透過 JMP 驗證並使用現有的最終螢幕設計？你好，
我透過 ChatGPT 4.0 獲得了 DOE 實驗的最終螢幕設計。看起來很合理（經過多次討論）。 JMP 能否驗證最終螢幕設計是否可接受？如果我有現有的最終螢幕設計，我可以使用它並隨後評估 JMP 此類測量的實驗結果嗎？還是 JMP 只評估自己的設計？
實驗設計回覆：透過 JMP 驗證並使用現有的最終螢幕設計？嗨@Thommy7571 ，
第一點：如果您有 JMP，我強烈建議您使用它，而不是依賴大型語言模型來創建您的 DoE，因為法學碩士無法（按照設計）進行推理、計劃和計算。一般來說，當您期望事實、計算或分析時，不要使用法學碩士。根據訓練集，它可能會提供可接受的答案，但情況並非總是如此（並且可能無法重現）。
在資料表本身上，還有幾個方面需要檢查，例如：
- 每個連續因子存在 3 個水準 (-1, 0, 1)，
- 設計中的運行以折疊對的形式進行，其中至少一次運行在實驗空間的中心。
如果您有一個資料集並想檢查它的組織方式，我建議使用平台Evaluate Designs (jmp.com) 。使用最終篩選設計並對其進行評估時，您可能會注意到以下幾個方面：
- 查看主效應的功效分析，對於相同的因子類型，您應該具有相同（或非常相似）的功效值（此處 X1 到 X5 是連續的，X6 是具有 2 個等級的分類）：
- 相關性的顏色圖：主效應之間以及主效應與 2 因子交互作用之間應該沒有相關性，因此最終會得到這種模式：
在這裡，由於分類因子 X6 的存在，我在主效應區域中的相關性非常小，但如果只有連續因子，則不會有這麼小的邊界。查看別名矩陣還可以幫助檢查是否不存在完全混雜（這可能存在於經典因子設計中）。
- 查看散點圖矩陣還可以幫助了解 DSD 的特定結構以及因素之間是否存在相關性：
在此處查看更多資訊： 確定性篩選設計簡介 - JMP 使用者社群
最後，如果您有 JMP 並且仍想檢查 ChatGPT 4 產生的設計，您可以使用 JMP 產生具有相同設定和因子數量的 DSD，並使用比較設計平台 (jmp.com)檢查是否有任何不規則之處或強烈的差異。
希望這個回答可以幫助你
回覆：透過 JMP 驗證並使用現有的最終螢幕設計？簡而言之，JMP 可以評估任何資料集。分析是否能帶來任何好處是另一個問題。
回覆：透過 JMP 驗證並使用現有的最終螢幕設計？您好，謝謝您的回答。也許 ChatGPT 不是最佳的，但還有其他選擇，無論是另一個程式還是同事的設計。那麼這是否意味著我可以使用其他軟體建立設計，然後透過 JMP 進行測試、編輯和使用？如果之後還可以編輯標準設計（非隨機），即添加幾個中心點、隨機化等，那就太好了。
回覆：透過 JMP 驗證並使用現有的最終螢幕設計？簡短的回答是「是」。您可以將幾乎任何設計匯入到 JMP 中。一般途徑是在任何原始應用程式中建立設計，然後將其儲存為某種檔案格式。 JMP 能夠本地匯入許多不同的檔案格式。請參閱文件。如果沒有別的事，將檔案儲存為某種常用格式，例如 .xls 工作表，然後就像複製/貼上到 JMP 一樣簡單。一旦設計位於 JMP 資料表中，它就可以像任何其他 JMP 資料表一樣完全可編輯。
現在，事情是這樣的...當您使用 JMP 建立本機設計時...會建立大量元資料以及簡單的 Jane 處理組合。 JMP 在背景使用此元資料來處理與視覺化和分析相關的各種事務。匯入的檔案通常不會附帶任何元資料...因此，您最終可能會花費大量時間將元資料新增至每列，以使 JMP 在分析工作流程、結果和 JMP 報表中按照您想要的方式運作。
所以我的故事問題的寓意是...如果您已經使用 JMP 進行分析...為什麼您還要去其他地方創建設計？對我來說沒有意義。我能想到的唯一原因是其他人創造了設計。進行實驗，現在要求您分析結果。
回覆：透過 JMP 驗證並使用現有的最終螢幕設計？@Victor_G ，警告，菜鳥問題並為劫持此對話而道歉。 JMP 中的DSD 令我驚訝的是，添加到設計中的前6 個因子的試驗次數始終保持在17。為一行因素，儘管這意義有限。
| 因素 | 積木 | 編號。額外運行次數
（JMP 預設） | 試煉
（全部的） | 力量
（截距） | 力量
（除截距之外的任何術語） |
| 1 | 1 | 4 | 17 號 | 0,97 | 0,937 |
| 2 | 1 | 4 | 17 號 | 0,969 | 0,935 |
| 3 | 1 | 4 | 17 號 | 0,967 | 0,932 |
| 4 | 1 | 4 | 17 號 | 0,965 | 0,929 |
| 5 | 1 | 4 | 17 號 | 0,963 | 0,925 |
| 6 | 1 | 4 | 17 號 | 0,959 | 0,92 |
| 7 | 1 | 4 | 21 | 0,988 | 0,975 |
| 8 | 1 | 4 | 21 | 0,987 | 0,973 |
| 9 | 1 | 4 | 25 | 0,997 | 0,992 |
| 10 | 1 | 4 | 25 | 0,996 | 0,992 |
問題:
- 為什麼 JMP 已建議使用很少的因子進行如此多的運行，以及為什麼運行次數僅在引入第 7 個因子後才開始變化？
- 從因素的功效分析來看，從第一個因素到第六個因素的增量減少看起來微乎其微。為什麼？
- 我有什麼誤解嗎？
回覆：透過 JMP 驗證並使用現有的最終螢幕設計？嗨@Thommy7571 ，
是的，您可以使用評估設計平台 (jmp.com)評估任何設計。
您可以使用比較設計平台 (jmp.com)比較多種設計。
最後，如果您想要變更因子範圍、模型項目、限制、新增中心點、重複或任何內容，您可以使用Augment Designs (jmp.com)平台。隨機化總是在任何設計構造結束時、創建資料表之前提出：
JMP 說明部分中有幾個關於增強設計用例的範例：複製設計、新增中心點、折疊、軸點、空間填充增強。
所有這些操作都可以透過任何來源的任何設計來完成，只要您能夠以 JMP 識別的格式上傳資料即可： 匯入您的資料 (jmp.com)但正如@P_Bartell所提到的，您可能需要進行一些手動準備因素和回應列屬性，以新增特定屬性，幫助 JMP 識別如何處理來自 DoE 的因素和回應： 列屬性 (jmp.com)
希望這個回答能解答您的疑問，
回覆：透過 JMP 驗證並使用現有的最終螢幕設計？是的，您的回答總是有幫助的。謝謝！
回覆：透過 JMP 驗證並使用現有的最終螢幕設計？嗨@Ressel ，
我強烈建議您閱讀 Bradley Jones 撰寫的有關 DSD 的部落格文章，以便更好地了解其用途：
引入確定性篩選設計
正確和不當使用最終篩選設計 (DSD)
關於您的問題：
- DSD 並不是作為一種「一刀切」的篩選方法而創建的，其目的是優化和減少涉及 5 個以上因素的篩選實驗的運行次數。低於 5 個因素，有「更好」或更合適的篩選設計替代方案：D 最優設計、經典篩選設計，甚至響應曲面設計。
低於 7 個因子時，JMP 將建立一個 DSD，其中包含 7 個因子所需的最低運行次數（17 次運行），並將未使用的因子視為「假因子」以提高功效。這解釋了為什麼涉及 2 到 6 個因子的設計功效略有下降，因為實驗設計中使用的因子越多，可用於提高功效和項估計精度的額外運行就越少。對於第 7 個因子，您需要添加額外的運行次數（JMP 建議 4 次）以提高功效，因為不再存在假因子。
- DSD 的最小運行次數根據因子 m 的數量線性變化：
- 當因子數 m 為偶數時，2m+1，
- 當因數 m 不均勻時為 2m+3。
這解釋了為什麼具有 7 和 8 因子或 9 和 10 因子的設計具有相同的所需試驗次數。
- JMP 建議的額外 4 次運行對應於在 DSD 中加入 2 個假因子。您可以進行測試並比較設計（具有 4 次額外運行的 DSD 和帶有 2 個假因子的 DSD），它們應該是相同的：
希望這個答案對您有幫助:)
