配方优化、定制设计、如何选择合适的高浓度你好可爱的 jmp 社区，我是一个非常新的学习者，我希望我能采纳一些想法来获得洞察力，或者甚至在我搜索时可能错过的论坛上的某个地方获得聊天链接！
呜…… 我计划在 jmp 中使用自定义设计来筛选 10 个连续因子（赋形剂）以进行配方优化。 一旦确定了我们重要的线性、二次和/或交互效应，我们的下一步计划是我们将继续进行 RSM。 从历史上看，单变量优化已在我的公司使用，因此他们有能力调查相当高水平的因素（赋形剂浓度）。 我不确定高水平的因素将如何结合使用，最终，我们可能会遇到我们的主动“崩溃”解决方案的情况，这将使任何响应分析无法实现，然后反馈到设计中。 所以现在我有两种想法，我是否
- 进行因子水平约为的设计。他们通常单变量调查的一半浓度，希望我可以识别 X1、X2、X1X2 以进一步优化并在 RSM 阶段将因素提高到更高水平或
- 从一开始就使用更高级别，可能会冒丢失这些高级别组合的响应数据的风险，如果在这种情况下我们没有得到读数，那么尝试在那个阶段降低更高级别并重新筛选？
如果它有助于我目前生成的设计总共有 74 次运行（其中 6 次是中心点），我一次最多可以运行 96 次。 正如我提到的，我是 jmp 的新手，所以如果有任何建议/阅读材料，您可以帮助我，我将不胜感激！
回复：配方优化，定制设计，如何选择合适的高水平你提到了一些关于你的配方实验的细节，进一步探索可能会很有趣：
我想知道你是否也在考虑混合物？
你在考虑加法实验的顺序吗？
混合设计可能有助于定义 API 崩溃的响应区域。
回复：配方优化，定制设计，如何选择合适的高水平嗨拜伦，
非常感谢您的回复，我实际上一直在考虑 DSD，但没想到能够在一个盘子上进行重复！ 我会给它一个 bash，非常感谢你的洞察力 
回复：配方优化，定制设计，如何选择合适的高水平我想对第一个筛选实验提出一些不同的方法。 JMP 中的确定性筛选设计 (DSD) 可以为您节省一些时间和精力。 如果您的 10 个因子都是连续的，则 DSD 设计是 25 次而不是 74 次。 即使增加 8 次额外的运行和 2 个带中心点的块也只需要 30 次运行。 （如果你有一个机器人来做移液，你可以在一个盘子里重复 3 次。 在分析步骤中一起平均的重复非常适合减少由于生物制剂对板的位置影响而引起的变化）
从第一个实验中，您应该能够了解 10 个因素的相对重要性，以便在您的下一个 RSM 设计中，您可以使用一个子集和更好的范围。
范围.. 在筛选设计中，“要么做大，要么回家”是我的座右铭。 在第一个筛选设计中，在某种程度上，在第一个 RSM 设计中，我想确定失败的边缘，以便我可以（用数据）确定一个经过验证和可接受的范围。 一旦我有了它，然后是另一个 RSM，可能具有更少的因素（对质量至关重要的因素），理想情况下是 I-optimal 设计，专注于设计空间的中间以寻找最佳操作条件，可能有用。
只是我的 $.02
-B
