Peter van Bruggen，聯合利華研發部統計學家
抽象的:
在聯合利華，產品在（重新）推出市場之前要進行數千次實驗。全球參與這些實驗的數百名研究人員、工程師和技術人員受過不同學科的教育，具有不同程度的統計知識。應用 DOE 通常不是常見的做法，統計學家也不總是提供支援。事實上，對於非統計專家來說，DOE 帶來了一些困難：1）DOE 的數量過多，2）填寫必要資訊的細節程度以及 3）難以理解統計分析的結果。很容易選擇錯誤的設計，或錯誤地解釋結果。它決定了成功與失敗。聯合利華沒有對所有科學家進行統計學和 DOE 培訓，而是部署了一個工具來克服這些困難。這個名為 Plyos 的工具是內部開發的，並在 JMP 中運作。 Plyos 簡化了流程並透過擴展來幫助引導使用者完成 DOE 的設定流程。 Plyos也給出了詳細的解釋來解釋統計分析的結果。演示重點介紹了該工具的使用方法以及其優點和局限性。
演講者文字:
請參閱所簡報投影片的單獨 PDF
1 簡介
“思考是解決問題最重要的武器之一”
曼德拉多年前在一次訪談中談到自己27年的監禁時說過這句話。
然而，這些明智的話對於實驗設計同樣有效。它已成為我們 DoE 相關課程口號的一部分。
聯合利華是一家生產「快速消費品」的公司，涉及食品、家居和個人護理產品等多個領域。它了解世界各地的許多站點。
產品上市的流程可以簡化為三個階段：在研發部門，產品成型，然後在試驗工廠進行小規模測試，然後在我們的工廠生產並投放市場。
由於設備昂貴、批量通常較大且最終產品不能在市場上銷售，因此工廠實驗的成本相對較高。
在研發中，由於實驗規模較小，我們可以做更多的實驗，導致每個樣品的成本更低。試驗工廠就在中間。
當然，對 DoE 技術的需求與您進行的實驗數量直接相關。
然而，遺憾的是，與研發領域相比，中試工廠中關於統計數據和 DoE 的常識以及統計支持水平要低得多，而工廠中的統計支持水平甚至更低。
隨著我們在試驗工廠引入 DoE，我們面臨多項挑戰。
這些挑戰始於這樣一個事實：我們在全球擁有 40 多個試驗工廠，共有 500 多名同事參與其中。教育程度差異很大，統計知識也有很大差異。使用統計技術並不總是日常做法。
在中試工廠工作的人員在其專業領域都非常有資格且受到高度讚賞，但當他們啟動 DoE 工具時，他們面臨著許多選項和選擇。其中一些選擇“容易”，但其他選擇可能“非常困難”。他們面臨的大多數問題都與設計的類型以及結果的分析和解釋有關。缺乏該領域的知識可能會阻止他們使用 DoE。
有許多方法可以克服可能缺乏知識的問題，其中最明顯的方法列於此。然而，由於涉及的站點和同事數量眾多，「培訓」和「增加統計支援」都非常昂貴。我們都知道，強制使用某種技術是不會起作用的。
2 在試驗工廠引進 DoE
聯合利華選擇了簡化應用 DoE 流程的途徑。這不僅是一種降低成本的選擇，對於同事眾多、員工時常調換工作的聯合利華來說，也可能是更永續的選擇。
為此，我們設定了一些要求，以簡化實驗設計及其分析的建立過程。
我們盡可能避免使用統計語言。我們跳過了有關設計類型和分析技術的術語，而是專注於試用後需要收集的資訊以及使用者在試用前掌握的知識。
由於避免使用統計語言並不總是可行的——特別是在分析數據時——因此我們選擇在流程的每個階段提供幫助。
3 Plyos 工具
為了使這種簡化的過程成功進行，您不可避免地需要一個簡單、實用且易於使用的軟體工具。
我們已經開發了這樣一種工具。該工具名為“Plyos”，可在聯合利華全球範圍內使用。
該工具在 JMP 中運行並僅對所需的資訊進行抽樣。有哪些反應和因素？並且只有在嚴格需要時才對額外資訊進行採樣。例如，只有當互動可以在設計中包含時才會提出是否需要將互動包含在設計中的問題。
所有步驟均已解釋清楚，並且可能的決定也已傳達給使用者。它檢查輸入並根據聯合利華的知識提出改進建議。
最後，該工具提供了一種有效的設計，如果情況需要，可以隨機或阻止的方式呈現。
此外，該工具還會根據回應類型和因素數量，使用最少量的統計技術來分析回應，並解釋如何解釋每種技術（單獨和組合）。
4 Plyos 程序流程
透過給出的範例，您可以大致了解程式的流程，並附上一些螢幕截圖。僅介紹一些亮點。
開始時，Plyos 提供更改資料儲存預設資料夾的選項。您可以閱讀幫助或打開更詳細的手冊。也可以選擇使用範例文件來測試應用程式。
當然更重要的是設計一組新的實驗或開啟現有的設計來新增回應資料並分析這些結果。
當使用者開始創建新設計時，該工具首先會要求提供詳細信息，以便在後期識別試驗。然後用戶需要填寫回應的詳細信息，其中給出了一個示例螢幕。這裡要求的資訊細節比您在 JMP 中設定設計時預期的要多。這些額外資訊是典型的聯合利華訊息，並在後台用於優化最終的設計。例如，Plyos 會詢問是否可以用連續反應取代序數反應或名目反應。連續反應更容易分析，且結果對於非統計學家的解釋也較少問題。
單獨的幫助畫面可用於解釋不同的欄位及其影響。
關閉此回應畫面後，流程的下一步將以類似的方式處理需要調查的因素。
如果 Plyos 知識系統決定使用者需要做出選擇（例如是否需要包含互動），系統就會提出問題並提供協助來澄清這個問題。
下一步「決定與後果」是指 Plyos 所做的強制決定。
如果 Plyos 強製做出決定 - 例如當需要限制因子水平時 - 將顯示一個帶有解釋的單獨窗口，其中 - 如果適用 - 可以選擇選項。
當所有內容都填寫完畢並回答完畢後，就會提供一個隨機的、可立即使用的設計。
此 JMP 資料表（再次得到幫助支持）可直接用作中試工廠試驗的配方。可以填寫回應結果，當然也可以儲存表格以供稍後處理。
表格與所提供的資訊相對應，並且比其標準 DoE 流程之後的標準 JMP 資料表更為詳細。例如，JMP DoE 將僅為輸入的所有分類因子建立名義因子，而 Plyos 則根據輸入使其成為序數因子或名義因子。
如果沒有對反應數據進行適當的分析，那麼良好的實驗設計也是無用的。
在給定的範例中，您可以在左側看到 JMP 報告窗口，其中顯示為正在調查的模型選擇的預定義統計技術，而在右側則可以看到相同技術的解釋。
解釋只會顯示分析中實際使用的技術，反之亦然。
除了模型的一般描述和最重要的假設之外，分析技術的詳細解釋（單獨和組合）也足以在大多數情況下從數據中得出可靠的結論，即使用戶對統計數據的了解有限。
5 設計挑戰
在工具的設計過程中，我們面臨幾個挑戰。有些影響較大，有些影響較小。
第一個問題涉及特定因素組合需要哪些類型的設計，以及我們是否能夠創建這樣的流程，即當您再次啟動相同的流程時會選擇相同的設計？
幸運的是，我們對目標群體及其特定需求有相當多的專業知識。不同的情況由因素的數量、因素的類型、每個（分類）因素的等級數、是否包含交互作用和/或非線性以及一些其他限制來定義。
所有資訊都儲存在一個大型資料表中，其中還包括如何分析資料的資訊。
在早期開發階段，決定主要使用古典設計。這些很容易理解並且可以重複。然而，這些設計並不容易編碼，尤其是當您想避免使用者進入 JMP 的標準 DoE 對話方塊畫面時。
因此，大多數設計都是透過循環在腳本中硬編碼的。其他的則儲存在資料表中並根據需要使用。
在設計創作過程的不同階段，需要多種類型的協助。為了便於維護，文字不應儲存於腳本太深的地方。
我們將文字放入不同的來源，包括腳本。然而大多數都儲存在資料表和日誌中。尤其是我們發現在日記中儲存大量文字並以靈活的方式呈現文本的各個部分的方式給了我們很大的滿足感。
我們還遇到了一些小問題：
某些創建的列名似乎依賴語言（例如“殘差”）。我們選擇了簡單的解決方案並測試語言，並要求使用者在需要時進行更改。
一些「平台偏好」改變了資料在分析過程中的呈現方式。有些無法透過硬編碼來克服。我們沒有找到克服某些問題的方法，因此我們在文本中提出了警告。
我們從 2011 年開始使用 JMP9 進行開發。後來引入了 JMP11，這給某些程式帶來了一些問題。我們建構了版本相關的子程式來克服這個問題。但是 JMP9 不再可用。
6 工具可用性和推出
該工具已在整個聯合利華全球推廣。它是透過共用磁碟機傳送的。
儘管透過幫助和附帶的手冊可以不言自明地了解該工具的使用，但該工具也是培訓計劃的一部分。
在這次訓練中，重點不是實驗設計的背景或複雜的統計數據，而是更專注於練習工具和建立設計所需的準備。我們在訓練期間的座右銘是“開始之前要仔細思考”，實際上重複了曼德拉先生的話。
根據我們的經驗，這個思考過程比實際設立 DoE 的過程更為重要。
7 工具使用
Plyos 自 2012 年起上市。
我們看到該工具的使用範圍遍佈整個聯合利華業務，覆蓋超過 20 個國家和超過 500 名用戶。大約有 100 位使用者創建了我們在過去 2 到 3 年中看到的 600 個相關案例中的幾個。 Plyos 似乎適用於約 95% 的案例，從而形成有效且實用的設計。其中約有 5% 的案例需要統計員的投入。
但有一點極為重要：所有面向都需要高階管理層的推動和支持。如果沒有這樣的支持，該工具的使用（以及 DoE 的應用）很可能會下降。我們很幸運能得到這樣的支持。
8 結論
要得出一個確切的結論仍然很困難 — — 尤其是作為該工具的設計者而言。
然而，從我們剛剛看到的統計數據以及我們收到的和仍然從用戶那裡收到的評論和問題來看，我認為我們已經成功簡化了建立實驗設計的過程。
當然，我們需要盡一切努力讓使用者專注於創建實驗設計，只要中試工廠的工作需要它。我們這樣做，部分是透過管理，但也透過根據需要由統計人員提供專門的幫助。
此外，工具本身也需要定期更新以滿足用戶日益增長的需求。
看來，「開始前要三思而後行」的重點也是有益的。使用者更清楚自己想要調查什麼，並認為 Plyos 是一個有用的工具，可以幫助使用者在沒有統計人員幫助的情況下完成調查。
9 團隊與結束
最後我想強調的是，如果沒有一支優秀的團隊，這項發展是不可能實現的。
不幸的是，Winfried Theis 在該工具編寫完成之前就離開了聯合利華。
另外兩個人——來自 Quadt Consultancy 的技術支援人員 Frits Quadt 和來自 Octoplus Information Solutions 的腳本編寫人員 Hans de Roos——仍在我們的團隊中。
當然，還有很多人也在幕後參與，使得 Plyos 能夠在全球推廣。我們非常感謝他們的幫助。
彼得‧範布魯根
統計員
聯合利華研發中心，荷蘭弗拉丁恩
peter-van.bruggen@unilever.com
