私の DOE において、2 つの厄介な要因 (1 つは定量化可能 (タンク間の変動)、もう 1 つは単純に月次/時系列の変動を説明する要因) を最も適切に考慮するにはどうすればよいでしょうか。17 回の実行で 6 つの制御可能な要因を使用して (決定的な?) スクリーニング設計を実行したい場合 (その DOE にはタンク間または月ごとの変動は含まれません)、これら 2 つの潜在的な迷惑要因によって発生する可能性のあるエラーを捕捉する最善の方法は何でしょうか。
私のプロセスは、バッチリアクタープロセスの出力増加を試みており、4つの異なるリアクタータンクを備えているため、一度に4つの実験を実行できます（つまり、1バッチで4つのタンクすべてを同時に実行します）。その後、次のバッチの実験を実行するまで10～14日間待つ必要があります。これも4つの異なるタンクで4つの実験を実行するため、17回の実験を完了するには約2か月かかります。
私が説明した2つの厄介な要因による潜在的な変動を捉える最良の方法は何でしょうか？分割計画、共変量などでしょうか？最大21回の実行は可能ですが、それ以上は不可能かもしれません。そのため、予算内に収めるために制御可能な変数をいくつか排除する必要があります（これは問題ありません）。しかし、いずれにしても、潜在的な厄介な要因を考慮したいと思っています。
別の質問ですが、もし実行に失敗したらどうなるのでしょうか？次のタンクに再割り当てして、何もなかったかのように続行するのでしょうか？
実験計画法Re: DOE で 2 つの厄介な要因 (1 つは定量化可能 (タンク間の変動)、もう 1 つは単純に月次/時系列の変動を説明する要因) を最も適切に考慮するにはどうすればよいでしょうか。まず、実験におけるノイズ処理に最適な方法は一つではありません。タンク内およびタンク間の変動について、CoV/サンプリングを実施したことがありますか？これは、どのコンポーネントが最も大きな影響力を持っているかを特定し、安定性/時間的影響と測定変動を同時に評価するのに非常に役立ちます。（これは任意の実験と並行して行うことができます）。
予測モデルの効果を順位付けしましたか？本当に二次効果を評価する必要がありますか？中心点を用いた一部実施要因分析を実行できますか？タンクの影響が大きい、あるいはタンクと因子の相互作用（タンクに依存する設計因子の効果）が疑わしいですか？タンクをブロックとして扱い、不完全なブロックを実行することもできます。
私のアドバイスは、常に複数の実験を設計することです（JMPを使えば簡単です）。それぞれの実験において、どの効果が推定可能か、どの効果が交絡しているか、どの効果が研究に含まれていないかを検討してください。知識獲得の可能性と必要なリソースを比較検討してください。1つを選び、反復が必要であることを承知の上で実行してください。
Re: DOE で 2 つの厄介な要因 (1 つは定量化可能 (タンク間の変動)、もう 1 つは単純に月次/時系列の変動を説明する要因) を最も適切に考慮するにはどうすればよいでしょうか。ご返答ありがとうございます。
私は主に主効果と相互作用を探しています。いくつかの要因だけが重要である場合に RSM に直接集約される場合に備えて、効率を上げるために DSD を実行することを考えていましたが、実際にそうであるかどうかはわかりません。したがって、二次効果は実際には私が興味を持っているものではないと思います。
私はタンクと要因の相互作用については心配していません。あなたが言うように、主に大型タンクの影響ですが、それは少し知識に基づいた推測です。
不完全ブロックについてはよく知らないのですが、何かおすすめのリソースはありますか？時間順効果の可能性についてはどうでしょうか？それも不完全ブロックに含まれますか？
Re: DOE で 2 つの厄介な要因 (1 つは定量化可能 (タンク間の変動)、もう 1 つは単純に月次/時系列の変動を説明する要因) を最も適切に考慮するにはどうすればよいでしょうか。不完全ブロック (別名 BIB: Balanced Incomplete Blocks) は、部分階乗と同様に、高次の効果をブロックと交絡 (エイリアシング) させることによって作成されます。
https://www.jmp.com/support/help/en/19.0/?os=mac&source=application#page/jmp/balanced-incomplete-block-designs.shtml
私見ですが、時間順序の影響は、直接サンプリング/COV 研究によってより効率的に研究されます。
サンダース、D.、サンダース、R.、ライトナカー、M.（1994）「時間依存分散成分の分析的検討」、品質工学
さて、時間の経過とともに変化する要因についての仮説があれば、より短い期間でそれらを操作できる可能性があります。そのような場合は、大胆な水準設定でそれらの要因効果を誇張するのが最適です。
Re: DOE で 2 つの厄介な要因 (1 つは定量化可能 (タンク間の変動)、もう 1 つは単純に月次/時系列の変動を説明する要因) を最も適切に考慮するにはどうすればよいでしょうか。ありがとうございます。確認してみます。
どの要因が時間の経過とともに変化するのか、よくわかりません。周囲の温度や湿度などの環境要因や、原材料のロット変更などが影響している可能性があります。そのため、すべてをこの「時間」という厄介な要因にまとめているようなものです。
Re: DOE で 2 つの厄介な要因 (1 つは定量化可能 (タンク間の変動)、もう 1 つは単純に月次/時系列の変動を説明する要因) を最も適切に考慮するにはどうすればよいでしょうか。こんにちは@MJZ82さん、
コミュニティへようこそ！
あなたが提供した情報と限られたコンテキスト、および@statmanがすでに提供している役立つ情報を考慮して、より実践的なアプローチで回答します。
スクリーニング設計では、バッチ間の変動を考慮するためにブロッキング係数（ブロックあたり4回実行）と、使用するタンクの4水準カテゴリ係数を使用します。これらのブロッキング係数とカテゴリ係数を使用することで、実験をブロックとタンク全体に均一に割り当てることができ、時間／バッチ間またはタンク間の差異を検出するのに役立ちます。分析においてブロック効果を固定効果として使用すると、この「バッチ係数」が平均応答（時間に依存する平均応答の偏差：バイアス）に与える影響について知ることができます。一方、このブロック効果をランダム効果として使用すると、応答の分散の変化について知ることができます。
- ブロッキング係数を用いれば、各ブロック内の実験はブロック間で可能な限り類似している必要があるため、各ブロックの実験の平均を比較することでバッチの変動性を比較できます。シンプルなグラフやXbarチャート、Rチャートは、この変動性を視覚化するのに役立ちます。
- 4 レベルのカテゴリ因子を使用すると、6 つの制御可能因子のレベルの割り当てがタンク間で均一になり、ブロック全体の各タンクの実験の平均と応答範囲を比較することで、タンクの変動性 (および偏り) を比較するのに役立ちます。
分析のために、2段階のアプローチを検討すると興味深いかもしれません。
- Fit Two Level Screening Platformにより、6 つの制御可能な要因の重要な活性効果を特定します。
- 以前に特定した効果を使用し、カテゴリ因子タンクとランダム効果バッチを追加してモデルを適合します。
添付されているのは、設計例（ カスタム設計プラットフォームで作成）と、シミュレートされた応答に対する 2 段階のアプローチです。
時間トレンドロバスト設計に興味をお持ちでしたら、Peter GOOSとBradley JONES共著の「最適実験計画：ケーススタディアプローチ」（第9章）をお読みになることをお勧めします。この手法の実践的な例は、こちらのディスカッション「カスタム設計における定義済み順序の共変量」と、こちらのJMP R&Dブログ「線形時間トレンドに対してロバストな実験計画を作成する方法」でご覧いただけます。 - JMPユーザーコミュニティ
この補足的な回答がお役に立てれば幸いです。
