如何評估 D 最優 DOE 中的 Alias 結構？我的理解是，D 最優設計可以很好地進行篩選實驗，但你最好希望沒有任何大的交互作用，否則它們會使你的主效應產生偏差，或者你應該添加一些可疑的雙向交互作用您的最佳設計是避免混疊效應的一種方法。
我被告知要避免 Res III 分數階乘和用於篩選的 Plackett-Burman 設計，因為它們可能具有不良的別名結構和與交互作用混淆的主效應。
我的問題是 - 如何將 D 最優 DOE 與 Res III 或 Plackett-Burman 設計進行比較 - 或者是否有任何方法可以找到最佳設計的分辨率以避免任何令人困惑的別名結構？最佳設計中混疊的經驗法則是什麼，以及它們如何在 JMP 輸出中報告 - 例如，如果混疊矩陣報告主效應和雙向交互之間的混疊 >0.5，是否應該避免？
實驗設計回覆：如何評估 D 最優 DOE 中的 Alias 結構？基本上，如果您懷疑2 因子交互作用，或者擔心2 因子交互作用會使您的主效應產生偏差，則JMP 中是否報告了最佳設計的別名結構編號或解析度編號，並且應該避免這些別名結構編號或解析度編號？例如 - 對於給定的因子數和給定的運行數，使用主效應模型並說 1 個交互項，是否有某種方法來評估設計並說別名影響太高，以及到底是什麼我正在尋找閾值數字，JMP 中報告的值在哪裡？
回覆：如何評估 D 最優 DOE 中的 Alias 結構？選擇最佳設計方法的主要原因之一是能夠在生成設計之前指定模型，然後讓軟體在考慮到其他可能的約束（例如運行次數、不允許的組合等）的情況下完成繁重的工作。因此，如果您希望能夠估計特定效果...將這些效果放入模型中。然後使用比較設計平台來比較您創建的任何設計，無論是最佳設計還是經典設計。該平台內有許多設計診斷功能，可幫助您深入了解您列出的所有問題。
回覆：如何評估 D 最優 DOE 中的 Alias 結構？嗨@mjz5448 ，
設計的別名結構取決於設計選擇、運行次數以及因素之間的約束/線性依賴性（如果有）。因素的限制/線性依賴性越多，獨立估計因素的模型項就越困難且越複雜。
如果您主要關心的是精確且公正地估計主效應，並能夠檢測和估計交互效應，那麼以下是有關具有良好混疊屬性的設計的一些建議：
如果您想確定設計的分辨率，NIST 的此連結將幫助您了解分辨率之間的差異： 5.3.3.4.4。部分因子設計規範與設計分辨率
評估設計時，您可以查看相關性顏色圖上術語之間的相關性，並將相關性保存在本部分「相關性表」的紅色小三角中。
關於相關性和選擇一種或另一種設計的建議，設計選擇主要受到您案例中可能的運行次數的影響。避免術語之間的高相關性肯定是「更安全」的，但減少某些相關性所需的必要遊程數有時是不可行的。因此，您必須定義目標和實驗預算（運行次數，沒有「預定義閾值」）之間的最佳權衡，並選擇最相關的設計。正如@P_Bartell所提到的，創建多個設計並使用比較設計平台來更好地評估每個設計的優缺點。
從積極的方面來看，美國能源部沒有失敗；如果您沒有實現目標，您可以隨時增強您的設計並減少/刪除阻止您檢測互動或其他高階術語的術語之間的相關性。
希望這個回答對你有幫助
回覆：如何評估 D 最優 DOE 中的 Alias 結構？謝謝維克多_G。
在最佳設計中是否存在關於別名嘗試遵循的經驗法則（D 或 Alias 最佳？）？
例如，我很清楚為什麼我們要在篩選中避免 Res III 設計，因為一些主效應與 2 因子相互作用完全混疊。但我不太清楚的是，在考慮添加運行之前，我應該查看別名表中的最小閾值以實現最佳設計。在主效果和 2 因子交互作用的別名表中，0.33 或 0.4 是否被認為較高，或 0.25 是一個好的開始？基本上在什麼時候一個數字應該讓我暫停，並讓我重新評估設計並添加更多運行？
回覆：如何評估 D 最優 DOE 中的 Alias 結構？指導如下...依層次和順序建立對因果結構的理解。當您想要測試/比較許多一階效應（因子）時，使用 Res III 設計絕對可以。我認為人們常常為了經濟而放棄基於「直覺和直覺」的考慮因素。您如何處理未研究的因素？保持它們恆定會限制推理空間，允許它們變化可能會降低設計的精確度。在這兩種情況下，將它們包括在內並獲取數據來幫助決定下一次迭代似乎是一個「更好」的想法。預測因子和交互效應（及其排序）也很重要。即運用科學和工程知識進行規劃。如果你的排名清單包含所有主效應，那麼二階效應，Res III 可能是個不錯的選擇。隨著二階效應的預測排序在預測清單中“向上移動”，您開始使用更高解析度的設計。只要迭代，在提高有效性的同時，就不會過度妥協效率。
