有關 DOE 的連續因子值/範圍的幫助您好，我正在嘗試為工作中的實驗人員設計 DOE，有人問我是否可以讓 JMP 在連續因子的特定範圍內包含更多運行。 該因子的值範圍為 0 到 500，他們認為 10 到 100 的範圍最有趣，並希望 JMP 在該範圍內添加比該範圍外更多的運行。 有沒有辦法做到這一點？ 任何建議都會有所幫助。 謝謝。
回覆：有關 DOE 的連續因子值/範圍的幫助僅根據我的同事 Mark、Ian 和 Mike 提出的明智建議，如果您正在運行 JMP 版本 13，您可能需要考慮使用「比較設計」平台，從以下人員共享的角度來評估每個候選設計的執行情況：在他上面的帖子中標記。
回覆：有關 DOE 的連續因子值/範圍的幫助這項研究是美國能源部。
範圍10-100是包括在0-500的範圍內。 所以模型將能夠在“最佳點”範圍內進行插值，即使設計不包括那些特定的級別。
我認為這取決於你信仰關於X1的限制範圍：10-100。 如果你相信
- 效應量相對於反應的標準差很大，比方說大三倍
- 最小響應發生在該範圍內
- 預期模型足以描述該範圍
如果您相信所有這些說法都是正確的，請使用此範圍 X1：10-100反而X1的數量：0-500。 為什麼要讓研究複雜化？
您可以進行相對大量的運行來研究兩個因素。 （這個反應的所有其他因素又如何呢？ 保持它們不變？ 它們和 X1 或 X2 不會產生交互作用嗎？）因此，為具有 X1 和 X2 的二階模型進行自訂 I 最優設計，運行次數約為 20 次。 在資料建模方面，它將優於 Box-Wilson 設計（中心組合設計）和 Box-Behnken 設計。 這是一個設計候選：
請注意
- 複製是大量運行的自然結果
- 每個因素通常有三個水準來支持二階模型
- 幾次運行使 X1 靠近中心但偏離中心
- 這些奇怪的運行增加了最優性
- 這些奇怪的運行使設計變得複雜（當你運行它時）
- 隨意將它們更改為中心水平，最優性損失非常小
這個設計的表現如何？
如果效應大小至少是反應標準差的兩倍，則功效相當高。 此結果得益於包含超過最小運行次數的 14 次運行。 您希望使用此模型來確定可最小化響應的最佳因子設定。
在以設計空間為中心的較大因子水準區間內，模型預測的變異數將非常低。
所以我會放棄X1不同等級的差別。 這種區別來自於以設計為中心或測試心態。 研究應該來自以模型為中心的或實驗心態。
回覆：有關 DOE 的連續因子值/範圍的幫助感謝您的幫助和建議。 我將為您提供有關這些因素的一些額外資訊：
連續X1（0-500）
連續X2（0-5000）
我們可以進行的運行次數是 25 到 50 次。
目標是找到最佳因子設定/區域以最小化響應 Y。 我們也希望進行一些重複以更好地評估變異性。
10 到 100 對於 X1 很重要，因為歷史資料顯示該範圍對回應影響最大。 JMP 中 RSM 模型的客製化設計將不包括此範圍。 將因子視為離散數值似乎是一個不錯的選擇。 在這種情況下，在模型擬合期間將其視為連續可以嗎？
我不確定這是否是能源部。 希望您能賜教。 謝謝！
回覆：有關 DOE 的連續因子值/範圍的幫助也許要補充（總結一下？）我的同事所說的內容，以下是我在向不熟悉這個過程的人解釋能源部時使用的幻燈片中的文字。
- 設計的實驗是系統生成的一系列實驗，其選擇的目的是能夠理解被認為影響觀察到的反應的因素之間的關係和相互作用。
- 這是什麼意思？
- DOE 尋找當每個因素都滿足時，反應會發生什麼情況自己改變了。
- 美國能源部也關注當因素發生時會發生什麼一起改變。
- DOE 中的每個實驗均經過計算以提供最大資訊價值。
- DOE 旨在測試盡可能廣泛的範圍因素中的設定。
- DOE 是更有效率和更強大與使用單一分析進行的實驗相比。
- DOE 的輸出是數學模型可用於描述因素和反應的重要行為。
- 您對設計的實驗有何期望？
- 有些實驗會產生不良結果（請參閱上面的 2、4 和 6）。
- 特定問題的「解決方案」可能不會出現在實驗中（參見上面的 6）。
回覆：有關 DOE 的連續因子值/範圍的幫助我對這個問題有強烈的看法。 我希望你的實驗成功。
連續因子範圍應總是設定得盡可能寬。 這樣的設計將提供最佳估計對於該因素的影響以及最高功率對於給定運行次數的這些影響進行假設檢定。 將因子範圍限制為 10-100 或將這些等級包含在 0-500 範圍內妥協估計和功率。 完成設計後，您可以使用設計評估大綱中提供的資訊親自查看此損失。 您也可以使用比較設計平台來查看兩種設計選項之間的差異。
（順便說一句，我不建議使用下限為零的因素範圍。 這種做法將連續因素本質上變成了分類因素：不存在或存在。 最好使用非零值作為下限，以便該因子始終存在，但程度不同。 這種考慮是科學和工程，而不是統計學。）
如果您的同事堅持包括這些額外的級別，那麼除了 Ian 的答案之外，另一種方法是使用「離散數字」選擇來定義此因素。 這種方法將使用有原則的設計演算法而不是特別指定手動新增運行的過程。這種方式將最大化您設計中可用的資訊。
您正在設計一個實驗，而不是一個測試。 使用模型而不是設計來尋找“最有趣”的功能或等級。 實驗的目的是提供適合給定模型的最佳數據。 測試的目的是觀察特定因素水準的反應。 它們不是同一件事。
回覆：有關 DOE 的連續因子值/範圍的幫助就機製而言，一旦您完成了 JMP 的設計過程並製作了表格，您就可以自由地手動向該表格添加“額外”行以及您認為合適的值。 但這是否可取，如果是的話，最好的方法是什麼，都是可以討論的（取決於你準備說你已經知道什麼，以及你試圖找出什麼）。
那麼，在不洩露商業機密的情況下，您能否詳細介紹您的實驗目標以及您擁有的資源？
