如何最好地考慮我的實驗設計中的兩個幹擾因素：一個是可量化的（儲罐間的差異），另一個只是月度/時間序列的變化？如果我想進行一個（確定的？）篩選設計，其中包含 6 個可控因素，共進行 17 次試驗（該 DOE 不包括罐間或月度變化）——那麼捕捉由這兩個潛在幹擾因素引起的可能誤差的最佳方法是什麼？
我的實驗流程是嘗試提高間歇式反應器的產量，我有4個不同的反應罐，因此我們可以同時進行4次實驗（即同時運行所有4個反應罐，進行一次批次實驗）。之後我們需要等待10-14天才能進行下一批實驗，同樣是在4個不同的反應罐中進行4次實驗，因此完成全部17次實驗大約需要2個月。
如何才能最好地捕捉我所描述的兩個幹擾因素可能造成的變異？裂區設計、協變數等等？我們理論上可以完成多達 21 次試驗，但再多可能就無法實現了——所以我們必須剔除一些可控變量以符合預算（我可以接受這一點），但我真的希望無論如何都能考慮到這些可能的干擾因素。
另一個問題——如果運行失敗了怎麼辦？我們是否只需將任務重新分配給下一個儲罐，然後像什麼都沒發生一樣繼續運行？
實驗設計回覆：如何最好地考慮我的實驗設計中的兩個幹擾因素：一個是可量化的（罐間差異），另一個只是月度/時間序列變化？首先，實驗中處理噪音並沒有最佳方法。您是否對罐內和罐間變異進行過變異係數 (CoV) 或抽樣？這對於確定哪些組件的影響最大、評估穩定性/時間順序效應以及測量變異性非常有用。 （這可以與任何實驗並行）。
你是否已經對預測模型效應進行了排序？你真的需要評估二次效應嗎？你可以運行有中心點的部分因子設計嗎？你是否懷疑存在較大的儲罐效應或儲罐與因子之間的交互作用（設計因子的效應取決於儲罐）？你可以將儲罐視為一個區組並運行不完全區組設計。
我的建議是始終設計多個實驗（用 JMP 很容易做到）。考慮每個實驗可以估計哪些效應，哪些效應是混淆的，哪些效應不在研究範圍內。權衡潛在的知識獲取量與資源需求。選擇一個實驗並運行，要知道你需要迭代改進。
回覆：如何最好地考慮我的實驗設計中的兩個幹擾因素：一個是可量化的（罐間差異），另一個只是月度/時間序列變化？謝謝你的回覆。
我主要想研究主效應和交互作用，我考慮過做DSD分析，只是為了提高效率，以防只有少數幾個因素顯著時直接簡化為RSM分析，但我不太確定是否真是如此，所以我想二次效應並不是我真正感興趣的。
我並不關心儲罐與因素之間的相互作用，主要像你所說的那樣，關心的是大型儲罐的影響，但這只是我的一個推測。
我對不完全塊效應不太了解——您有什麼推薦的資料嗎？時間順序效應的可能性呢？不完全塊效應是否也包含這些效應？
回覆：如何最好地考慮我的實驗設計中的兩個幹擾因素：一個是可量化的（罐間差異），另一個只是月度/時間序列變化？不完全區組（又稱 BIB：平衡不完全區組）就像部分因子設計一樣，是將高階效應與區組混淆（混淆）而產生的。
https://www.jmp.com/support/help/en/19.0/?os=mac&source=application#page/jmp/balanced-incomplete-block-designs.shtml
依我之見，採用定向抽樣/變異係數研究可以更有效地研究時間順序效應。
Sanders, D.、Sanders, R. 和 Leitnaker, M. (1994) “時變變異數分量的分析檢定”， 《品質工程》
如果您對哪些因素會隨時間變化有假設，那麼您或許可以在較短的時間內操縱這些因素。在這種情況下，最好使用粗體水平設定來放大這些因素的影響。
回覆：如何最好地考慮我的實驗設計中的兩個幹擾因素：一個是可量化的（罐間差異），另一個只是月度/時間序列變化？謝謝。我會看看。
我不太清楚哪些因素會隨時間變化——可能是環境因素，例如環境溫度和濕度的影響，也可能是原材料批次的變化等等……所以我把所有因素都歸結為這個「時間」的干擾因素。
回覆：如何最好地考慮我的實驗設計中的兩個幹擾因素：一個是可量化的（罐間差異），另一個只是月度/時間序列變化？你好@MJZ82 ，
歡迎加入社群！
考慮到您提供的資訊和有限的背景，以及@statman已經提供的有用信息，我將以更實際的方式來回答。
在篩選設計中，我會使用區組因子（每個區組運行 4 次），以解釋批次間的差異，同時也會使用一個 4 級分類因子來表示所用反應罐。使用這些區組因子和分類因子有助於將實驗均勻分配到各個區組和反應罐中，有助於檢測時間/批次或反應罐之間的任何差異。將區組效應作為固定效應進行分析，可以幫助您了解該「批次因子」對平均響應（平均響應隨時間變化的偏差：偏差）的重要性；而將區組效應作為隨機效應進行分析，則可以幫助您了解響應方差的任何變化。
- 利用區組因子，可以透過比較每個區組內實驗的平均值來比較批次間的變異性，因為區組內的實驗在不同區間組間應盡可能相似。簡單的圖表以及平均值-方差圖和相對方差圖有助於可視化這種變異性。
- 對於 4 級分類因子，6 個可控因子的水平分配在各個水箱之間是均勻的，並且透過比較每個水箱在各個區塊中的實驗平均值和響應範圍，有助於比較水箱的變異性（以及任何偏差）。
在分析過程中，或許可以考慮採用兩步驟：
- 借助Fit 兩級篩選平台，識別 6 個可控因素的重要活性影響。
- 使用先前確定的影響擬合模型，並添加分類因子 tank 以及隨機效應 batch。
附件中包含一個設計範例（使用自訂設計平台建立）以及模擬回應的兩步驟法。
如果您對時間趨勢穩健設計這個主題感興趣，我推薦您閱讀 Peter GOOS 和 Bradley JONES 合著的《實驗的最優設計：案例研究方法》（第 9 章）。您也可以在以下討論中找到此方法的實際範例： 自訂設計中按定義順序排列的協變量；以及 JMP 研發部落格「如何建立對線性時間趨勢穩健的實驗設計…」 - JMP 使用者社群。
希望這個補充回答對您有幫助。
