在工業規模上以盡可能少的運行次數篩選大量因素的最有效設計是什麼？為什麼？例如。 如果篩選設計的目的（很大程度上）是通過盡可能少的運行來測試主效應 - 並且我想通過最少的運行次數來篩選 7 個因素，那麼為什麼簡單地改變不是一個好主意這些因素在7次運行出現1 次？如果這不是最有效的方法，那麼運行 7 個因子的 8 次運行的飽和設計是否是測試主效應的最有效方法，或者是否有其他建議以及為什麼？ 對於無法進行多次運作且需要盡可能高效的工業 DOE，飽和設計是否為首選？
實驗設計回覆：在工業規模上篩選大量因子並儘可能少運行的最有效設計是什麼？為什麼？你好@mjz5448 ,
每一次篩選都沒有完美的設計，這取決於因素類型、因素數量、改變的便利性、反應的噪音和可變性、先驗知識等…
如果您考慮進行 OFAT 篩檢，本主題可能會幫助您了解這可能是個壞主意：已解決：回覆：主效果篩選設計與 OFAT：哪個最好？ - JMP 使用者社群
假設你有 7 個因子，沒有混合因子，也沒有限制：
設計的選擇將很大程度上受到實驗預算的影響。 如果您只能負擔 <10 次運行，您很可能最終會得到 (D/A-) 最佳篩選設計。 如果您可以負擔更多的試驗，那麼增加最佳設計的試驗規模可能會很有趣，甚至可以嘗試最終篩選設計（對於 7 個連續因子，至少需要 17 次試驗，並且需要 4 次額外試驗）總共21次）建議）。 您可以嘗試不同的運行規模和設計，並對它們進行比較，以選擇最適合您的主題的一種。
更一般地說，您可能會發現 Bradley Jones 關於現代篩選設計的演講非常有趣，它可能會為您的用例提供一些想法和觀點： 21 世紀放映設計 (2021-EU-45MP-772)
希望第一個答案對你有幫助
回覆：在工業規模上篩選大量因子並儘可能少運行的最有效設計是什麼？為什麼？哇，謝謝 Victor_G 的詳細回覆！
我從來沒有聽過“組正交超飽和設計」之前，但會研究它。
我很大程度上受到可以執行的運行次數的限制，因為我沒有能力進行大量試驗，也沒有容易獲得的中試工廠或研發資源。所以看來我也會研究（D/A-）最佳篩選設計。
我假設很多最小的篩選設計都取決於如何控制過程以檢測任何效果，對嗎？
再次感謝您的連結！
回覆：在工業規模上篩選大量因子並儘可能少運行的最有效設計是什麼？為什麼？不客氣，很高興對您有幫助！
GO-SSD 可能與需要篩選的因素較多相關，例如在製造/化學製程線上存在數十個製程因素的情況下。 這種設計類型確實擅長從眾多瑣碎的事物中識別出重要的少數事物。
我不確定此設計與 7 個因素的相關性，我的安全賭注可能更多是 (D/A-) 最佳設計，因為它們在運行規模上提供了一定的靈活性。
這取決於「假設過程處於控制之中」背後的含義。 對於反應測量，您的測量過程應盡可能受控和穩定，以便 DoE 檢測到的主要效應真正活躍，而不是不穩定測量的後果（或者，您沒有太多噪音/會「隱藏」主動主效應的變異性）。 根據測量的變異性和 DoE 中的實驗數量，檢測主動主效應（功效）的設施將有所不同：較低的測量變異性和較高的運行規模可提高檢測主效應的功效。
關於因素範圍，請不要猶豫，比平常更大膽一些，以便定義因您的因素而可能發生變化的範圍。 如果您的因素範圍很窄且您的製程完全受控，那麼您最終可能不會檢測到任何重要因素。
我希望這個補充性的回答可以幫助你，
回覆：在工業規模上篩選大量因子並儘可能少運行的最有效設計是什麼？為什麼？其他一些想法：
1. 您可以先嘗試定向抽樣（變異研究的組成部分），以了解哪些組成部分最具影響力，並同時評估測量系統。這允許在確定所利用的組件的同時評估過程的一致性/穩定性。我無法告訴你我見過多少次實驗，實驗者在錯誤的組件上進行實驗。
2. 一個問題…你想在你的研究中「選出一個勝利者」還是你想理解因果結構？ 如果是後者，您將需要迭代。第一個實驗旨在幫助您設計更好的實驗。這可能包括使用粗體水平設定（通常是低解析度）篩選大量因素。一旦確定了活躍/重要因素，您就可以致力於開發有用的模型。
3. 不要忽略噪音（例如，針對短期噪音重複，針對長期噪音重複）。這通常是導致實驗失敗的失敗模式。實驗在狹窄的推理空間中運行一次（噪音保持恆定）。當未來噪音不可避免地改變時，此類實驗的結論很少有用。因此，設計的效率不僅僅是設計結構/空間。
4. 無論如何，根據您目前的知識，選擇最有效和高效的設計需要考慮多種因素，因素數量只是其中之一。我的建議是設計多個實驗，考慮可以從每個實驗中獲得什麼資訊。權衡資源限制，然後選擇一個。
回覆：在工業規模上篩選大量因子並儘可能少運行的最有效設計是什麼？為什麼？嗨斯塔曼，
感謝您的答覆。
對於你的問題2。 我正在嘗試篩選因子，以縮小範圍，以進行進一步的全因子和可能的響應曲面設計。
感謝您在第 4 點的建議。 我會看一下並盡力權衡不同的選擇。
