如何评估 DOE 设计大家好，
我正在研究具有以下因素的 DOE：
在进行实验之前，我想知道如何评估我的设计以确保我能够：
-
自信地确定哪些变量对响应影响最大
-
确定哪些特定级别的变量表现更好
另外，我不想只进行最少数量的运行，因为我计划重复进行每个实验。如果您能提供任何关于如何评估设计充分性的建议，或者推荐一些可用的工具和指标，我将不胜感激！
实验设计回复：如何评估 DOE 设计嗨，马克，谢谢你的回复。很遗憾，我之前看过这个指南，但一直没能找到问题的答案。具体来说，我想知道如何评估我的设计是否能够找到对响应影响最大的变量，以及这些变量的哪些水平能够最大化响应。此外，我希望用最少的运行次数来实现这一点。为此，我有两个设计及其混叠矩阵，但我无法判断运行次数为12的设计是否能够做到这一点：
此外，我不知道响应中的噪音，也不知道改变因子水平会在多大程度上改变响应。
再次感谢
回复：如何评估 DOE 设计初始较小的设计将估计包含一些双因子交互作用的一阶模型。较少的运行次数不允许某些因子水平组合，这些组合会降低或消除估计值之间的相关性（别名矩阵）。更多的运行次数将允许更多的组合，并提高检验的功效，以得出显著的效应。
第二个更大的设计也将估计X2和X3变化时响应的曲率，这与第一个设计提出的模型不同。大量的运行次数也允许形成组合以消除参数估计值的相关性。这最大化了显著性检验的功效。
鉴于您事先不知道这些因素的响应标准差或效应，您可以运行初始设计，了解相关信息，并在必要时使用“实验设计 (DOE)”>“增强设计”进行新的运行来增强设计。您的初始实验不会失败，只会让您失望。在这种情况下，您可以改进它，而无需重新开始或放弃。
回复：如何评估DOE设计我完全赞同@Mark_Bailey的所有贡献。我唯一想补充的是，不要低估测量系统噪声……这也是未知响应标准差中固有的。因此，由于缺乏这方面的知识，我建议选择小规模设计，大胆的级别……然后从中学习。正如Mark建议的那样……如果你还没有解决手头的实际问题，就进行增强。
