如何修復分 3 個模組完成的失敗實驗？我有一個 DOE，我已經按月劃分了運行次數——我每個月可以運行 4 次，3 個月總共可以運行 12 次。
如果某個實驗模組中的一次運行由於與實驗設計因素無關的外部因素而失敗，是否有辦法挽救我的設計？
例如，由於原料供應商的問題，我第一組實驗中的第四次運行不得不中途停止，所以小組實驗只完成了三次運行。有沒有辦法重新調整實驗設計，讓第一組實驗只進行三次運行，第二組實驗進行四次運行，第三組實驗也進行四次運行？或者我應該重新開始（這會讓我浪費大約一個月的時間）？
如果我可以先運行 3 次運行的模組，再運行 5 次運行的模組，最後運行 4 次運行的模組呢？我只是好奇大家在這種情況下會怎麼做，以及如何利用這 3 次已完成運行的數據，而無需從頭開始——我是否應該減少因子數量，或者只運行因子較少的 3 次運行模組等等？
實驗設計回覆：如何修復分 3 個模組完成的損壞實驗？我不會說這個實驗「失敗了」。我們仍有機會利用剩餘的數據進行學習。
鑑於目前提供的資訊有限，很難給出具體有效的建議。能否提供實驗數據表？您似乎在每個區組內分配了 4 個處理，那麼與區組相關的因素有哪些（例如，噪音是什麼）？您是否做過任何預測？模型效應的預測排序是什麼？區組效應的預測大小是多少？設計結構的解析度是多少？等等。
有幾種方法可以「替換」缺少的數據，但考慮到設計結構，這些方法的實用性受到限制。以下是一些替換方案：
1. 使用剩餘 11 個處理組的反應平均值（或使用該組內 3 個處理的平均值）。這往往會降低該處理的影響。
2. 使用你的預測值（假設你在運行實驗之前進行了預測）。
3. 將剩餘的 11 個處理進行迴歸，並在目標模型中留出 1 個自由度（通常是最高階效應或預測最小的效應）。儲存預測公式，缺失處理的預測值將自動填入 JMP 表格中。注意：在計算預測公式之前，您可能還需要快速查看區組效應的大小，並調整數值以補償區組效應。
4. 完成以上所有步驟，分析結果，並確定缺失的一項處理對結果的影響程度。如果結果基本上一致，則可以得出結論：缺失一項處理影響不大。如果存在分歧，則可能需要更多數據。因此，問題在於是否要重新執行缺失的那項處理？是否應該在相同的設計空間（或預測的設計空間）中運作？如果重新運行，則會引入第四個區組效應，那麼是否也應該重新運行另一項處理來「校準」區組效應？
