有关 DOE 的连续因子值/范围的帮助您好，我正在尝试为工作中的实验人员设计 DOE，有人问我是否可以让 JMP 在连续因子的特定范围内包含更多运行。 该因子的值范围为 0 到 500，他们认为 10 到 100 的范围最有趣，并希望 JMP 在该范围内添加比该范围外更多的运行。 有没有办法做到这一点？ 任何建议都会有所帮助。 谢谢。
回复：有关 DOE 的连续因子值/范围的帮助仅仅根据我的同事 Mark、Ian 和 Mike 提出的明智建议，如果您正在运行 JMP 版本 13，您可能需要考虑使用“比较设计”平台，从以下人员共享的角度来评估每个候选设计的执行情况：在他上面的帖子中标记。
回复：有关 DOE 的连续因子值/范围的帮助这项研究是美国能源部。
范围10-100是包括在0-500的范围内。 所以模型将能够在“最佳点”范围内进行插值，即使设计不包括那些特定的级别。
我认为这取决于你信仰关于X1的限制范围：10-100。 如果你相信
- 效应大小相对于响应的标准偏差很大，比方说大三倍
- 最小响应发生在该范围内
- 预期模型足以描述该范围
如果您相信所有这些说法都是正确的，请使用此范围 X1：10-100反而X1的数量：0-500。 为什么要使研究复杂化？
您可以进行相对大量的运行来研究两个因素。 （这个反应的所有其他因素又如何呢？ 保持它们不变？ 它们和 X1 或 X2 不会产生交互作用吗？）因此，为具有 X1 和 X2 的二阶模型进行自定义 I 最优设计，运行次数约为 20 次。 在数据建模方面，它将优于 Box-Wilson 设计（中心组合设计）和 Box-Behnken 设计。 这是一个设计候选：
请注意
- 复制是大量运行的自然结果
- 每个因素通常有三个水平来支持二阶模型
- 几次运行使 X1 靠近中心但偏离中心
- 这些奇怪的运行增加了最优性
- 这些奇怪的运行使设计变得复杂（当你运行它时）
- 随意将它们更改为中心水平，最优性损失非常小
这个设计的表现如何？
如果效应大小至少是响应标准差的两倍，则功效相当高。 该结果得益于包含超过最小运行次数的 14 次运行。 您希望使用此模型来确定可最小化响应的最佳因子设置。
在以设计空间为中心的较大因子水平区间内，模型预测的方差将非常低。
所以我会放弃X1不同级别的区别。 这种区别来自于以设计为中心或测试心态。 研究应该来自以模型为中心的或实验心态。
回复：有关 DOE 的连续因子值/范围的帮助感谢您的帮助和建议。 我将为您提供有关这些因素的一些额外信息：
连续X1（0-500）
连续X2（0-5000）
我们可以进行的运行次数是 25 到 50 次。
目标是找到最佳因子设置/区域以最小化响应 Y。 我们还希望进行一些重复以更好地评估变异性。
10 到 100 对于 X1 很重要，因为历史数据表明该范围对响应影响最大。 JMP 中 RSM 模型的定制设计将不包括此范围。 将因子视为离散数值似乎是一个不错的选择。 在这种情况下，在模型拟合期间将其视为连续可以吗？
我不确定这是否是能源部。 希望您能赐教。 谢谢！
回复：有关 DOE 的连续因子值/范围的帮助也许要补充（总结一下？）我的同事所说的内容，下面是我在向不熟悉该过程的人解释能源部时使用的幻灯片中的文本。
- 设计的实验是系统生成的一系列实验，其选择的目的是能够理解被认为影响观察到的响应的因素之间的关系和相互作用。
- 这是什么意思？
- DOE 寻找当每个因素都满足时，响应会发生什么情况自己改变了。
- 美国能源部还关注当因素发生时会发生什么一起改变。
- DOE 中的每个实验均经过计算以提供最大信息价值。
- DOE 旨在测试尽可能广泛的范围因素中的设置。
- DOE 是更高效和更加强大与使用单一分析进行的实验相比。
- DOE 的输出是数学模型可用于描述因素和响应的重要行为。
- 您对设计的实验有何期望？
- 有些实验会产生不良结果（参见上面的 2、4 和 6）。
- 特定问题的“解决方案”可能不会出现在实验中（参见上面的 6）。
回复：有关 DOE 的连续因子值/范围的帮助我对这个问题有强烈的看法。 我希望你的实验成功。
连续因子范围应总是设置得尽可能宽。 这样的设计将提供最佳估计对于该因素的影响以及最高功率对于给定运行次数的这些影响进行假设检验。 将因子范围限制为 10-100 或将这些级别包含在 0-500 范围内妥协估计和功率。 完成设计后，您可以使用设计评估大纲中提供的信息亲自查看此损失。 您还可以使用比较设计平台来查看两种设计选项之间的差异。
（顺便说一句，我不建议使用下限为零的因子范围。 这种做法将连续因素本质上变成了分类因素：不存在或存在。 最好使用非零值作为下限，以便该因子始终存在，但程度不同。 这种考虑是科学和工程，而不是统计学。）
如果您的同事坚持包括这些额外的级别，那么除了 Ian 的答案之外，另一种方法是使用“离散数字”选择来定义此因素。 这种方法将使用有原则的设计算法而不是特别指定手动添加运行的过程。这种方式将最大化您设计中可用的信息。
您正在设计一个实验，而不是一个测试。 使用模型而不是设计来查找“最有趣”的功能或级别。 实验的目的是提供适合给定模型的最佳数据。 测试的目的是观察特定因素水平的响应。 它们不是同一件事。
回复：有关 DOE 的连续因子值/范围的帮助就机制而言，一旦您完成了 JMP 的设计过程并制作了表格，您就可以自由地手动向该表格添加“额外”行以及您认为合适的值。 但这是否可取，如果是的话，最好的方法是什么，都是可以讨论的（取决于你准备说你已经知道什么，以及你试图找出什么）。
那么，在不泄露商业秘密的情况下，您能否详细介绍一下您的实验目标以及您拥有的资源？
