實驗值接近但不等於 DoE 中所列的因子值。在我的課堂上，學生使用客製化設計來規劃他們的實驗。他們針對 JMP 建議的因子值進行試驗。在實踐中，由於各種原因，實驗條件略有不同。我建議他們在分析結果時輸入“實際/測量”值？我對麼？由於條件可能不像 JMP 設計中那樣正交，這對他們的分析有何影響？
基礎資料分析與建模回覆：實驗值接近但不等於 DoE 中概述的因子值。嗨@Raghavan ，
歡迎來到社區！
您可能會發現與您的問題密切相關的帖子的先前答案很有幫助：
完成設計和表格後更改因子值（客製化設計）
在 DoE 中使用真實值來取代目標因子值
在創建具有實驗空間限制的自訂設計時，您也可能會遇到類似的情況：與實驗設定中實際可能的值相比，座標交換演算法找到的值可能非常精確/特定（有時是奇怪的） ：
D 最優 RSM 中的奇數因子設定是如何產生的
混合物篩選設計中納入隨機小數
為了回答你的問題，我同意@statman的建議，即使用設計因素值（生成時）和“真實”值並行運行這兩種分析，以避免對這一變化的影響和重要性產生任何疑問。值。
在實踐中，如果您的因子值只有很小的偏差並且因子範圍足夠寬，那麼這種變化的影響應該很小，甚至可能不可見。反應測量也可能存在相對較大的變化（由於重複性/再現性、測量誤差等），這將完全「隱藏」因子值偏差的影響。
希望這個額外的答案可以幫助你，
回覆：實驗值接近但不等於 DoE 中概述的因子值。出於實際原因，精確達到設定點通常不太可行。例如，我可能選擇將流量控制在 X lpm，但管線壓力的波動可能會導致流量變化 +/- 1 Lpm！我喜歡你兩種方式測試的想法，但如果結果不同，你會相信基於編碼值的結果嗎？
回覆：實驗值接近但不等於 DoE 中概述的因子值。這是我的想法：
1. 為什麼他們不能使用設計 (JMP) 指定的因數值？
2. 在實驗中，假設是，如果您設定低等級（例如，-1 編碼）並更改等級設定並返回到低等級 -1，則該等級與先前的等級 1 相同。高階項。
3. 現實情況是，萬事萬物都存在變化，因此克服等級內變化的一種策略是確保等級之間的變化較大（例如，大膽的等級設定）。
4. 如果您想使用實際值，根據它們與指定等級設定的差異程度，您可能會失去評估互動效應等高階項的能力。如果它們沒有那麼不同，可能不會對分析產生太大影響。
我不確定我會認為你的建議是「正確的」還是只是分析數據的一種方法。我會嘗試使用編碼值和實際值來分析幾個實驗，看看分析的輸出有何不同。
