DOE连续因素影响混合物性质Re：DOE连续因子影响混合物性质嗨，
我正在尝试建立一个实验，以了解特定成分“A”和特定成分“B”的浓度如何影响配方的特性。
有趣的是：
配方中A的浓度（例如每升A的克数）
制剂中A含量与B含量的比率。
A和B是来自购买的混合物的成分。混合物1以一定浓度供应A. 混合物2以一定浓度供应B. 所以我们的表述可以表示为：
x％混合物1 + y％混合物2 + z％填料，其中x + y + z = 100％。
我们的目标是了解这些购买的混合物中A和B浓度如何影响最终配方。我们考虑建立一项研究，我们通过将A值和A / B比率视为连续变量，人为地夸大我们使用A和B多少来达到目标A值和A / B比率。例如，如果混合物1含有2克/毫升的A，我们想要了解更多的A会影响我们的配方，我们只需要在配方中添加更多的混合物1（如果我们将混合物1的量增加一倍，我们就会加倍A）的数量。为了调整A / B比率，我们需要膨胀使用的A量，然后求解以找出我们需要达到目标比率的混合物2的数量。问题是所有这一切最终都会影响混合物;添加更多的混合物1和2会减少我们最终使用的填料量。
因此，我不确定如何设置模型，以便我可以将操纵A和B浓度的效果与调整填料浓度分开。JMP社区能否对此提供任何指导？谢谢！
Re：DOE连续因子影响混合物性质嗨，
这听起来像混合设计问题。我建议你搜索“掌握JMP混合实验”的视频，它将向你介绍这个主题。（这些视频会定期更新，但目前有一个视频： https://www.jmp.com/en_in/events/ondemand/mastering-jmp/mixture-designs.html ）
如果我理解正确，A，B和填充剂是混合因素：您想要探索改变这些成分的相对比例如何影响配方材料的性质。并且你被限制为一种成分的量增加需要减少另外一种成分的量。
我希望这有帮助。
菲尔Re：DOE连续因子影响混合物性质嗨菲尔，
谢谢你这么快速的回复！您对我的要求的总结大多是正确的。
我的表述基本上是：
x％混合物1 + y％混合物2 + z％填料
混合物1和2是购买的商品，在这些混合物中分别是关键成分A和B. 我们真正感兴趣的是A和B浓度的影响。在一个完美的世界中，我们能够为实验目的调整A和B的浓度。 就目前而言，我们认为我们可以通过调整最终配方中混合物的浓度来“欺骗它”来模拟效果。 换一种说法：
如果我们希望添加更多浓度的A - >需要增加混合物1的量
如果我们希望添加更多浓度的B - >需要增加混合物2的量。
我希望这更清楚！
Re：DOE连续因子影响混合物性质您熟悉JMP中的Prediction Profiler吗？如果是这样，想象一下你想在这项工作结束时制作的探查器。听起来你会希望它在x轴上有％A，％B和％填充物作为3个因子。但是你不能直接调整％A和％B，因为它们是作为混合物提供的。A和B混合物还有什么？是否与制作最终配方时添加的填料相同？Re：DOE连续因子影响混合物性质我认为菲尔是在正确的轨道上，但让我采取不同的方法。首先，让我们看看我是否正确重述了问题：
你有混合物1。我们假设它由3种成分组成：A1，A2和A3。您最初对A1感兴趣。您无法控制混合物1中的比例。
你有混合物2。我们假设它由3种成分组成：B1，B2和B3。您最感兴趣的是B1。你无法控制混合物2中的比例。
您将混合物1和混合物2以及填料混合在一起。您希望了解A1和B1的含量如何影响您的最终产品。
现在一个重要的问题是：A1的AMOUNT会影响产品或影响产品的A1和B1的相对比例吗？如果它是AMOUNTS，那将改变一切。我会按比例工作，因为我相信这就是你要找的东西。
混合物1和混合物2存在的事实几乎没有用，因为你无法调整它们。您有三种成分混合物：Mixture1，Mixture2和Filler。因此，在JMP中，您只需指定Mixture1，Mixture2和Filler三个混合组件。你知道当你增加Mixture1时你会增加A1的数量（你的主要兴趣成分），但请记住我上面所说的假设：比例都是重要的，而不是金额。
我希望我已经正确地总结了一切，这有帮助。如果没有，请告诉我！
Re：DOE连续因子影响混合物性质@Dan_Obermiller
您询问： “ 现在一个重要的问题是：A1的AMOUNT会影响产品或影响产品的A1和B1的相对比例吗？如果它是AMOUNTS，那将改变一切。我会按比例工作，因为我相信这就是你要找的东西。“
回答： 总重量中的A1的AMOUNT是重要的和 A1 / B1的比例。 可以肯定的是，它只是我们对A1和B1的数量感兴趣的比例每批量大小。
购买混合物1和2是正确的，并且出于所有密集目的，我们无法改变它们;我们得到的东西和供应商确实有变化。 当供应商向我们发送混合物1和2时，他们分别报告A1和B1的含量。
在我们的实验室中，我们有一些额外的混合物1和不同水平的A1。 起初我以为这可以让我设置一个混合设计，％x Mixture 1 +％y Mixture 2 +％z Filler作为变量，其中x + y + z = 1，然后为A1内容添加分类变量。 例如，我们在实验室中有3批混合物，A1水平为4,6,8。 这将是一个离散的数字，在4,6和8有3个等级。
这种方法对我来说似乎很直接。 问题是这些不同的批次来自多个供应商，我真的想测试混合物1是否对配方中给定量的A1表现不同，具体取决于我们使用的供应商。这就是为什么我认为我可以“欺骗”我使用每个供应商的材料调整绝对A1和B1内容，然后将混合物1的供应商视为分类变量。这样，当我们使用其他供应商的Mixture 1时，我们可以看到底层模型是否有任何变化。 但后来我开始讨论这个问题：调整A1的数量需要我们添加更多的混合物1，这意味着我们使用更少的填充物，所以看起来我会混淆填料含量与A1含量的影响。
Re：DOE连续因子影响混合物性质供应商是另一个因素。供应商是否与A1的4级，6级和8级混淆？如果是这样，您将无法将每个供应商的A1级别分开。
我认为A1的数量和A1 / B1的比例会引起一些问题，而问题就是比例。假设A1为4且A1 / B1 = 1。这意味着B1为4。你在这里收集一些数据并得到一个很好的回应（让我们说Y = 14）。现在您将A1增加到8并且A1 / B1 = 1并且您得到更好的响应（比如Y = 18）。必须是由于A1的增加，对吧？不，可能是由于B1的增加。更进一步，假设你运行这四个试验：
A1 A1 / B1 Y.
4 1 14
8 1 18
4 0.5 12
8 0.5 14
请注意，A1的效果看起来与A1 / B1的效果完全相同。
实际上，Y = 10 + B1是生成数据的模型。
也许这可以通过另一种想法来简化：填料可以被认为是惰性的吗？如果是这样，那么只需将实验基于不同的A1和B1。刚刚调整填料以保持适当的批量大小，因为它是惰性的而被忽略。
