質問1: DOEモデル分析
コメント:
フィル・ケイ
ビクター :段階的な選択は、推奨されるデフォルトのアプローチではない可能性があります。
ガイドや比較としては役立ちますが、GenRegや他のプラットフォームと結果を比較したいです。
ラスター プロットは、多くのモデルに含まれる用語の頻度を確認し、それらの比較を確認するのにも役立ちます。https 
/community.jmp.com/t5/JMP-Wish-List/Raster-plots-or-other-visualization-tools-to-help-model/idi-p/730968
翻訳者 : それぞれ独自のバイアスと仮定を持つ異なるモデル間で一貫して同じ効果を示す、圧倒的な証拠を備えた複数のモデル アプローチ。
質問2: 制約条件を適用する「共変量アプローチ」
コメント
ビクター : About constraints :
ライアン・レキベッツ :
フィル・ケイ : 最近、LinkedIn にもこれについて投稿しました:
この議論は素晴らしいです。技術的な答えに飛びつくのは比較的簡単です (JMP!)。しかし、「なぜ」という問いにも挑戦することが重要です。
チャンドラムーリ :
ビデオ 3: 完全実施要因設計: 中心点の数はいくつが推奨されますか?
フィル・ケイ : 中心点については以前にも投稿しています:
ビクター : 中心点は曲率の検出に役立ちますが、いくつかの二次効果を推定することはできません。
Q:カスタムデザインに中心点を追加するにはどうすればよいですか?
答え: 
ビクター : スコープ設計と、設計空間を確認するための予備実行としての使用について :
ビデオ 4: 実験設計を変更せずに、簡単な DoE の因子をリセット/削除するにはどうすればよいですか?
コメント:
チャンドラムーリ :
ビクター :
- 「analysieren」では、モデルの内外の効果を選択できます。
- 「分析」タブ --> 「ベストモデル」を試す
- または、結果を含むJMPデータテーブルを使用して「モデルの適合」でカスタムモデルを作成します。
ジョナス・リンネ : Easy DOEのフレキシブルモードに切り替えれば、同じことができると思います
ビクター: 回答を個別に適合させてください。ただし、モデルの作成と比較に役立つリソースはたくさんあると思います。
OFATにはモデルがなく、比較アプローチのみであるため、意思決定のガイドとしてはあまり役に立ちません。
ビデオ 5: DOE を使用するための分析文化
コメント:
ウーヴェ・ウェバー : プロファイラーを使えば理解できる
えりな : イーストマンでは、お客様やクライアントとの関係構築に重点を置き、小さなことから始めて、あなたとあなたの技術に対する信頼を築くことで、最も大きな成功を収めています。同僚とのいくつかの勝利や成功した DOE を目にすると、彼らは DOE をより信頼するようになるかもしれません。
結果とコスト削減が最も説得力のある手法である
翻訳: : 文化を変える: 忍耐。限界を超えて取り組む。1 人の科学者やエンジニアを説得できれば、彼らは私たちよりもチームメイトに DOE の使用を説得できるでしょう。Bea が言うように、社内の 1 つの優れた DOE データセットは、外交的に、対象者を狙って使用すれば、多くの人を説得することができます。
@maria_astals さん、録音してくれてありがとう！
昨日議論された点について詳しく説明するためのコメント:
- 段階的選択
ステップワイズ回帰は、計画された実験では次のような問題を引き起こす可能性があります。
- DoEの実験構造を無視する：階層原理、スパース原理、そして時には遺伝原理だが、この最後の原理は一般化回帰プラットフォームで強制することができる。
- これらの用語は主にその大きさや効果の大きさに基づいて選択されるため、偏った/誇張されたパラメータ推定値が作成されます。
- 調整なしでの多重テストにより、偽陽性（有効でない効果を検出する確率）のリスクが増加する。
- 用語の選択と統計的検定の推定の両方に使用できるため、信頼性の低いp値を提供します。
- 多重共線性は考慮されていない。これは、計画内の用語間の強いエイリアス/相関、および/または混合計画の場合に問題となる可能性がある。
- 生成された設計に関連する想定モデルを完全に無視します。
他にも理由があるかもしれませんが、このトピックに関する文献や議論は簡単に見つかります。
SP0016 段階的か段階的でないか? 多変量モデリングのすべきこととすべきでないこと | Annals of the Rheumatic Diseases
多重共線性に対処するために段階的回帰を使用するのは適切ではない - PMC
ステップワイズ回帰が嫌われる理由 | 統計モデリング、因果推論、社会科学
回帰分析における変数の段階的選択は悪です。
段階的選択はベンチマーク モデルとして依然として役立ちます。また、要因の数がそれほど多くない場合は、 すべての可能なモデル オプションを使用して、さまざまなモデルが選択と推定という用語についてどのように一致または不一致であるかを確認するのが興味深い場合があります。ただし、モデルの比較と選択は、設計の背後にある想定モデルとドメインの専門知識に基づいて行う必要があります。
DoE データに対する段階的アプローチに関連するコミュニティ内のいくつかの議論と投稿:
異なる条件を持つ2つのモデルを同時に適合させる方法
通常の（非プロ）JMP を使用した混合 DOE 分析の後方回帰ですか?
ステップワイズ回帰による混合DOEの分析
DoEモデルの問題の拡張
モデル選択のための決定的スクリーニングと段階的スクリーニング（最小 AICC）の適合
- 制約
制約を追加するには 2 つの方法があります。
- 制約条件パネルで制約条件と制限を追加することで、制約条件に従って設計ポイントの生成を制限します。
- 候補セットアプローチを使用して設計生成に使用できる設計ポイントを直接制限する： 候補セット設計：問題に合わせたDOE制約の調整（2021-EU-30MP-784）
ジェド・キャンベルの「Demystifying Factor Constraints」に関するブログ投稿は、このトピックに関する必読記事です。
- センターポイント
中心点を追加する選択は、多くの場合、目的と実際的な理由に関連しています。曲率の検出、実験中の測定安定性プロセスの確保、純粋な誤差/変動性の推定値を持つこと、設計空間の中心での推定値を持つこと（因子空間/設計による品質に関する堅牢性分析のコンテキストで）、... 想定されるモデルと設計の種類によっては、中心点が必要ない場合があります。中心複合計画や決定的スクリーニング計画などの古典的な計画には中心点がありますが、計算された最適計画には中心点が必要ない場合があります。
このテーマに関する文献:
5.3.3.7. 中心点の追加
中心点: データの数学的な中心を見つける - isixsigma.com
https://www.statease.com/blog/importance-center-points-central-composite-designs/
コミュニティでのいくつかの議論と投稿:
中心点の効果
Re: 中心点をブロック全体に均等に分散させるカスタムデザイン
デザインに追加すべき中心点の数はいくつですか?
マリア・アスタロス次回の会議への提案として、いくつかのトピックを事前に投票して準備しておくことができれば素晴らしいと思います。DoE クラブは四半期ごとの会議なので、さまざまなトピックのアンケートを作成し、次回のクラブ会議の前に投票するのに十分な時間があります。これにより、より深い議論とトピックの多様性（そしておそらくより多くの参加/関与）が保証されます。準備/投票されたトピックと自発的なトピック/質問を組み合わせることは、今後の会議にとって良いアイデアかもしれません。
Bill @statman さん、会議にご参加いただき、とても嬉しかったです。あなたから学ぶことができて本当に嬉しかったです。
@Victor_Gさん、ご説明ありがとうございます！
このコミュニティにはディスカッションセクションのトピックがあります: https://community.jmp.com/t5/Design-of-Experiments-Topic/idb-p/doe-grouphubidea-board
グループからいくつかのアイデアを集めて、事前にアンケートを送信しましょう。
