JMPにおけるタグチ配列と被覆配列のランダム化こんにちは、コミュニティの皆様
直交表／被覆配列／タグチ配列の潜在的な用途を調査したところ、 被覆配列とタグチ配列のプラットフォームでは、計画作成時（データテーブル作成前）に実験順序をランダム化するオプションが提供されていないことがわかりました。しかし、 カスタム設計プラットフォームでロバストな計画を構築し（ノイズ因子としてカテゴリ因子を追加： ロバストなプロセスおよび製品設計のための実験）、計画をランダム化することができます。
これら 2 つのプラットフォーム (カバーリング アレイと Taguchi デザイン) に対して、同じデザイン構築順序 (ランダム化なし) で実験を実行する正当な理由はありますか?
例えばタグチアレイの場合、最初の要因が2つの「ブロック」に分割され、前半は低レベルで、後半は高レベルで実行されるため、ランダム化の欠如が非常に問題となりました。この設計シナリオではノイズ要因を考慮し（そしてこれらのノイズ効果を考慮して応答を測定し）、このスキーマで実験を実行すると、指定されていないノイズ要因に起因するバイアスが生じたり、増大したりする可能性があります。例えば、日中の気温に起因するバイアスの場合、実験の前半は比較的気温の低い午前中に、残りの半分は比較的気温の高い午後に実施されます。これにより、最初の要因の効果がバイアスされ、誇張されたり、中和されたりする可能性があります。
ご意見をお待ちしております。意図していない場合は、JMP Wish を作成します 
ありがとう ！
実験計画法JMPにおけるタグチ配列と被覆配列のランダム化についてVictorさん、私の知る限り、田口氏は外側の配列全体にわたってSN比を計算する際に、あなたがおっしゃるようなランダム化の使用を重視していませんでした（これは変化するノイズ全体にわたる平均値と標準偏差の推定値の関数であり、本質的にはそれらの応答が繰り返しであるかのように計算されます）。彼はむしろ、処理を操作されたノイズにさらすことで堅牢な設計を作成し、そのような堅牢性を示す応答を作成することに興味を持っていました。もちろん、この手法の有効性（あるいは統計的な「正しさ」）については議論があります。私は、これらのクロス（内側の配列と外側の配列）を分割図として扱うことに偏っています。
もちろん、自分でランダム化を行うこともできますが、ノイズを識別し、実験中にそれを管理できれば、より良い結果が得られます。
「できるものはブロックし、できないものはランダム化する」GEP Box
JMPにおけるタグチ配列と被覆配列のランダム化についてご回答ありがとうございます、とても納得できました！
タグチデザインの限界を示す論文をいくつか読んだことがありますが、タグチデザインは実用的で「エンジニア」重視の方法でデザインを作成したため、「統計的正確性」が損なわれていたと書かれています。JMPは、タグチデザインを作成する際に、ノイズ因子を「繰り返し」として考慮し、応答平均値と標準偏差を用いてS/N比を計算するという、あなたが言及したのと同じ形式を提供しています（L4の例）。
内側のアレイと外側のアレイの交差を分割実験として考慮せずに、表に示されている順序で分析を実行すると、外部の（考慮されていない）ノイズ要因の影響により、実験に潜在的なバイアスが生じる可能性があると懸念しています。カバーリングアレイプラットフォームでも実行順序に関して同様の課題がありますが、分割実験として検討することは可能かもしれません。この有益なアドバイスに感謝します。
これらのデザインに対する私の理解が完全に間違っていたわけではないことがわかり、とても安心しました。
最高、
JMPにおけるタグチ配列と被覆配列のランダム化について田口の哲学については多くの誤解があります。彼の研究の多くは英語に翻訳されていますが、それは必ずしも容易ではありません。何年も前に東京で彼と一緒に教えた時のことを覚えていますが、彼が応答変数の選択と作成に重点を置いていたのは、非常に工学的なものでした。彼は、外部からのノイズや相互作用（例えば、保存則によるエネルギーや質量の形での相互作用）に対して堅牢な応答変数を好んでいました。
