Peter van Bruggen，联合利华研发部统计学家
抽象的:
在联合利华，产品在（重新）上市之前会进行数千次实验。全球参与这些实验的数百名研究人员、工程师和技术人员受过不同学科的教育，统计知识水平也参差不齐。应用 DOE 往往不是常见做法，统计人员也并不总是在身边提供支持。事实上，对于非统计专家来说，DOE 带来了一些困难：1) DOE 数量过多，2) 填写必要信息的细节程度，3) 难以理解统计分析的结果。很容易选择错误的设计，或者错误地解释结果。这是成败的关键。联合利华没有对所有科学家进行统计学和 DOE 培训，而是部署了一个工具来克服这些困难。这个名为 Plyos 的工具是内部开发的，在 JMP 中运行。Plyos 简化了流程，并通过扩展帮助指导用户完成 DOE 的设置过程。 Plyos 还对统计分析结果进行了详细的解释。演示重点介绍了该工具的使用方法以及其优点和局限性。
演讲者文字:
请参阅所演示幻灯片的单独 PDF
1 简介
“思考是解决问题最重要的武器之一”
曼德拉多年前在一次采访中谈到自己27年的监禁时说过这句话。
然而，这些明智之言也适用于实验设计。它已成为我们 DoE 相关课程的口号的一部分。
联合利华是一家生产“快速消费品”的公司，涉及食品、家居和个人护理产品等多个领域。它在世界各地拥有许多工厂。
产品上市的过程可以简化为三个阶段：在研发部门，产品成型，然后在试验工厂进行小规模测试，然后在我们的工厂生产并推向市场。
由于设备昂贵、批量通常较大并且最终产品不能在市场上销售，因此工厂实验的成本相对较高。
在研发方面，我们可以进行更多实验，因为实验规模较小，从而大大降低了每个样品的成本。中试工厂实际上处于中间位置。
当然，对 DoE 技术的需求与您进行的实验数量直接相关。
然而，遗憾的是，与研发领域相比，中试工厂中关于统计数据和 DoE 的常识以及统计支持水平要低得多，而工厂中的统计支持水平甚至更低。
随着我们在试验工厂引入 DoE，我们面临着多项挑战。
这些挑战源于这样一个事实：我们在全球拥有 40 多个试验工厂，有 500 多名同事参与其中。他们的教育水平差异很大，因此统计知识也各不相同。统计技术并非每天都在实践中运用。
在试验工厂工作的人员在自己的专业领域都非常有资质和受人尊敬，但当他们开始使用 DoE 工具时，他们面临着许多选择。其中一些选择“容易”，但其他选择可能“非常困难”。他们面临的大多数问题都与设计类型以及结果的分析和解释有关。缺乏这方面的知识可能会阻止他们使用 DoE。
有几种方法可以克服可能的知识缺乏问题，其中最明显的方法列在这里。然而，“培训”和“增加统计支持”都非常昂贵，因为涉及的站点和同事数量众多。而且我们都知道，强行使用一种技术是行不通的。
2 在中试工厂引入 DoE
联合利华选择了简化 DoE 申请流程的途径。这不仅是一种降低成本的选择，而且对于拥有众多同事且员工经常更换工作的联合利华来说，可能也是一种更可持续的选择。
为此，我们设定了一些要求，以简化实验设计及其分析的建立过程。
我们尽量避免使用统计语言。我们跳过了有关设计类型和分析技术的术语，而是专注于试验后需要收集的信息以及用户在试验前掌握的知识。
由于避免使用统计语言并不总是可行的——特别是在分析数据时——因此我们选择在流程的每个阶段提供帮助。
3 Plyos 工具
为了使这种简化的过程成功进行，您不可避免地需要一个简单、实用且易于使用的软件工具。
我们开发了这样一款工具。这款工具名为“Plyos”，当然，全球联合利华都可以使用。
此工具在 JMP 中运行，仅对所需信息进行采样。响应和因素是什么？并且它仅在严格需要时才对附加信息进行采样。例如，只有当交互作用可以包含在设计中时，才会提出是否需要将交互作用包含在设计中的问题。
所有步骤均已解释清楚，可能的决定也已传达给用户。系统会检查输入并根据联合利华的知识提出改进建议。
最后，该工具提供了一种有效的设计，如果情况需要，可以随机或阻止的方式呈现。
此外，该工具还会根据响应类型和因素数量，使用最少量的统计技术来分析响应，并解释如何解释每种技术（单独和组合）。
4 Plyos 程序流程
通过给出的示例，您可以大致了解程序的流程（除了一些屏幕截图）。仅介绍一些重点内容。
启动时，Plyos 会提供更改存储数据的默认文件夹的选项。您可以阅读帮助或打开更详细的手册。还有使用示例文件测试应用程序的选项。
当然更重要的是设计一组新的实验或者打开现有的设计来添加响应数据并分析这些结果。
当用户开始创建新设计时，该工具首先会要求提供详细信息，以便在后续阶段识别试验。然后，用户需要填写响应的详细信息，并给出示例屏幕。此处要求的信息详细信息比您在 JMP 中设置设计时预期的要多。这些额外信息是典型的联合利华信息，并在后台用于优化最终的设计。例如，Plyos 会询问是否可以用连续响应代替序数或名义响应。连续响应更容易分析，结果对非统计学家来说解释起来也更简单。
单独的帮助屏幕可用于解释不同的字段及其影响。
关闭此响应屏幕后，流程的下一步将以类似的方式处理需要调查的因素。
如果 Plyos 知识系统决定用户需要做出选择（例如是否需要包含交互），系统就会提出问题并提供帮助来澄清这个问题。
下一步“决定与后果”是指 Plyos 做出的强制决定。
如果 Plyos 强制做出决定 - 例如当需要限制因子水平时 - 将显示一个带有解释的单独窗口，其中 - 如果适用 - 可以选择选项。
当所有内容都填写完毕并回答完毕后，就会提供一个随机的、可立即使用的设计。
这个 JMP 数据表（同样得到帮助）可直接用作中试工厂试验的配方。可以填写响应结果，当然，表格可以保存以供以后处理。
该表与提供的信息相对应，并且比经过其标准 DoE 流程后的标准 JMP 数据表更详细。例如，JMP DoE 将仅为输入中的所有分类因子创建名义因子，而 Plyos 则根据输入将它们设为有序或名义因子。
如果没有对响应数据进行适当的分析，那么良好的实验设计也是无用的。
在给定的示例中，您可以在左侧看到 JMP 报告窗口，其中显示为正在调查的模型选择的预定义统计技术，而在右侧则可以看到相同技术的解释。
解释只会显示分析中实际使用的技术，反之亦然。
除了模型的一般描述和最重要的假设之外，分析技术的详细解释（单独和组合）也足以在大多数情况下从数据中得出可靠的结论，即使用户对统计数据的了解有限。
5 设计挑战
在设计该工具的过程中，我们面临了几个挑战。有些影响很大，有些则较小。
第一个问题涉及特定因素组合需要哪些类型的设计，以及我们是否能够创建这样的流程，以便当您再次启动相同的过程时选择相同的设计？
幸运的是，我们对目标群体及其特定需求有相当多的专业知识。不同的情况由因素数量、因素类型、每个（分类）因素的级别数量、是否包括交互和/或非线性以及一些其他约束来定义。
所有信息都存储在一个大型数据表中，其中还包括如何分析数据的信息。
在早期开发阶段，我们决定主要使用经典设计。这些设计易于理解并且可以重复。然而，这些设计并不容易编码，尤其是当你想避免用户进入 JMP 的标准 DoE 对话框时。
因此，大多数设计都是通过循环硬编码在脚本中的。其他设计则存储在数据表中并根据需要使用。
需要多种类型的帮助，在设计创建过程的不同阶段调用。为了便于维护，文本不应该存储在脚本中太深的地方。
我们将文本放在不同的来源中，包括脚本。但大多数文本都存储在数据表和日志中。尤其是我们发现将大量文本存储在日志中并以灵活的方式呈现部分文本的方式让我们感到非常满意。
我们还遇到了一些小问题：
某些创建的列名似乎与语言有关（例如“残差”）。我们选择了简单的解决方案，现在测试语言，并要求用户在需要时进行更改。
一些“平台偏好”会改变分析过程中数据的呈现方式。有些无法通过硬编码解决。我们找不到解决某些问题的方法，因此我们在文本中放置了警告。
我们于 2011 年开始开发 JMP9。后来 JMP11 的推出给某些例程带来了一些问题。我们构建了版本相关的子例程来克服这些问题。然而 JMP9 已经不再可用。
6 工具可用性和推出
该工具已在联合利华全球范围内推广。它通过共享驱动器提供。
尽管通过帮助和附带的手册可以不言自明地了解该工具的使用，但该工具也是培训计划的一部分。
在这次培训中，重点不是实验设计的背景或复杂的统计数据，而是更多地练习工具和建立设计所需的准备工作。我们在培训中的座右铭是“开始前要仔细思考”，实际上是在重复曼德拉先生的话。
根据我们的经验，这个思考过程比实际设立 DoE 的过程更为重要。
7 工具使用
Plyos 自 2012 年起上市。
我们发现该工具的使用范围遍布整个联合利华业务，覆盖 20 多个国家/地区，用户超过 500 人。过去 2 至 3 年间，我们看到约有 100 名用户创建了 600 个相关案例中的几个。Plyos 似乎适用于其中约 95% 的案例，从而形成了一个有效且有用的设计。其中约 5% 的案例需要统计人员的输入。
但有一点非常重要：所有方面都需要高层管理人员的推动和支持。如果没有这样的支持，该工具的使用率（以及 DoE 的应用）很可能会下降。我们很幸运能得到这种支持。
8 结论
得出一个确切的结论仍然很困难 — — 尤其是作为该工具的设计者而言。
然而，从我们刚刚看到的统计数据以及我们收到的和仍然从用户那里收到的评论和问题来看，我认为我们已经成功简化了建立实验设计的过程。
当然，我们需要尽一切努力让用户专注于创建实验设计，只要中试工厂的工作需要。我们这样做，部分是通过管理，也通过按需提供统计人员的专门帮助。
此外，工具本身也需要定期更新以满足用户日益增长的需求。
看来，“开始前要三思而后行”的做法也很有益。用户更加清楚自己想要调查什么，并认为 Plyos 是一款有用的工具，可以在没有统计学家帮助的情况下完成调查。
9 团队与结束
最后我想强调的是，如果没有一支优秀的团队，这一发展是不可能实现的。
不幸的是，Winfried Theis 在该工具编写完成之前就离开了联合利华。
另外两个人——来自 Quadt Consultancy 的技术支持人员 Frits Quadt 和来自 Octoplus Information Solutions 的脚本编写人员 Hans de Roos——仍在我们的团队中。
当然，还有许多人在幕后参与，使得 Plyos 得以在全球推广。他们的帮助过去和现在都深表感谢。
彼得·范布鲁根
统计员
联合利华研发中心，荷兰弗拉尔丁恩
彼得·范.bruggen@unilever.com
