点）。
因此，即使您只想筛选主效应，DoE 也是比 OFAT 更可靠、更精确、信息更丰富的方法。
回复：主效应筛选设计与 OFAT：哪个最好？维克多已经提供了很多细节，所以我将简短地表达我的想法。 我想重申的是实验与 OFAT 的一个重要特征。OFAT 的推理空间极其狭窄。OFAT 的结论取决于未来在这些恒定设置下保持不变的所有其他因素。这很可能是完全不现实的。DOE中的8个因素具有更广泛的推理空间（设计空间是8维的）。OFAT 是一维的。 尽管您可能会在实验中优先考虑主效应，但高阶效应仍然存在，它们只是令人困惑。
