介紹確定的篩選設計在我之前的兩篇文章中，我介紹了用於設計評估的相關單元圖然後展示瞭如何使用繪圖來比較設計 。在這裡，我想使用相同的圖表來說明為什麼確定性篩選設計是確定的。
有關最終篩選設計的完整技術說明，您可以閱讀“在二階效應存在下進行最終篩選的一類三級設計” - 我與明尼蘇達大學的Chris Nachtsheim共同撰寫的一篇文章。克里斯和我很高興最近了解到我們贏得了2012年美國質量協會 Brumbaugh獎對於我們的論文。該獎項提交給論文的作者，該論文為質量控制的工業應用的發展做出了最大的貢獻。該論文發表於2011年1月質量技術雜誌 ，你可以通過JMP網站閱讀 。
什麼是明確的篩選設計？
最終篩選設計與標准設計不同的最顯著方式是所有因素都是數字因素，並在三個級別進行測試。最終篩選設計的第二個顯著特徵是它是一種自我折疊。也就是說，設計的運行成對出現，彼此“鏡像”。假設我們將因子的低設置編碼為“ - ”，將高設置編碼為“+”，將中間設置編碼為“0”。然後，如果折疊對的一次運行具有編碼為“+ 0 - + - +”的因子設置，則另一次運行具有編碼為“ - 0 + - + - ”的因子設置。每對運行在其中間值處具有一個因子而在其高值或低值處具有所有其他因子。一次運行位於設計區域的中心，所有因素都處於中間位置。表1顯示了八個因素的最終篩選設計。請注意，它的運行次數是因子的兩倍多，即17次運行。
表1八個三級因子的最終篩選設計。
那麼是什麼讓這個設計如此特別？
為了了解表1中的設計為何如此精彩，讓我們使用圖1中的相關單元圖。我們的潛在模型術語是所有主要影響，雙因素相互作用和二次效應。請注意，只有繪圖對角線上的單元格為純紅色。這意味著沒有任何模型術語相互混淆。
圖1最終篩選設計的相關圖。
單元格圖的最後八列顯示了二次效應項。這些影響僅相互溫和相關（| r | = 0.19）。每個二次效應與涉及其因子的雙因素相互作用不相關。也就是說，因子A的二次效應與AB相互作用不相關。其他雙因素相互作用的絕對相關係數為0.37。事實證明，所有八個二次效應都可以通過最終的篩選設計來估算。設計的主要影響是彼此正交並且與所有二階項（雙因素相互作用和二次效應）正交。
雙因素相互作用具有成對相關性，可以採用三個值中的一個。粉紅色細胞代表三分之二的絕對相關性。淺藍色單元表示僅六分之一的相關性。純藍色細胞顯示不相關的相互作用對。
讓我們將這個設計和圖表與八個因素的標準篩選設計進行比較。該設計是最小像差分數階乘設計。該設計在表2中，其中添加了一個中心運行以使兩個設計具有17個運行，包括一個中心運行。
表2一次中心運行的標準篩選設計。
圖2顯示了分數階乘設計的單元圖。該細胞圖的最顯著特徵是所有細胞都是純藍色或紅色。也就是說，每對列都是完全不相關或完全混淆的。
圖2標準篩選設計的相關圖。
注意右下方的紅細胞塊。這些紅細胞表明所有二次效應彼此混淆。通過增加一個中心運行，標準篩選設計具有檢測因子/響應關係中非常強的非線性的能力。但是，無法確定哪個因素導致非線性。相比之下，最終的篩選設計可以分別估計每個因素的非線性效應。
分數階乘設計中的每個雙因素相互作用與三個其他雙因素相互作用混淆。這意味著如果任何雙因素相互作用是活躍的，則分析只能表明有四種可能的相互作用可以解釋觀察到的效應。將該領域縮小到一個相互作用需要進一步的實驗。相比之下，最終的篩選設計可以可靠地解決與其標準誤差相比較大的任何雙因素交互。
為什麼明確的篩選設計是確定的？
篩選的目的是將對影響很大影響的重要因素分開，這些影響可以忽略不計。如果因子的影響是強烈彎曲的，傳統的篩選設計可能會錯過這種效果並篩選出這個因素。如果存在雙因素相互作用，則具有與具有相同數量因子的確定篩選設計相似數量的運行的標準篩選設計將需要後續實驗來解決模糊性。即使存在一些二階效應，最終的篩選設計也可以可靠地完成篩選任務。
試試吧最終篩選設計插件可從JMP文件交換中獲取（下載需要免費的SAS配置文件）。該加載項適用於JMP 9和JMP 10。
了解為什麼明確的篩選設計是確定的。
回复：介紹確定的篩選設計你好布拉德利，
我非常喜歡JMP中最終的篩選設計，我遇到了與本文中討論的類似問題。這是我的理解五個因素設計仍處於灰色區域，這正是我的情況。我嘗試了五個因素設計，六個因素設計了一個額外的列，兩個都給了我相同數量的13次運行和基本相同的設計，除了應該刪除的額外列。在收集實驗結果後，它們在設計評估中的作用是否相同？
感謝您對如何正確使用DSD 4個因素的回應，但我不明白的部分是如何刪除這兩個列。你的意思是簡單地忽略它們嗎？也許我對4或5因素設計的疑問是由對DSD的誤解引起的。如果你能給我一些幫助，我將非常感激。
謝謝，
風扇
布拉德利瓊斯寫道：格雷格，我很高興你喜歡這門課程......布拉德利瓊斯中寫道：
格雷格
我很高興你喜歡這門課程。
要回答您的問題，因為DSD的每一行都有一個零，您會自動切斷您考慮的因子數量中的最極端點。例如，假設您有6個因子編碼為-1到1。然後形式X1 +/- X2 +/- X3 +/- X4 +/- X5 +/- X6 <= 5的約束起作用。
涉及因子子集的線性約束將從DSD中移除點並影響統計屬性。
Greg Steeno寫道：嗨布拉德 - 剛拿走你的和克里斯'...格雷格斯蒂諾中寫道：
嗨布拉德 -
剛剛在FTC帶你和克里斯的課。這簡直好極了。之後我對DSD有了更好的認識。
快問。DSD對（線性）約束的實驗區域有意義嗎？我假設沒有，因為由於固有的因素限制，一些期望的正交性出了門。
- 格雷格
布拉德利瓊斯寫道：你可以包括所有的雙因素我...布拉德利瓊斯中寫道：
您可以將所有雙因素交互和二次效應包含在模型中。然後，您可以從模型中的所有主效果開始逐步進行。即使相關因素沒有大的主效應，大的雙因素相互作用（交叉線）也是顯而易見的。
guido.desmarets寫道：布拉德利，我最近發現你... guido.desmarets 中寫道：
布拉德利，我最近發現了你的新發明。這個DSD看起來像是篩選設計的聖杯。祝賀你一直在做的工作。
我仍然對遺傳原則有疑問。我遇到過這個原則無效的幾種情況，通過良好的交叉線相互作用可視化，然後我們可能會錯過模型中的重要相互作用，因為主要因素並不重要。有什麼可以做的嗎？
問候
圭多
Bradley Jones寫道：Al，我在之前的回復中寫道......布拉德利瓊斯中寫道：
人，
我在之前的回復中寫道，我建議不要使用這些設計少於5個因素。對於4個因素，您可以使用6因子設計並刪除兩列。對於2或3個因子，您還可以使用6因子DSD並分別刪除3或4列。
與相同數量運行的D-優化設計相比，最終設計的效率約為90％。
同樣，我不主張使用少於5個因素的DSD。但是，如果您有2個或3個因子，並且如上所述使用6因子設計，則結果是合理的響應曲面設計。
Bradley Jones寫道：你在上面輸入的實驗有......布拉德利瓊斯中寫道：
您在上面輸入的實驗有2個標記為A和B的塊。它們與主效應正交。所以，是的，你做得對。
我應該指出，儘管這些塊與這些因子的主要影響是正交的，但它們並不與雙因素相互作用正交。
Al Annamalai寫道：布拉德利，這是一個很棒的設計...... Al Annamalai 中寫道：
布拉德利，
這是一個優秀的設計，具有卓越的性能。
雖然您已明確闡述了最終篩選設計的目的，但一些用戶希望將此設計用作類似於響應曲面建模的一次性實驗，因為這樣可以估算二次項。當存在大量因素時，篩選是有意義的。對於少數因素，有些人希望使用明確的篩選設計，代替響應面設計。我想就此發表看法。在這種用途中，雖然得到的模型不會有兩個因子相互作用，但設計能夠估計主要和二次效應。可以使用得到的模型，即沒有兩個因子相互作用項，並對某些因子組合進行一些驗證性實驗，即利用交互效應的機會嗎？謝謝。
Kesav Reddy寫道：我希望我理解正確（Bloc ......凱薩夫雷迪中寫道：
我希望我理解正確（A座和B座）
0 1 1 1 1 A 1
0 -1 -1 -1 -1 A 2
1 0 -1 1 1 A 3
-1 0 1 -1 -1 A 4
1 -1 0 -1 1 A 5
-1 1 0 1 -1 A 6
0 0 0 0 0 A 7
1 1 -1 0 -1 B 8
-1 -1 1 0 1 B 9
1 1 1 -1 0 B 10
-1 -1 -1 1 0 B 11
1 -1 1 1 -1 B 12
-1 1 -1 -1 1 B 13
0 0 0 0 0 B 14
Kesav Reddy寫道：謝謝凱薩夫雷迪中寫道：
謝謝
Bradley Jones寫道：只要你查看並實施DO ......布拉德利瓊斯中寫道：
只要你查看和實行 DOE作為一個連續的過程，最終的篩選設計將是一個合理的起點適合您的情況。如果你確實有三階效果，你需要增加這個設計來解決這些問題。
Bradley Jones寫道：Chris Nachtsheim和我一直在努力......布拉德利瓊斯中寫道：
Chris Nachtsheim和我一直致力於研究如何創建正交阻斷的最終篩選設計的研究論文。簡短的回答是你可以創建2到k個正交塊，其中k是因子的數量。您可以通過確保每個塊由折疊對組成來完成此操作。為了保持適合所有二次效應的能力，假設固定塊為每個塊添加中心運行。
Kesav Reddy寫道：特別是現在新的分類......凱薩夫雷迪中寫道：
特別是現在使用JMP加載項中的新分類因子選項
Kesav Reddy寫道：封鎖可以用作變量......凱薩夫雷迪中寫道：
阻塞可以用作這些權威屏幕設計的變量嗎？
Informex公司化學界的最終篩選設計哇...在Informex 2013中，化學中的最終篩選設計令人驚嘆中寫道：
[...]有關最終篩選設計的更多信息，您可能希望閱讀布拉德利瓊斯的博客文章，介紹它們或直接閱讀瓊斯的共同撰寫和獲獎論文[...]
Jan M Pottinger寫道：布拉德，感謝您的博客。極端... Jan M Pottinger 中寫道：
布拉德
感謝博客。非常有用。
我有一個七變量過程，非常二階，有點三階。交互作用可能只是強烈線性的。我可以使用確定的模型，還是應該在其他地方尋找？，JMP
戴爾科帕斯寫道：謝謝布拉德。這一切都有道理。我在......戴爾科帕斯中寫道：
謝謝Brad。這一切都有道理。我只看到了2011年1月的JQT文章。還會回顧一下肖文。問候，戴爾。
布拉德利瓊斯寫道：加載項使用了一些新的inf ...布拉德利瓊斯中寫道：
該插件利用了一些關於最終篩選設計的新信息，這些信息發表在肖等人2012年1月的JQT期刊上。人。這些作者表明，通過使用會議矩陣及其折疊加上中心運行，您可以生成正交最終篩選設計。會議矩陣的構造是即時的，因此您可以快速構建具有大量因素的設計。對於具有奇數個因素的設計添加2次額外運行似乎是一個很好的交易，以換取與主效果正交的設計。
順便說一句，我不會使用最終篩選設計少於5個因素。如果您有4個或更少的因素，那麼您實際上並非處於篩選狀態。我應該注意到4因素最終篩選設計是Graeco-Latin Square。有一次Stu Hunter寫了一篇題為“讓我們都小心拉丁廣場”的文章。在本文中，他指出在工業實驗中使用這些設計是有問題的，因為二階效應（如果存在的話）難以分析分離。
我非常喜歡6到12個因素的最終篩選設計。如果你有定量因素，它們很難被擊敗。對於非常多的因素，我認為這些設計對於進行計算機代碼的靈敏度分析非常有用。
戴爾科帕斯寫道：布拉德，關於權威性的出色工作......戴爾科帕斯中寫道：
布拉德，傑出的篩選設計傑出的JMP工作。我注意到，當我將一些設計模型包含在JMP版本10中，其中包括從3到7的各種因子（K），它們似乎給出了2K + 1個設計加上兩個額外的階乘運行而沒有中等水平奇數個因素;但是偶數個因素的2K + 1設計？因此，例如，他們沒有為3個因素返回2K + 1 7運行設計，5個因子的11運行設計，或7個因子的15運行設計。取而代之的是3個因子的9跑設計，5個因子的13跑設計和7個因子的17跑設計（參見下面的5因素示例）：
ABCDE標準訂單
0 1 1 1 1 1
0 -1 -1 -1 -1 2
1 0 -1 1 1 3
-1 0 1 -1 -1 4
1 -1 0 -1 1 5
-1 1 0 1 -1 6
1 1 -1 0 -1 7
-1 -1 1 0 1 8
1 1 1 -1 0 9
-1 -1 -1 1 0 10
1 -1 1 1 -1 11
-1 1 -1 -1 1 12
0 0 0 0 0 13
但是對於諸如4個因素之類的偶數因素它確實返回2K + 1 9運行設計，並且對於6個因子它也返回2個+ 1設計的13個運行。
我仍然需要完整閱讀JQT文章，試圖了解估計某些更高階效應所需的額外運行可能會在這裡發生什麼？但是現在看來，為奇數個因素返回的設計與JQT文章第5頁所示的設計不匹配。你怎麼看？？
Louis F Valente寫道：布拉德，這些新的權威性的... Louis F Valente 中寫道：
布拉德
這些新的權威篩選設計非常棒。我已經在我最近的兩項努力中應用了兩次，使用這種方法提供的價值極具吸引力和效率。好樣的！
婁
布拉德利瓊斯寫道：保羅，最終的篩選設計......布拉德利瓊斯中寫道：
保羅，
最終篩選設計不適合所有二階條款，因為沒有足夠的運行。但是，如果只有少數強烈的二階效應，那麼設計可以解決它們而無需進一步運行（除了確認）。我確實認為利用效應遺傳原理通常是有用的。它大大減少了適合的替代模型的數量。JMP 10在逐步回歸中有一個新功能，用於查看所有可能的模型，最多可達一定數量的術語，從而限制模型顯示效果遺傳。我建議將此功能與完整二次模型一起用作要考慮的術語集。
-Brad
保羅寫道：布拉德利，你在美國能源部的一系列博客都有......保羅中寫道：
布拉德利，您在DOE上的一系列博客一直很有啟發性，感謝您分享它們。您解釋為什麼這些設計被認為是篩選的權威性是有道理的。篩選通過二階識別活動因子，因此構建響應面並執行優化需要所有元素。如果ID因素與其他雙因素相互作用2/3相關，則驅動因素可能有些模糊。如果適用，您是否建議使用效果遺傳原則（主動雙因素互動至少有一個主要效果也有效）來解決？謝謝，保羅
