OMARS 設計有哪些特殊優勢？有許多功能強大的 JMP DOE 工具在很長一段時間內都取得了成功，但最近在 OMARS Designs 上編寫和發布了許多工具。
我想詢問經驗豐富的 DOE 用戶，除了 JMP DOE 選單上提供的功能之外，這些新型設計還有哪些特殊優點？您建議在哪些特定情況下使用 OMARS？是否有無法使用 OMARS 治療的病例？據我所知，我假設混合物、裂區和隨機效應不在 OMARS 範圍內，對嗎？
實驗設計回覆：OMARS 設計有哪些特殊優勢？好吧，維克多，我很清楚。就我個人而言，我並不熱衷於透過一項大型實驗解決所有問題；透過順序方法建立知識是我最喜歡的方法，到目前為止，使用 DSD 篩選強/主動效應，並在第二步中將 DOE 擴展到具有主動效應的 RSM，取得了很好的結果；在許多情況下，只有 < 4 個顯著效應，甚至沒有必要進行增強，因此只需運行幾次即可找到解決方案。我對 OMARS 仍然沒有信心；在我看來，沒有或只有很少的知識推動很難透過一次實驗完成所有事情，我更喜歡順序品質 PDCA 方法。我同意，當有足夠的知識時，OMARS 可能是有益的（？）
回覆：OMARS 設計有哪些特殊優勢？嗨@frankderuyck ，
Peter Goos 和 Jose Nunez 最近（2020 年左右）推出了 OMARS 設計作為篩選和優化設計。
使用這些設計背後的目標是彌合最終篩選設計和響應曲面設計之間的差距。您可以輕鬆找到他們的演示，其中展示了 OMARS 設計的一些優秀特性：
在他們的範例和演示中，對於與 DSD (22) 相同的運行次數，OMARS 可能具有更好的投影屬性和更大的二次效應功效，並且能夠擬合所有雙因素交互作用。您可以使用OMARS Designs Add-In重現它們的比較，並使用平台Compare Designs將 OMARS 設計與 DSD 設計進行比較。
我附上了設計表，以便您想看時可以更容易進行比較。
- 您可以檢查 OMARS 可能能夠擬合更多項（所有交互作用和比 DSD 更多的二次效應），並且交互作用和二次效應的功效相等或更高（以主效應小幅降低功效為代價）：
- 它們還具有較低的最大預測變異數和較低的設計空間分數圖曲線（因此整個實驗空間的預測變異數較低）：
- 比較相關性圖也很有趣，術語之間的相關性較低：
Maria Lanzerath 還有一個用例，她在她的用例中展示了 OMARS 的用途和優勢。
從理智上講，這種設計非常有趣，因為它提供了一個統一並彌合 DSD 和 RSD 之間差距的系列。在某些用例中，嘗試它們並將它們與其他設計類型進行比較可能會很有趣。您將有與 DSD 類似的使用約束：沒有混合因子，沒有約束，沒有難以改變的因子/分割圖情況，沒有隨機效應（即使您可以在 DSD 和 OMARS 中使用塊），.. 。
但我不認為開發人員會在 JMP 中推動 OMARS 設計的實施，因為 Peter 和 Jose 已經創建了自己的公司 EFFEX，在基於 Web 的介面中分發 OMARS 設計。您仍然可以使用該插件試驗 OMARS 設計，並了解它與其他設計的比較。
我認為已經有足夠的設計可供選擇（DSD、OML、RSM、Optimal...），因此我沒有機會嘗試在實際用例中使用 OMARS 設計。
我希望這個討論開始可以幫助你，
回覆：OMARS 設計有哪些特殊優勢？弗蘭克，我同意，順序方法總是更好。
恕我直言，總是會有人尋求針對給定情況優化設計結構（例如，最優標準等），但實驗最重要的方面是如何處理噪音（例如，短期噪音）例如測量誤差、批次內、零件內和長期噪音（例如環境條件、批次間原材料、人工技術）。如果實驗過程中雜訊是恆定的，那麼推理空間很窄，結果可能無法推論。如果雜訊在實驗過程中「隨機」變化，那麼精度就會受到影響。軟體（任何軟體）都沒有很好地描述處理噪音的策略。人們總是過度關注設計結構（以及如何節省運行時間以了解更多資訊）。
「不幸的是，未來的實驗（未來的試驗、明天的生產）將受到與影響本次實驗的環境條件（溫度、材料、人員）不同的影響……這只能透過對主題的了解，可能需要進一步實驗的幫助 （斜體字為補充）以涵蓋更廣泛的條件，人們可以在冒著犯錯的風險的情況下決定未來的環境條件是否與今天的環境條件足夠接近，以允許使用手頭的結果。
戴明博士
“在製定這個案例的一般規則之前，先測試兩到三次，觀察測試是否產生相同的效果”
達文西
“阻止你能阻止的事情，隨機化你不能阻止的事情”
GEP盒
回覆：OMARS 設計有哪些特殊優勢？OMARS 是否可能具有 > 2 級分類效應？還具有許多或僅具有分類效應嗎？
回覆：OMARS 設計有哪些特殊優勢？@frankderuyck我確實同意您與@statman進行的順序實驗討論以及如何處理噪音。
但是，請提醒我們，DoE 通常應用於真實的物理/化學實驗，因此您還必須考慮設計選擇（以及相關的運行次數）的成本和時間。如果回應需要較長的持續時間/時間長度來測量/記錄（例如幾個月/幾年的穩定性研究），那麼進行更大的「一次性」DoE 並在一次獲得所有需要的結果可能更合理。 Maria Lanzerath 也在她的用例中強調了 OMARS 設計在模型選擇方面的優勢，以及與可用可能項數量相關的模型複雜性。
關於您的問題：
希望這個答案對討論有所幫助和富有成果，
回覆：OMARS 設計有哪些特殊優勢？謝謝 Victor，OML 很有趣。還可以使用 OMARS 來達到 3 級分類效應嗎？
順便說一句，我看了 Maria Lanzerath 的案例研究，其中有相當多的知識可供使用，並對交互效應做出了假設；在這種情況下，可以透過自訂設計建立同樣好的 DOE，跳過不必要的交互，如果有疑問，則切換到「如果可能」。
回覆：OMARS 設計有哪些特殊優勢？不可以，DSD、OMARS 或 OML 設計不可能有 3 級分類因素，只能有 2 級分類因素。回覆：OMARS 設計有哪些特殊優勢？你好 Victor，比較 OML 和 DSD 4 個二次效應的相關性怎麼樣？從上面的相關表來看，我更喜歡 DSD：一些主要效應之間的相關性非常低並且可以忽略不計，並且每個交互效應僅與 1 個其他交互效應相關。 OML交互的關聯結構相當複雜；認為在OML 演算法中，很難推動主效應之間的零相關性，從而導致交互之間的相關性更加複雜（？）（天下沒有免費的午餐，必須付出代價..）實現主效應之間的零相關性也是我的選項不是必需的，在許多不平衡的客製化設計中，當包含協變量因素時，主要因素之間總是有一點相關性； R < 0.2 是可以接受的。
