OMARS 设计有何特殊优势？有许多功能强大的 JMP DOE 工具经过长时间的验证，证明其成功；另一方面，最近有很多关于 OMARS Designs 的撰写和发布。
我想问一下经验丰富的 DOE 用户，除了 JMP DOE 菜单上提供的功能外，这些新设计还有哪些特殊优势？在哪些特殊情况下，您会建议使用 OMARS？是否有无法用 OMARS 处理的情况？据我所知，我认为混合、裂区和随机效应不在 OMARS 范围内，对吗？
实验设计回复：OMARS 设计有何特殊优势？好的 Victor，我很清楚。就我个人而言，我并不喜欢通过一次大型实验解决所有问题；通过顺序方法构建知识是我最喜欢的方式，到目前为止，使用 DSD 筛选强/活性效应，然后在第二步将 DOE 增强为具有活性效应的 RSM，取得了不错的结果；在许多情况下，只有不到 4 个显着效应，甚至不需要增强，因此只需几次运行就可以找到解决方案。我仍然不相信 OMARS；在我看来，没有或只有很少的知识推动很难通过一次实验完成所有事情，我更喜欢顺序质量 PDCA 方法。我同意当有足够的知识时，OMARS 可能会有益 (?)
回复：OMARS 设计有何特殊优势？你好@frankderuyck ，
OMARS 设计最近（大约在 2020 年）由 Peter Goos 和 Jose Nunez 作为筛选和优化设计推出。
使用这些设计的目的是为了弥补确定性筛选设计和响应面设计之间的差距。你可以很容易地找到它们的介绍，其中展示了 OMARS 设计的一些优良特性：
在他们的示例和演示中，对于与 DSD 相同的运行次数（22），OMARS 可能具有更好的投影属性和更大的二次效应功率，并且能够拟合所有 2 因子交互作用。您可以使用OMARS 设计插件重现它们的比较，并使用平台比较设计将 OMARS 设计与 DSD 设计进行比较。
如果您想看一下，我附上了设计表以便于进行比较。
- 您可以检查 OMARS 是否能够适应更多的项（所有交互作用和比 DSD 更多的二次效应），并且交互作用和二次效应的功效相等或更高（以主效应的功效略有下降为代价）：
- 它们还具有较低的最大预测方差和较低的设计空间分数绘制曲线（因此整个实验空间的预测方差较低）：
- 相关图的比较也很有趣，术语之间的相关性较低：
Maria Lanzerath 也有一个用例，她在她的用例中展示了 OMARS 的用途和好处。
从理性上讲，这种设计非常有趣，因为它提供了一个统一并弥合 DSD 和 RSD 之间差距的系列。在某些用例中，尝试它们并将它们与其他设计类型进行比较可能会很有趣。它们的使用限制与 DSD 类似：没有混合因子、没有约束、没有难以改变的因子/分割图情况、没有随机效应（即使您可以在 DSD 和 OMARS 中使用块），...
但我不认为开发人员会推动在 JMP 中实施 OMARS 设计，因为 Peter 和 Jose 已经创建了自己的公司 EFFEX，在基于 Web 的界面中分发 OMARS 设计。您仍然可以使用插件尝试 OMARS 设计，看看它与其他设计相比如何。
我认为已经有足够多样化的设计可供选择（DSD、OML、RSM、Optimal等），所以我没有机会在实际用例中尝试使用 OMARS 设计。
我希望这个讨论能对你有所帮助，
回复：OMARS 设计有何特殊优势？弗兰克，我同意，顺序的方法总是更好。
恕我直言，总会有人希望针对特定情况优化设计结构（例如，最优标准等），但实验最重要的方面是如何处理噪声（例如，短期噪声，如测量误差、批次内、零件内噪声和长期噪声，如环境条件、批次间原材料、人为技术）。如果噪声在实验过程中保持不变，则推理空间很窄，结果可能无法推断。如果噪声在实验过程中“随机”变化，则精度会受到影响。软件（任何软件）都没有很好地描述处理噪声的策略。总是过多关注设计结构（以及如何节省运行以了解更多信息）。
“不幸的是，未来的实验（未来的试验、明天的生产）将受到与影响本次实验的环境条件（温度、材料、人）不同的影响……只有通过对主题的了解，可能借助进一步的实验 （斜体添加）涵盖更广泛的条件，人们可以决定，尽管有错误的风险，未来的环境条件是否与今天的环境条件足够接近，以允许使用手头的结果。”
戴明博士
“在将此情况作为一般规则之前，请先测试两三次，并观察测试是否产生相同的效果”
达芬奇
“封锁你能封锁的，随机化你不能封锁的”
GEP 盒
回复：OMARS 设计有何特殊优势？强有力的论据支持连续实验！建立具有足够强大的因素以克服噪音的模型。后者可以通过有限运行的筛选实验检测出来，最终通过重复检测。DSD 仍然是一个很好的工具！
回复：OMARS 设计有何特殊优势？OMARS 是否可能具有 > 2 级分类效应？是否也可能具有许多或仅有分类效应？
回复：OMARS 设计有何特殊优势？@frankderuyck我确实同意您与@statman进行的连续实验讨论以及如何处理噪音。
但是，让我们提醒一下，DoE 通常应用于真实的物理/化学实验中，因此在选择设计（以及相关的运行次数）时，您还必须考虑成本和时间。如果响应需要较长的持续时间/时间长度来测量/记录（例如几个月/几年的稳定性研究），那么进行更大的“一次性”DoE 并同时获得所有需要的结果可能更合理，而不是进行几次连续的 DoE，因为每次迭代都会花费大量时间。Maria Lanzerath 还在她的用例中强调了 OMARS 设计在模型选择方面的优势，以及与可用的可能项数相关的模型复杂性。
关于您的问题：
希望这个回答对讨论有帮助，
回复：OMARS 设计有何特殊优势？谢谢 Victor，OML 很有趣。3 级分类效应也是可能的，OMARS 也可以吗？
顺便说一下，我看了一下 Maria Lanzerath 的案例研究，其中有相当多的知识可用，并且对交互作用做出了假设；在这种情况下，可以使用定制设计构建同样好的 DOE，跳过不必要的交互，如果有疑问，则切换到“如果可能”。
回复：OMARS 设计有何特殊优势？不可以，DSD、OMARS 或 OML 设计不可能存在 3 级分类因子，只能存在 2 级分类因子。回复：OMARS 设计有何特殊优势？你好 Victor，比较 OML 和 DSD，4 个二次效应的相关性如何？从上面的相关性表中，我更喜欢 DSD：一些主要效应之间的相关性非常低且可以忽略不计，并且每个交互效应仅与 1 个其他交互效应相关。OML 交互的相关结构相当复杂；想想在 OML 算法中，过于努力地实现主要效应之间的零相关性，导致交互之间的相关性更加复杂（？）（没有免费的午餐，必须付出代价……）在我看来，实现主要效应之间的零相关性也是不必要的，在许多不平衡的定制设计中，当包含协变量因子时，主要因子之间总是存在一点相关性；R < 0,2 是可以接受的。
