篩選離散數值設計<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我創建了一個帶有離散數字項的裂圖RSM DOE。AMT delta（x1）是具有5個離散數字水平的HTC因子，而alpha（x2）是具有7個離散數字水平的ETC因子。為了提出基於代理的優化過程，我使用歷史數據來製作DOE和響應面。但是，將來我希望在數據形狀未知時應用此過程。
我的問題是基於篩選我的設計，以確定我的模型中的哪些術語是重要的。在篩選分析功能的描述中，它表示它僅適用於2級或連續因子。是否有任何自動方法在篩選功能中包含高階多項式項？我現在使用的歷史數據是非線性的，我預計我將生成的未來數據也將是非線性的。所以我希望能夠在給定每個因子的數字水平數的情況下以最大多項式開始。此外，我想包括更高權力的所有互動條款。
我手動執行了自己的篩選分析，但包括擬合模型中的所有術語，然後一次一個地使用向後消除無關緊要的術語。JMP是否有自動執行此操作的方法？
或者我應該以完全不同的方式擬合我的模型？
謝謝，
亞歷克斯
Re：篩選離散數值設計婁，
再次感謝您的回复。我主要擔心的是捕捉我測試中正在進行的真實物理，但正如George Box的引言所解釋的那樣，如果不在我的設計空間中佔據無數個點，就沒有辦法做到這一點，這幾乎與能源部正在努力實現的目標。
我理解用高階多項式過度擬合數據的潛在缺點。我想嘗試更高階模型，嘗試使用單個模型準確捕獲整個設計空間。然而，解決這個問題的方法是找到適合數據的一階或二階模型，確定是否存在擬合誤差超出一定公差的區域，或者是否存在未準確捕獲的區域使用工程歷史知識（例如翼型失速），然後在關注區域周圍的更多數據點重新運行實驗。
另一個選擇可能是將整個設計空間分成不同的實驗設計，並為每個設計擬合不同的模型。因此，對於一個翼型，它將是較低迎角的線性模型和失速區域附近的非線性。
這些路線比試圖增加模型的順序更好嗎？
謝謝。
Re：篩選離散數值設計亞歷克斯，
這是一個非常複雜的問題，可能很難簡潔地回答。我會告訴我，KISS（保持簡單）原則適用。帶有RSM模型的拆分圖（主效應，雙向交互和多項式項）似乎適用於您共享的文件。 附件是編寫RSM模型腳本的文件。
希望這可以幫助。
婁
