我之前的帖子證明了一些優點設計實驗使用隨機塊而不是更傳統的固定塊。我的主要觀點是隨機塊可以允許更具成本效益的實驗，因為它們需要更少的運行來滿足一組給定的因子和模型規範。
隨機塊還有另一個優點。使用隨機塊的分析允許您預測其他塊的響應。當然，大多數從業者都希望做出這樣的預測，但嚴格來說，固定的塊分析不允許這樣做。
目前，自定義設計工具中 JMP 允許您將運行分組為任意大小的隨機塊。但是，想像一下製造環境，這個過程每天都會隨機變化，並且每天都會隨著班次的變化而變化。因此，您有兩個阻塞因子，一個（shift）嵌套在另一個（day）中。新的一天需要改變班次。
界面允許一個隨機阻塞因子，但是如何創建具有兩個嵌套隨機因子的設計並不明顯。
你怎麼能這樣做？
我們假設實驗中的所有因素都很容易在不同的運行中發生變化。如果有些因素難以改變，我們可以在每個班次中保持這些因素不變。我們稱之為具有此功能的設計a 裂區設計 。
如果有很多因素很難改變，我們可能希望將這些因素保持一整天的生產。需要進行非常難以改變的因素的實驗以及難以改變的因素以及易於改變的因素分裂分割圖設計 。
分裂圖設計和分裂分割圖設計都是阻塞設計，塊是隨機塊。在分裂圖設計中，塊是運行組，其中難以變化的因子保持不變。
JMP支持這兩種設計，並且該功能提供了一種使用嵌套隨機塊創建設計的方法。
所以告訴我
圖1顯示了一個場景的因子表，我們想要調查六個分類因子，每個因子有兩個級別。請注意，我已經定義了兩個因素，稱為假VHTC因子和假HTC因子。我將表中的Changes列設置為Very Hard作為第一個因子而Hard設置為第二個因子。你可能猜測這些不是真正的因素，如果是這樣，你是對的。
圖2顯示了Model視圖。我選擇了前兩個因素。接下來是通過單擊“刪除術語”按鈕從模型中刪除這些因素。
圖3顯示了生成的模型。
現在假設我們想讓實驗運行四天，每天三班。也許我們每班可以進行兩次跑步。然後，圖4中的Design Generation outline節點描述了該場景。
“整個情節”是天。“子圖”是移位，其中有4x3 = 12。有12x2 = 24次運行，因為我們可以在每個班次做兩次。
單擊“設計設計”按鈕將生成表1中的設計。注意假因子的垃圾值。由於它們沒有出現在模型中，因此最佳設計器不會從原始隨機設置更改其值。
現在單擊Make Table按鈕。獲得表後，可以刪除兩個假因子列，並將名為Whole Plots的列更改為Day，將名為Subplots的列更改為Shift。結果見表2。
當您填寫響應並運行模型腳本時，JMP將自動使用Day和Shift作為隨機塊來擬合適當的回歸模型。
底線......
雖然支持不像一個隨機阻塞因子那樣明確，但一旦你知道如何，你就可以擁有嵌套的隨機塊。您可以使用此方法的變體來創建帶有交叉隨機塊的設計或阻止裂縫設計 。如果對其中一個有足夠的興趣，我可以在以後的帖子中給出一個例子。所以在你的評論中告訴我。
感謝Bradley這篇文章！
您能比較和對比Custom Design如何處理以下設計和分析：
1） 1因素“非常難”，1因素“硬”（例如分裂圖）
2）1因素“非常難”，1因素“硬”，4“簡單”，“因難以改變因子可以獨立於非常難以改變因子而變化”（例如條形圖）
3）2個因素“硬”
我在方案1中理解，在ANOVA中生成了兩個錯誤項以進行分析 - 非常硬錯誤項位於整體圖中，而硬錯誤項位於子圖級別。
對於其他兩種情況，在ANOVA級別會發生什麼？
是否有任何流程示例，其中每個設計最合適？
傑西卡貝勒中寫道：
我已經使用相同的方法在JMP中生成定制DOE用於分析開發。第一個隨機阻滯因子是平板，因為一個或多個因子只能應用於整個平板，並且平板在一天內嵌套，因為一天可以運行一定數量的平板。此外，我們有幾個因素可以在板的行/列內發生變化。
