在我们的免费在线课程中了解更多信息：
工业问题解决的统计思维
在本视频中，我们展示了如何使用 JMP 中的定制设计器生成筛选设计。 我们将为 Heck 反应场景创建一个具有五个因素的最佳筛选设计。
首先，我们从 DOE 菜单中选择定制设计。
我们将响应更改为 Yield。
有五个连续的 2 水平因子。 因子和每个因子的水平存储在文件 Heck Reaction Factors.jmp 中。 我们不是单独输入因子和因子水平，而是单击红色三角形并选择加载因子。
当我们这样做时，因子和因子水平被加载到因子大纲中。
我们的下一步是指定我们想要估计的模型。
假设我们要估计所有 2-way 交互。 为此，我们选择交互，2 nd在模型大纲中。 所有双向交互都会自动添加到模型中。
您可以看到所有 2 向交互都已添加到模型中。
所需的最小运行次数为 16，默认值为 20。
如果我们不需要估计所有的 2-way 交互怎么办。 例如，根据先前的数据或主题知识，我们可能知道醋酸钠不能与任何其他因素相互作用。
我们可以点击这些交互，然后点击 Remove Term。
当我们删除每个交互时，运行次数会更新。 删除与乙酸钠的所有四种相互作用后，所需的最小运行次数为 12，默认值为 16。
让我们看看其他一些可用的选项。
当你设计一个实验时，你可能会有一些限制。 例如，您可能无法运行某些因子设置组合。 您可以使用定义因子约束下的选项指定这些约束。
我们不会在这里这样做。
红色三角形下有很多选项。 让我们看一下最优性标准。
我们设计的默认最优性标准是推荐的。 当 JMP 生成此设计时，它会生成 D 最优设计。 D 最优设计通常用于筛选实验，其目标是识别和精确估计重要影响。
有关不同优化标准的信息，请在 jmp.com/help 上搜索 Optimality Criteria。
让我们继续创建这个设计。
为此，我们单击“制作设计”。
您可以看到已生成的设计。 因为我们只有主效应和双向交互作用，所以每个因素都处于两个水平。 请注意，有许多可能的设计同样出色，因此如果您设计此实验，您的设计可能会略有不同。
设计评估下有许多选项可用于评估此设计。
我们将继续并单击制作表来创建这个设计表。
您可以看到这是一个 16-run D-Optimal 设计。
使用此设计，您可以估计五个主效应和六个 2-way 。
