明确筛选设计的明确增强明确筛选设计 (DSD) 独特地满足了许多实验者的关键需求。 除此之外，我们还能如何解释自 2011 年 DSD 的发现发表以来，DSD 得到了迅速而热情的采用？ 对于许多实验者来说，在筛选少数驱动因素时，针对 5 到 7 个因素的 13 次或 17 次 DSD 是首选设计。 与 JMP 中的“拟合最终筛选”一起，您可能拥有一个简单、高效且有效的实验工作流程来查找这些因素的重要主效应、相互作用和曲线行为。 如果只有其中三个因素活跃，则可以拟合完整的二阶RSM模型，一步实现筛选和优化。 但如果三个以上的因素都处于活跃状态怎么办？ 当出现歧义时，是否有简单的下一步？ 或者这种情况的复杂性是否会成为采用 DSD 的障碍？ 在本演示中，您将首先听到展示 DSD 价值的现实示例。 然后，您将看到增强这些 DSD 的简单方法，确保可以保留结构和属性以保持 DSD 的优势。 因此，更多情况下的更多人可以从连续 DOE 和 DSD 的工作流程中受益。
随附的 pdf 讨论了挑战和寻找解决方案。
这些解决方案的实际实施在解决 DSD 使用问题的策略经过保罗·纳尔逊博士。本文是探索实验序贯设计的实际（现实）实施和确定性筛选设计介绍的系列文章的第 3 部分。
Augmentation of 13-run, 6-factor DSD for estimation of full RSM for any 4 facctorsAugmentation of 13-run, 6-factor DSD for estimation of full RSM for any 4 facctors增强 13 次运行、6 因子 DSD，用于估计任意 4 个因子的完整 RSM
实验设计视频回复：确定性筛选设计的确定性增强你好，
Prism Training and Consultancy Ltd 的 Andrew 和 Paul 进行了插件开发，因此您应该联系他们。 您可以在 JMP 合作伙伴计划中找到它们： JMP 合作伙伴 | JMP。
您应该注意，这项工作是一个研究项目，只关注狭窄的范围。 它尚未推广到更广泛的潜在 DSD 增强情况。 您可能会发现它不适用于您的特定 DSD 增强需求。
更通用的增强解决方案是使用 JMP DOE 菜单中的增强设计。
您可能需要与当地的 JMP 联系人交谈，讨论您尝试使用 DSD 增强做什么，以便他们可以提供一些指导。
回复：确定性筛选设计的确定性增强感谢您的精彩演讲！ 插件仍然可以下载吗？
