如何最好地考虑我的实验设计中的两个干扰因素：一个是可量化的（储罐间的差异），另一个只是月度/时间序列的变化？如果我想进行一个（确定的？）筛选设计，其中包含 6 个可控因素，共进行 17 次试验（该 DOE 不包括罐间或月度变化）——那么捕捉由这两个潜在干扰因素引起的可能误差的最佳方法是什么？
我的实验流程是尝试提高间歇式反应器的产量，我有4个不同的反应罐，因此我们可以同时进行4次实验（即同时运行所有4个反应罐，进行一次批次实验）。之后我们需要等待10-14天才能进行下一批实验，同样是在4个不同的反应罐中进行4次实验，因此完成全部17次实验大约需要2个月。
如何才能最好地捕捉到我所描述的两个干扰因素可能造成的变异？裂区设计、协变量等等？我们理论上可以完成多达 21 次试验，但再多可能就无法实现了——所以我们必须舍弃一些可控变量以符合预算（我可以接受这一点），但我真的希望无论如何都能考虑到这些可能的干扰因素。
另一个问题——如果运行失败了怎么办？我们是不是只需将任务重新分配给下一个储罐，然后像什么都没发生一样继续运行？
实验设计回复：如何最好地考虑我的实验设计中的两个干扰因素：一个是可量化的（罐间差异），另一个只是月度/时间序列变化？首先，实验中处理噪声并没有最佳方法。您是否对罐内和罐间变异进行过变异系数 (CoV) 或抽样？这对于确定哪些组件的影响最大、评估稳定性/时间顺序效应以及测量变异性非常有用。（这可以与任何实验并行进行）。
你是否已经对预测模型效应进行了排序？你真的需要评估二次效应吗？你可以运行带有中心点的部分因子设计吗？你是否怀疑存在较大的储罐效应或储罐与因子之间的交互作用（设计因子的效应取决于储罐）？你可以将储罐视为一个区组并运行不完全区组设计。
我的建议始终是设计多个实验（用 JMP 很容易做到）。考虑每个实验可以估计哪些效应，哪些效应是混淆的，哪些效应不在研究范围内。权衡潜在的知识获取量与资源需求。选择一个实验并运行，要知道你需要迭代改进。
回复：如何最好地考虑我的实验设计中的两个干扰因素：一个是可量化的（罐间差异），另一个只是月度/时间序列变化？谢谢你的回复。
我主要想研究主效应和交互作用，我考虑过做DSD分析，只是为了提高效率，以防只有少数几个因素显著时直接简化为RSM分析，但我不太确定是否真是如此，所以我想二次效应并不是我真正感兴趣的。
我并不关心储罐与因素之间的相互作用，主要像你所说的那样，关心的是大型储罐的影响，但这只是我的一个推测。
我对不完全块效应不太了解——您有什么推荐的资料吗？时间顺序效应的可能性呢？不完全块效应是否也包含这些效应？
回复：如何最好地考虑我的实验设计中的两个干扰因素：一个是可量化的（罐间差异），另一个只是月度/时间序列变化？不完全区组（又称 BIB：平衡不完全区组）就像部分因子设计一样，是通过将高阶效应与区组混淆（混淆）而产生的。
https://www.jmp.com/support/help/en/19.0/?os=mac&source=application#page/jmp/balanced-incomplete-block-designs.shtml
依我之见，采用定向抽样/变异系数研究可以更有效地研究时间顺序效应。
Sanders, D.、Sanders, R. 和 Leitnaker, M. (1994) “时变方差分量的分析检验”， 《质量工程》
如果您对哪些因素会随时间变化有假设，那么您或许可以在较短的时间段内操纵这些因素。在这种情况下，最好使用粗体水平设置来放大这些因素的影响。
回复：如何最好地考虑我的实验设计中的两个干扰因素：一个是可量化的（罐间差异），另一个只是月度/时间序列变化？谢谢。我会看看。
我不太清楚哪些因素会随时间变化——可能是环境因素，例如环境温度和湿度的影响，也可能是原材料批次的变化等等……所以我把所有因素都归结为这个“时间”这个麻烦因素。
回复：如何最好地考虑我的实验设计中的两个干扰因素：一个是可量化的（罐间差异），另一个只是月度/时间序列变化？你好@MJZ82 ，
欢迎加入社区！
考虑到您提供的信息和有限的背景，以及@statman已经提供的有用信息，我将以更实际的方式回答。
在筛选设计中，我会使用区组因子（每个区组运行 4 次），以解释批次间的差异，同时还会使用一个 4 级分类因子来表示所用反应罐。使用这些区组因子和分类因子有助于将实验均匀分配到各个区组和反应罐中，从而有助于检测时间/批次或反应罐之间的任何差异。将区组效应作为固定效应进行分析，可以帮助您了解该“批次因子”对平均响应（平均响应随时间变化的偏差：偏差）的重要性；而将区组效应作为随机效应进行分析，则可以帮助您了解响应方差的任何变化。
- 利用区组因子，可以通过比较每个区组内实验的平均值来比较批次间的变异性，因为区组内的实验在不同区组间应尽可能相似。简单的图表以及均值-方差图和相对方差图有助于可视化这种变异性。
- 对于 4 级分类因子，6 个可控因子的水平分配在各个水箱之间是均匀的，并且通过比较每个水箱在各个区块中的实验平均值和响应范围，有助于比较水箱的变异性（以及任何偏差）。
在分析过程中，或许可以考虑采用两步法：
- 借助Fit 两级筛选平台，识别 6 个可控因素的重要活性影响。
- 使用先前确定的影响拟合模型，并添加分类因子 tank 以及随机效应 batch。
附件中包含一个设计示例（使用自定义设计平台创建）以及模拟响应的两步法。
如果您对时间趋势稳健设计这一主题感兴趣，我推荐您阅读 Peter GOOS 和 Bradley JONES 合著的《实验的最优设计：案例研究方法》（第 9 章）。您还可以在以下讨论中找到此方法的实际示例： 自定义设计中按定义顺序排列的协变量；以及 JMP 研发博客“如何创建对线性时间趋势稳健的实验设计……” - JMP 用户社区。
希望这个补充回答对您有所帮助。
