确定性的筛选设计可优化嗨，社区成员，
我搜索了最终的筛选设计，并在JMP中阅读了很多有关此主题的内容。
我了解到，确定性筛选设计用于确定模型中有效的主，二阶幂和2因子相互作用。
我有10个参数，我的邮件目标是进行优化。 首先，使用RSM或具有包括主要效果+二阶幂+ 2因子相互作用的模型的自定义设计的效果非常昂贵。 这就是为什么我认为在第一阶段，我必须在模型中找到重要参数的原因。 因此，我应该应用确定的筛选设计。 在使用拟合确定性筛选平台找到有效参数之后，我将构建具有有效参数的OLS模型。 当我找到OLS模型时，是否可以安全地使用该模型进行优化？
如果您认为是的，我可以将其用于优化，为什么DSD的目的是确定有效因素，那么它对优化也有好处，对吗？
亲切的问候。
美国能源部回复：确定性的筛选设计以进行优化在查看任何数据，使用您固有的过程知识并了解所研究的系统之前，无法以任何程度的置信度回答“安全”问题。 优化类型的问题可能有多种途径可以最终解决问题。 总的来说，我喜欢您从确定性筛选设计入手的想法。 我的建议是经历问题解决过程的那个阶段。 暂停并思考您所学到的知识。 让这些思考指导您的下一步。 也许在这里分享您的DSD实验，并在其中对问题和系统，数据，分析和结论进行解释……我们中的一些人可能会提出我们的想法。
回复：确定性的筛选设计以进行优化感谢Bartell的建议。
一个实验需要3个小时。 DSD为10个因子提供最小的运行次数28，这也是昂贵的。 这意味着我没有机会做出错误的决定。
如下所述，我的搜索接近DSD，但我的另一观点是选择d或I具有主电源和2阶电源的最佳定制设计。 然后根据结果，我可以用2因数增加。
但是我不确定哪个更有效。 我接近DSD，但有疑问，因为我以前从未使用过它，并且不建议在存在多于n / 2个活动因子且不知道是否有多于n / 2个活动因子时使用它。不。
亲切的问候。
回复：确定性的筛选设计以进行优化艾拉，回声@P_Bartell ，对于您的问题，我还有其他想法，但不知道您的处境如何（而且，即使不是所有建议，大多数建议都取决于情况）。 第一个问题：你是什么意思优化？ 这始终是一个有趣的问题，因为它与持续改进的想法背道而驰。
您的情况是否多元？ 您的响应变量是什么？ 它们是否清楚地描述了感兴趣的现象？ 同时优化所有Y极具挑战性。 通常，改进需要妥协。
您已经确定了10个设计因素，其余变量（噪声或扰动变量）又如何呢？ “绘制山脉的底部”没有任何好处。 您没有提到任何策略都包含处理噪声（环境条件，原材料可变性，测量不确定性等）的策略。
鉴于您已经告诉我们有关您的情况，现在概括最有效的方法为时尚早。 （在许多情况下）识别合理的一阶模型，确定该模型是否在变化的条件下重复，然后扩大空间似乎很有意义。 拥有合理的模型并不意味着它必须很复杂。 实际上，您应该争取一个简单且对噪声稳定的模型（也许这就是优化手段）。
回复：确定性的筛选设计以进行优化嗨，statman，
我正在尝试找到最佳因子水平，以达到我们的响应目标，即将“声功率”最小化，同时指出“流速在一定范围之间”。
我有10个连续因子，所有这些因子都是可控的。 影响响应的所有因素都是这10个因素，没有噪音或有害因素。
由于我具有工程知识，即因素可能会对响应产生曲率影响，因此我计划从具有主次幂效应和第二次幂效应的模型开始。
顺便说一下，为了选择是从定制设计还是从DSD开始研究，我针对10个因素进行了两种类型的设计，并模拟了响应并尝试估计OLS模型。我做了3次，并且一直观察到ii。使用自定义设计可以更好地预测同一模型。 这就是为什么我选择自定义设计开始的原因。
亲切的问候
回复：确定性的筛选设计以进行优化我只想补充一点，DSD适用于筛查情况。 它依赖于筛选的通用关键原则，而不是优化。 这些关键原则之一是“稀疏效应。” 该设计具有很高的经济效益，因为它具有确定某些因素（而非优化）的重要性的能力。
因此，如果您希望10个因素中的大多数都很重要，那么DSD并不是一个不错的选择。 它提供的数据不足以找到活动因素。 另一方面，如果这项研究是一个真正的筛查案例（最终筛查的10例病例中只有不到一半），则是一个不错的选择。
回复：确定性的筛选设计以进行优化当有效因子数小于n / 2时不是有效吗？ 还是当因子数为2时？
我不确定是否会误会，但我在模拟研究中观察到，DSD设计和合适的DSD平台无法预测所有活动因素。 可能是我必须增加实验次数，但我的最终目标是屏蔽优化，从定制设计开始，我觉得自己更安全。
我希望实验完成后我仍然会感到更安全:)
亲切的问候
