903381_zh-CN

liliconcom

DOE 俱乐部 2025 年第三季度录音和讨论

视频 1：JMP 19 简介

视频 2：在 DOE 设置和分析中包括协变量和/或不受控制的补充变量。

该视频目前正在处理中。请几分钟后重试。

（在我的视频中查看）

视频 3：计算 DOE 中样本大小的功效，特别是对于重复很常见且必要的体内研究（即动物研究）。

该视频目前正在处理中。请几分钟后重试。

（在我的视频中查看）

视频 4：如何为 DoE 实验选择合适的设计？

该视频目前正在处理中。请几分钟后重试。

（在我的视频中查看）

Q3 DOE俱乐部问答汇编

1. 在 DOE 的设置和分析中应如何处理协变量和不受控制的补充变量？

设计实验通常会面临计划因子之外的变量，称为协变量。有些协变量可测量但不受控制（例如基线体重、pH 值），而另一些则是不受控制的噪声（例如湿度、操作者效应）。忽略这些变量可能会导致误差增大，并掩盖真正的因子效应。

DOE方法：

1. 协变量：如果可测量，则将其添加到模型中。这可以减少无法解释的变异，提高估计精度，并增强检验功效。
2. 不受控制的补充变量：如果无法衡量，则通过阻塞（将类似条件分组）、随机化（均匀分布干扰效应）和复制（估计可变性）进行管理。

解决方案：
在定义阶段识别可能的协变量，持续测量它们，并将其纳入模型。对于无法测量的噪声因素，可以采用区组、随机化和重复的方法。这可以确保更清晰的信号检测和可靠的结论，尤其是在复杂的生物或制造实验设计 (DOE) 中。

参考：

https://community.jmp.com/t5/JMP-Blog/What-is-a-covariate-in-design-of-experiments/ba-p/361517

https://community.jmp.com/t5/Discussions/DOE-with-covariate/td-p/825007

https://community.jmp.com/t5/Discussions/Unexpected-change-in-controlled-variable-in-DOE/td-p/729169

https://community.jmp.com/t5/Discussions/Mixture-DOE-with-covariate-batch-effects/td-p/718593

https://community.jmp.com/t5/Learn-JMP-Events/Developer-Tutorial-Handling-Covariates-Effectively-when/ev-p/809996

https://community.jmp.com/t5/JMPer-Cable/New-in-JMP-16-Improved-covariate-handling-in-DOE/ba-p/361540

https://community.jmp.com/t5/Discussions/How-to-Account-for-Uncontrolled-Factors-Using-a-Definitive/td-p/666426

1. 我们如何计算 DOE 样本大小的功效，特别是在重复很常见且必要的体内（动物）研究中？

在研究中，样本量受到成本、伦理和可行性的限制。动物数量过少会导致检验效能低（存在遗漏真实效应的风险），而动物数量过多则会浪费资源并可能引发伦理问题。

DOE方法：

1. 力量是在给定样本大小、效应大小、变异性和显著性水平的情况下检测到真实效应的概率。
2. 重复在动物研究中尤其重要，因为生物变异性很高。
3. JMP 的功效和样本量平台让您在进行研究之前模拟不同的场景。

解决方案：
根据中试数据或文献估计预期变异性。使用功效分析确定达到可接受功效（通常为 80%）所需的最小重复次数。如果资源限制了样本量，则设计实验设计 (DOE) 时应重点关注最关键的因素，并考虑区组或协变量以降低噪声。这可以在统计严谨性与伦理道德和预算现实之间取得平衡。

参考：

https://community.jmp.com/t5/Discussions/How-to-use-sample-size-and-power-for-factorial-DoE-to-determine/td-p/380872

https://community.jmp.com/t5/Discussions/Power-calculations-to-determine-sample-and-replication-of/td-p/552299

https://community.jmp.com/t5/Discussions/Sample-Size-for-DOE/td-p/237085

https://community.jmp.com/t5/Discussions/Power-Equation/td-p/53219

https://community.jmp.com/t5/Discussions/Should-I-consider-power-analysis-in-DOE/td-p/501063

https://community.jmp.com/t5/Discussions/DoE-How-to-treat-replicate-measurements/td-p/18588

https://community.jmp.com/t5/Discussions/Power-Analysis-in-Design-Evaluation-DOE/td-p/65472

https://community.jmp.com/t5/Discussions/Doe-and-replications/td-p/565281

https://community.jmp.com/t5/Learning-Center/Sample-Size-Explorers-DOE/ta-p/414885

https://community.jmp.com/t5/Discussions/quot-Animals-quot-Split-Plot-DOE/td-p/546140

1. 在起草 DOE 探索路径时，我们如何确定实现特定目标（例如覆盖设计空间或减少不确定性）所需的实验数量，以及如何与资源限制取得平衡？

在规划实验设计 (DOE) 时，由于时间、成本或伦理限制，理想运行次数（覆盖设计空间并减少不确定性）与最大可行运行次数之间始终存在矛盾。如果没有周密的规划，您可能会面临结果效力不足或资源浪费的风险。

DOE方法：

1. 使用设计诊断（如预测方差概况、设计空间覆盖和别名结构）来量化候选设计探索因子空间的程度。
2. 应用功效分析来检查所选样本量是否可以检测到具有实际重要性的效应。
3. 探索顺序/迭代设计（如贝叶斯选择），从较小的规模开始，仅在需要时进行扩展，而不是预先投入所有资源。

解决方案：
明确定义实验目标（效应检测、响应面图或稳健性检验）。然后使用 DOE 工具在给定的资源上限下，根据这些目标评估候选设计。如果允许的最大实验次数无法提供足够的覆盖率或功效，则

1. 将研究范围缩小到关键因素和反应，或
2. 采用分阶段的设计策略。这确保了即使在存在限制的情况下，DOE也能得出有意义且可辩护的见解。

https://community.jmp.com/t5/Discussions/how-JMP-design-the-number-of-runs-for-Default-under-DOE-custom/td-p/662940

https://community.jmp.com/t5/Discussions/JMP-Custom-DOE-vs-Full-Factorial-DOE/td-p/256413

https://www.jmp.com/content/dam/jmp/documents/en/support/jmp111/DOE_Guide.pdf

https://community.jmp.com/t5/Learn-JMP-Events/Understanding-DOE-Capabilities-in-JMP/ev-p/809981

1. 为 DOE 研究选择合适的实验设计的最佳方法是什么？

选择不合适的设计可能会浪费资源并且无法回答研究的问题。

DOE方法：

1. 将设计与目标相匹配：
   筛选：部分因子、确定性筛选设计 (DSD)。
   优化/曲率建模：响应曲面设计（中心复合、Box-Behnken）。
   混合/配方：单纯形格子、单纯形质心或混合空间填充设计。
   稳健性/噪声：田口设计或稳健设计。
2. JMP中的定制设计：当标准目录设计不适合时（由于不寻常的因素类型、约束或资源限制），JMP 的定制设计平台会根据您的因素、模型和运行次数构建实验。
3. 始终检查诊断（别名结构、预测方差、设计效率）以验证选择。

解决方案：
明确定义实验目标（筛选、优化、稳健性、混合）。在适当的情况下使用经典设计，但依靠 JMP 的定制设计来处理复杂的实际场景。这确保了灵活性、资源的高效利用以及与实际科学问题的一致性。

https://www.synthace.com/blog/types-of-doe-design-a-users-guide

https://ilssi.org/how-to-choose-the-right-design-for-a-designed-experiment-doe/

https://community.jmp.com/t5/Abstracts/Design-of-Experiment-s-Crucial-Step-0-Choosing-the-Right-DOE/ev-p/738877

https://www.jmp.com/content/dam/jmp/documents/en/support/jmp111/DOE_Guide.pdf

https://www.itl.nist.gov/div898/handbook/pri/section3/pri33.htm

JMP 19 DOE资源

JMP 19 中的贝叶斯优化：

1. JMP贝叶斯优化平台概述： https://www.jmp.com/en/software/bayesian-optimization
2. JMP Pro 19 中贝叶斯优化的社区介绍： https://community.jmp.com/t5/JMPer-Cable/Introducing-the-Bayesian-Optimization-platform-in-JMP-Pro/ba-p/897807
3. JMP 19 新版本概述（包括贝叶斯优化）： https://www.jmp.com/en/software/new-release/new-in-jmp
4. JMP Pro 19 贝叶斯优化 YouTube 演示： https://www.youtube.com/watch?v= 9rOqTZHpRqA

JMP 中的 DOE 白皮书（通用和 JMP 19）：

1. JMP DOE优势白皮书： https://www.jmp.com/en/resources/white-papers/doe-advantage
2. JMP 官方白皮书页面（包含 DOE 论文）： https://www.jmp.com/en/resources/resource-listings/by-type/white-papers
3. 详细的 JMP DOE 白皮书 PDF： https://www.jmp.com/content/dam/jmp/documents/en/white-papers/jmp-whitepaper-doe-advantage.pdf
4. 更多 DOE 白皮书 PDF： https://www.jmp.com/content/dam/jmp/documents/en/white-papers/103044-doe.pdf

JMP 19 中的 DOE 相关信息和新功能：

1. JMP 19 实验设计指南 PDF： https://www.jmp.com/content/dam/jmp/documents/en/support/jmp19/design-of-experiments-guide.pdf
2. JMP DOE 功能概述页面： https://www.jmp.com/en/software/capabilities/design-of-experiments
3. JMP DOE（JMP 19）新增了探索器和增强工具： https://community.jmp.com/t5/JMPer-Cable/What-s-new-in-JMP-DOE/ba-p/898558