候選集設計：針對問題定制 DOE 約束 (2021-EU-30MP-784)級別：中級
Christopher Gotwalt，JMP 統計研發總監，SAS
實驗中的因素之間經常存在一些限制，這些限制很重要，不能違反，但很難以數學形式描述。 由於多種原因，這些限制可能很重要。 如果您正在烘烤麵包，您知道某些時間和溫度的組合會導致產生不可食用的碳塊。 另一種情況是存在物理上不可能的因素組合，例如在低溫下達到高壓。 在本演示中，我們演示了創建候選因子值的模擬數據集的簡單工作流程。 在此基礎上，我們結合使用 JMP 數據可視化平台中的交互式工具和 AutoRecalc 來識別一組物理上可實現的潛在因素組合，這些組合將提供給 JMP 16 中新的候選集設計功能。 然後，這會確定要在實驗中運行的這些過濾因子設置的最佳子集。 我們還說明了候選集設計器在歷史過程數據上的使用，實現了最大化信息內容的設計，同時尊重過程變量的內部相關結構。 我們的方法簡單易學。 它使得具有任何能源部經驗的從業者都可以更容易地設置有約束的實驗。
自動生成的成績單...
成績單 |
| 你好，克里斯·戈特瓦爾特。 |
| 今天，我們將要 |
| 構建歷史 |
| 圖形悖論等等， |
| 錯誤的話題。 其實我們要去 |
| 談論候選人 |
| 佈景設計、剪裁 DOE |
| 問題的製約因素。 |
| 所以工業實驗 |
| 對於產品和過程 |
| 改進有著悠久的歷史 |
| 我承認我有很多線索 |
| 只知道一點點 |
| 的。利用觀察的想法 |
| 對於產品和過程 |
| 創新與人類一樣古老 |
| 本身。 已收到更新 |
| 文藝復興時期的焦點 |
| 科學革命。 在此期間 |
| 後續工業 |
| 革命、科學與工業 |
| 開始越來越多地經營 |
| 步調一致。 20世紀初 |
| 世紀，愛迪生的實驗室是 |
| 產業創新 |
| 工廠規模，但是做到了 |
| 據我所知，除 |
| 現代實驗傳統。 |
| RA費舍爾之後不久 |
| 引入了諸如 |
| 阻塞和隨機化，他的 |
| 合夥人，然後是女婿， |
| 喬治·博克斯 (George Box) 開發了什麼 |
| 現在可能占主導地位 |
| 設計範式 |
| 實驗，用最多的 |
| 熱門書籍《統計學》 |
| 對於 Box 的實驗者來說， |
| 獵人與獵人。 |
| Box, Hunter 中描述的方法 |
| 和亨特就是我所說的 |
| 分類學方法進行設計。 |
| 假設你有一個產品 |
| 或您想要改進的流程。 |
| 你仔細思考你所做的事情 |
| 可以換。 旋鈕可以轉動 |
| 如溫度、壓力、 |
| 時間、您可以使用的成分或 |
| 您可以使用的處理方法 |
| 使用。這些這些東西變成了 |
| 你的因素。 然後你想 |
| 關於他們是否 |
| 連續的或名義的，並且如果 |
| 它們是名義上的，有多少 |
| 他們採取的水平或範圍 |
| 你願意改變它們。 如果一個 |
| 因子是連續的，那麼你 |
| 找出名字 |
| 最容易搭配的設計 |
| 根據問題和資源 |
| 適合您的預算。 |
| 該設計將... |
| 會有一個像 Box 一樣的名字 |
| Behnken 設計，分數式 |
| 階乘或中心 |
| 複合符號，或者可能 |
| 類似田口陣列的東西。 這裡將 |
| 限制數量 |
| 跑步次數、級別……數字 |
| 分類級別 |
| 等等因素，所以有 |
| 會有些硬塞 |
| 將手頭的問題納入設計 |
| 你可以找到。 例如， |
| BHH 的因素 |
| 方法，盒子獵人和獵人 |
| 方法，往往需要 |
| 減少到兩個或三個 |
| 獨特的價值或水平。 |
| 儘管有其局限性， |
| 分類學方法已 |
| 非常成功。 |
| 當然，隨著時間的推移，有些 |
| 人們問我們是否可以 |
| 還是做得更好。 |
| 我們所說的“更好”是指 |
| 我們自己，我們如何設計我們的 |
| 學習以獲得最高 |
| 相關質量信息 |
| 改進的目標 |
| 項目？ 這條線的 |
| 質疑最終導致 |
| 優化設計。 最優設計是 |
| 一個學術研究領域。 它是 |
| 與 Box 並行啟動 |
| 上世紀 50 年代和 60 年代的學校，但是 |
| 由於各種原因被排除在外 |
| 是工業主流的 |
| 進行實驗，直到 |
| 定制設計器和 JMP。 |
| 習俗的哲學 |
| 設計師是你所描述的 |
| 問題出在軟件上。 它 |
| 然後返回給您最好的設計 |
| 對於您的預算數量 |
| 運行。你首先聲明 |
| 你的回應以及他們的回應 |
| 目標，例如最小化、最大化、 |
| 或匹配目標，然後你 |
| 描述因素的種類 |
| 你有，連續的，絕對的 |
| 混合物等。 |
| 因素可以有任意數量 |
| 水平。你給它一個模型 |
| 你想要適應結果 |
| 數據。該模型假設至少 |
| 平方分析，包括 |
| 主要影響和相互作用 |
| 多項式項。 習俗 |
| 設計師做了一些默認 |
| 關於自然的假設 |
| 您的目標，例如是否 |
| 您有興趣篩選 |
| 或預測，即 |
| 體現在最優性上 |
| 使用的標準。 這 |
| 默認值可以被覆蓋 |
| 帶有紅色三角形菜單 |
| 如果您願意的話可以選擇 |
| 做一些不同於 |
| 軟件的用途。 |
| 大多數情況下的工作流程 |
| 應用程序是要設置 |
| 該模型。 |
| 然後你選擇你的預算， |
| 單擊進行設計。 一旦那 |
| 發生這種情況時，JMP 使用混合， |
| 連續的和絕對的 |
| 優化算法，求解 |
| 因子數 次 |
| 行項的數量。 |
| 然後你就得到了你的設計數據 |
| 桌子上有你需要的一切 |
| 除了響應數據。 這 |
| 是一個很棒的工作流程 |
| 因素是可以變化的 |
| 彼此獨立。 |
| 如果不能怎麼辦？ 如果什麼 |
| 有限制嗎？ 什麼 |
| 如果某些因素的價值 |
| 確定可能的範圍 |
| 其他因素？ |
| 那麼你可以做....然後 |
| 你可以定義一些因素 |
| 限製或使用它 |
| 不允許的組合 |
| 篩選。 |
| 不幸的是，雖然這些 |
| 是強大的工具 |
| 限制性實驗 |
| 地區，它仍然可以是非常 |
| 難以表徵 |
| 使用這些約束。 |
| Brad Jones 的 DOE 團隊 Ryan Lekivetz， |
| 約瑟夫·摩根和迦勒 |
| 國王添加了一個 |
| 非常有用的新 |
| 使處理的功能 |
| 約束條件變得更加容易 |
| JMP 16。 這些被稱為 |
| 候選或協變量運行。 |
| 你能做的就是，關閉你的 |
| 擁有，創建所有的表 |
| 可能的組合 |
| 您想要的因子設置 |
| 定制設計師 |
| 考慮。然後加載它們 |
| 這里和那些將是 |
| 僅因素組合 |
| 設計者的設置 |
| 將要... |
| 會看看。 原本的 |
| 表，我稱之為 |
| 候選表，就像一個 |
| 菜單因子設置 |
| 定制設計師。 |
| 這為 JMP 用戶提供了 |
| 令人難以置信的控制水平 |
| 他們的設計。 我要去做什麼 |
| 今天要做的是回顧幾個 |
| 示例來展示如何使用 |
| 這是為了定制 |
| 設計師發揮其潛力 |
| 作為定制的工具 |
| 針對手頭的問題進行設計。 |
| 在我這樣做之前，我要 |
| 暫時岔開話題 |
| 指出在 JMP Pro 中 |
| 定制設計器的版本， |
| 現在有一種能力 |
| 允許您聲明限制 |
| 設計時檢測。 |
| 如果你想要一個非缺失值 |
| 對於此處的限制，自定義 |
| 設計師將添加一欄 |
| 通知的屬性 |
| 廣義回歸平台 |
| 的檢測限及其 |
| 然後會自動獲取 |
| 分析正確。 這將導致 |
| 顯著更高的功率 |
| 檢測效果並低得多 |
| 預測存在偏差，但這就是 |
| 另一個演講的主題。 |
| 這裡有一堆應用程序 |
| 我能想到的 |
| 候選集設計者。 這 |
| 最簡單的是當 a 的範圍 |
| 連續因子取決於 |
| 一個或多個類別的級別 |
| 因素。另一個例子是當 |
| 我們無法控制範圍 |
| 因素完全 |
| 獨立，但 |
| 約束很難寫 |
| 向下。我們有兩種方法 |
| 可以用於此。 一種正在使用 |
| 歷史過程數據作為 |
| 候選集，然後 |
| 另一種是我所說的過濾器 |
| 在您創造的地方進行設計...設計 |
| 一個巨大的初始數據集使用 |
| 隨機數或空格 |
| 填充設計然後使用行 |
| 散點圖中的選擇 |
| 挑選出那些點 |
| 不滿足約束條件。 |
| 還有能力 |
| 真正高度定制的混合物 |
| 問題，尤其是情況 |
| 你有多層的地方 |
| 混合。這不是 |
| 我將要成為的人 |
| 今天可以談論，但是在 |
| 未來，這是某事 |
| 你應該希望成為 |
| 能與這位候選人做些什麼 |
| 佈景設計師。 你也可以做 |
| 非線性約束 |
| 過濾方法，同上 |
| 你可以做其他類型的方法 |
| 限制。這是它非常 |
| 簡單，我會很快 |
| 例子在最後 |
| 說明了這一點。 |
| 所以讓我們考慮一下我們的第一個 |
| 例子。假設你想要 |
| 匹配目標響應 |
| 兩個因素的調查。 |
| 一個裝備了……一個裝備 |
| 供應商，其中有兩家 |
| 水平，另一個是 |
| 設備的溫度。 這 |
| 兩個不同的供應商有 |
| 不同的操作範圍 |
| 溫度。供應商A的更多 |
| 兩者之窄，從 |
| 150至170攝氏度。 |
| 但它是可控的 |
| 更精細的分辨率 |
| 約5度。 供應商B |
| 經營範圍更廣 |
| 從 140 度到 180 度 |
| 攝氏度，但僅 |
| 可控至10度 |
| 攝氏度。 假設我們想做 |
| 12 次試驗的設計來找到 |
| 這些的最佳組合 |
| 兩個因素。 |
| 我們枚舉所有可能的 |
| 兩者的組合 |
| 10 次運行中的因子 |
| 這裡的表，只是創建 |
| 這個我們自己手動操作。 |
| 所以這是五種可能 |
| 機器類型 A 的值 |
| 溫度設置。 進而 |
| 下面是五種可能的情況 |
| B型溫度值 |
| 設置。我們想要最好的 |
| 設計經過 12 次運行，超過 |
| 中的行數 |
| 候選表。 這不是一個 |
| 理論上有問題，但我 |
| 建議創建一個副本 |
| 候選集以防萬一 |
| 運行次數 |
| 您的候選表已超過 |
| 您正在查找的號碼 |
| 用於設計中。 |
| 然後我們去習俗 |
| 設計師。 |
| 推送選擇協變量 |
| 因素按鈕。 |
| 選擇我們想要的列 |
| 作為候選設計加載 |
| 因素。現在是候選人 |
| 設計已加載並顯示。 |
| 我們來添加交互效果， |
| 以及二次效應 |
| 的溫度。 現在我們在 |
| 創建之前的最後一步 |
| 設計。我想解釋一下 |
| 您在中看到的兩個選項 |
| 設計生成大綱節點。 |
| 第一個，這將迫使 |
| 在所有行中 |
| 在原表中選擇 |
| 或在列表中 |
| 海關候選人 |
| 設計師。所以如果你有 |
| 不可能的檢查站 |
| 受到最優性的青睞 |
| 標準並想強迫他們 |
| 融入到設計中，你可以 |
| 使用此選項。 有點 |
| 就像採取相同的行和 |
| 創建增強設計 |
| 僅基於它們，除了 |
| 你正在控制可能的情況 |
| 因素的組合 |
| 附加行。 |
| 第二個選項，我是 |
| 故意檢查這裡，允許 |
| 要選擇的候選行 |
| 不止一次。 這將給 |
| 你最佳選擇 |
| 重複並且可能是 |
| 如果你要跑步，這是個好主意 |
| 物理實驗。 如果，在 |
| 另一方面，你正在使用 |
| 要查找的最佳行子集 |
| 嘗試一台漂亮的新機器 |
| 學習算法，如 SVEM |
| 我的另一場演講的主題 |
| 在三月發現 |
| 會議。 你不會想要 |
| 檢查此選項是否是 |
| 案子。 基本上，如果你 |
| 沒有收到您的全部回复 |
| 值已經，我會檢查 |
| 這個盒子，如果你已經有 |
| 響應值，然後不要。 |
| 將樣本大小重置為 12 並 |
| 單擊進行設計。 候選人 |
| 設計的所有榮耀將 |
| 看起來就像其他任何東西一樣 |
| 定制設計 |
| 設計師。正如我們在 |
| 中間 JMP 窗口，JMP 也 |
| 選擇原始數據中的行 |
| 候選人選擇的桌子 |
| 設計算法。 請注意，10 |
| 未選擇 12 行。 |
| 右邊我們看到了新的 |
| 設計表，最右邊 |
| 表中的列表示 |
| 該行的原點 |
| 跑步。請注意原始行 |
| 11和15被選了兩次 |
| 並且是重複的。 |
| 這是一個直方圖視圖 |
| 設計。您可以看到 |
| 不同的溫度值 |
| 由候選集選擇 |
| 不同機器的算法 |
| 類型。總體來說，這個設計是 |
| 很好地平衡，但我們沒有 |
| 有 3 個溫度等級 |
| 機器類型A。 幸運的是， |
| 我們可以選擇行 |
| 想要強制進入設計 |
| 確保我們有 3 |
| 溫度水平 |
| 兩種機器類型。 |
| 只需選擇您想要的行 |
| 強行納入設計中 |
| 協變量表。 檢查包括 |
| 將所有選定的協變行放入 |
| 設計選項。 |
| 然後如果你經過 |
| 所有這一切，你都會看到 |
| 現在兩個級別 |
| 機器至少有三個 |
| 的溫度水平 |
| 設計。所以第一個設計 |
| 我們創建的是在左邊 |
| 和新的設計強迫 |
| 有 3 個級別 |
| A 型機器 |
| 溫度設定結束 |
| 這裡在右邊。 |
| 我的第二個例子是基於 |
| 真實數據集來自 |
| 冶金製造 |
| 過程。公司希望 |
| 控制收縮量 |
| 在燒結步驟期間。 他們 |
| 有大量的歷史數據 |
| 並已應用機器 |
| 學習模型進行預測 |
| 收縮等有一些想法 |
| 關鍵因素是什麼。 |
| 然而，要真正優化 |
| 這個過程，你真的應該 |
| 做一個設計好的實驗。 |
| 飾演 勞拉·卡斯特羅-斯基洛 |
| 一旦指出... |
| 正如勞拉·卡斯特羅-斯基洛曾經 |
| 告訴我，因果關係是 |
| 不是數據的屬性，而是 |
| 如果數據生成 |
| 機制，以及喬治·博克斯 |
| 內封面上寫著 |
| 實驗者統計， |
| 找出當發生什麼 |
| 你改變了一些東西，那就是 |
| 有必要改變它。 |
| 現在，雖然我們不能使用 |
| 歷史數據證明 |
| 因果關係，有 |
| 有關的重要信息 |
| 哪些因素的組合 |
| 我們可以使用 |
| 在設計中。 |
| 我們首先必須將 |
| 表中的列 |
| 代表可控因素 |
| 從那些更多的 |
| 無源傳感器測量 |
| 或推動數量 |
| 無法直接控制。 |
| 散點圖一覽 |
| 潛在的連續因素 |
| 表明有 |
| 隱含的約束可以 |
| 很難描述為 |
| 線性約束或不允許 |
| 組合。然而，這些 |
| 代表一個樣本 |
| 可能的組合 |
| 可以與 |
| 候選設計師相當 |
| 容易地。 |
| 為此，我們提出 |
| 定制設計師。 設置 |
| 回复。我喜歡加載一些 |
| 協變量因素。 選擇 |
| 我們可以控制的列 |
| 因素...DOE 因素和 |
| 單擊“確定”。 現在我們得到了它們 |
| 已加載。讓我們建立一個二次方程 |
| 響應面模型作為我們的 |
| 基礎模型。 然後選擇全部 |
| 模型條款，除了 |
| 截距。 然後做一個控制 |
| 再加上右鍵並轉換 |
| 所有這些項都包含在 if 中 |
| 可能的影響。 這，在 |
| 與響應相結合 |
| 選擇的表面模型，意味著 |
| 我們將創建一個 |
| 貝葉斯 I 最優候選者 |
| 集設計。 |
| 選中允許的框 |
| 最佳選擇的重複。 |
| 輸入樣本大小。 |
| 然後創建設計 |
| 為了我們。 如果我們看一下 |
| 因素的分佈， |
| 我們看到它經過努力 |
| 追求更大的平衡。 |
| 在左邊，我們有一個 |
| 的散點圖矩陣 |
| 連續因素 |
| 原始數據和右側 |
| 就是百排設計。 我們可以看到 |
| 即在燒結過程中 |
| 溫度，我們有一些 |
| 1220 處的潛在異常值。 |
| 人們想要確保 |
| 這些是真正的價值觀。 在 |
| 一般情況下，你需要 |
| 確保輸入 |
| 候選集很清楚 |
| 異常值和缺失值 |
| 在將其用作候選之前 |
| 集設計。 在我和羅恩的談話中 |
| 肯尼特這……在三月 |
| 2021年探索會議， |
| 我簡要演示瞭如何使用 |
| 異常值和缺失值 |
| 篩選平台以移除 |
| 異常值並替換 |
| 缺失值，以便您可以 |
| 在後續使用它們 |
| 像這樣的舞台。 |
| 現在假設我們有一個問題 |
| 與第一個例子類似， |
| 有兩台機器的地方 |
| 類型，但現在我們有 |
| 溫度和壓力為 |
| 因素，我們知道 |
| 溫度和壓力不能 |
| 獨立變化並且 |
| 這種依賴的性質 |
| 機器類型之間的變化。 |
| 我們可以創建一個初始空間 |
| 灌裝設計和使用 |
| 數據過濾器刪除 |
| 不可行的組合 |
| 分別設定的因素 |
| 每種機器類型。 那麼我們就可以 |
| 使用候選集設計器 |
| 找到最有效率的 |
| 針對這種情況進行設計。 |
| 所以現在我已經經歷了這一切 |
| 所以現在我已經創建了我的空間 |
| 填充設計。 有 1,000 個 |
| 運行，我可以調出 |
| 其上的全局數據過濾器和 |
| 用它來剃除不同的 |
| 溫度組合 |
| 和壓力，以便我們能夠 |
| 有單獨的約束 |
| 機器的種類。 |
| 所以我使用套索 |
| 切斷工具 |
| 機器 B 中的一個角落。 |
| 然後我回去然後切斷 |
| B 機的另一個角落 |
| 機器 B 是具有 |
| 更廣泛的經營區域 |
| 在溫度和壓力下。 |
| 然後我們切換到機器 |
| A。 我們將使用 |
| 套索工具 |
| 剃掉 |
| 其之外的點 |
| 經營區域。 我們看到 |
| 其經營區域是 |
| 比機器 A 窄很多。 |
| 這是我們的組合設計。 |
| 從那裡我們可以加載回來 |
| 進入定制設計器。 |
| 在那裡放置一個 RSM 模型，然後 |
| 將運行次數設置為 32， |
| 允許協變量行是 |
| 重複。它會轉動 |
| 通過。一旦這樣做了，它 |
| 選擇所有的點 |
| 由候選集選擇 |
| 設計師。在這裡我們可以看到 |
| 所選擇的點。 |
| 它們已被突出顯示，並且 |
| 原始候選點集 |
| 沒有被選中的是 |
| 是灰色的。 |
| 我們可以提出新的設計 |
| 用 X 擬合 Y，我們可以 |
| 看到我們看到的散點圖 |
| 認為 |
| 機器A設計要點 |
| 為紅色。 他們在室內 |
| 空間，然後是類型 |
| B 運行為藍色。 它有 |
| 更廣闊的經營區域和 |
| 這就是我們如何看待這些點 |
| 在這裡，再進一步。 所以 |
| 我們很快就實現了 |
| 具有線性約束的設計 |
| 隨類別變化 |
| 因素而不去 |
| 煩人的推導過程 |
| 線性組合係數。 |
| 我們只是使用了基本的 JMP 101 |
| 可視化和過濾 |
| 工具。這個想法概括了 |
| 到其他非線性 |
| 約束和其他復雜的 |
| 情況相當容易。 |
| 所以現在我們要使用 |
| 過濾和多變量 |
| 建立了一個非常獨特的新型 |
| 我向你保證的設計 |
| 以前從未見過。 |
| 前往 |
| 套索工具。 本來打算 |
| 剪出一個非常不尋常的 |
| 約束。 |
| 我們要反轉 |
| 選擇。 |
| 我們將刪除這些行。 |
| 然後我們可以加快速度 |
| 一點。 我們可以通過 |
| 並做同樣的事情 |
| 對於 X1 的其他組合 |
| 和其他變量。 |
| 雕刻出一個非常 |
| 形狀不尋常的候選集。 |
| 我們可以將其加載到 |
| 定制設計師。 相同的 |
| 事情和以前一樣。 帶上我們的 |
| 作為協變量的列， |
| 與所有...建立一個設計 |
| 所有高階交互 |
| 如果可能的話，有一百個 |
| 運行。現在我們看到 |
| 我們的設計非常 |
| 異常受限區域 |
| 鑑於這些，這是最佳的 |
| 限制。 |
| 所以我就留給你這個 |
| 圖像。 我很興奮 |
| 聽聽你能做什麼 |
| 與新的候選集 |
| 設計師。向美國能源部致敬 |
| 團隊添加此 |
| 出奇地有用並且 |
| 靈活的新功能。 感謝 |
| 你。 |
爆發數據可視化美國能源部回复：候選集設計：根據問題定制 DOE 約束 (2021-EU-30MP-784)@J_Asscher
問題 1：我想包括某些處理方法，因為這些對我來說是“參考運行”，要么來自現有流程，要么來自之前的實驗。 我可能會對這些跑步有反應，但也可能不會。 我應該使用候選運行、增強還是組合？
這取決於您想要做什麼 - 增強設計適用於您已經收集了一些響應值並想要獲得最豐富信息的情況*新的*要運行的因子設置的組合。 因此，只有在執行一系列設計並在分析的下一階段包含所有現有行時才使用增強。
候選設計是一種更通用的工具（原則上）包含增強。 如果您選中“在設計中包含所有選定的協變量行”選項，則這些行將被強制納入設計中，其操作與增強相同。 不同之處在於，因子設置的潛在組合集被限制為候選表中的組合，而增強設計將應用坐標交換類型優化來確定因子設置的新組合。
候選集設計具有更廣泛的應用範圍，我認為它最初是處理難以描述的約束的好方法，但也有其他用途。 例如，您可以像我們在 SVEM 中一樣使用它來為機器學習練習確定良好的訓練集。
問題 2：我想指定要復制哪些處理（同樣，對於新設計）。 我該怎麼做呢？
您可以使用“包括所有選定的”機制強制複製，也可以選中“允許重複協變量行選項”。 當您這樣做時，候選集設計器算法將候選表中的樣本替換。 因此，無論您喜歡哪種最佳設計，它都會找到要復制的最佳治療方案。 使用這些選項當然都有充分的理由。
回复：候選集設計：根據問題定制 DOE 約束 (2021-EU-30MP-784)很棒的工具，絕對能滿足需求。
我有一個關於如何使用自定義設計與增強設計選項中的候選運行功能的問題。
我知道當我們使用增強設計時：
1) 我們需要一個響應（我不知道 JMP 如何使用該響應，或者如果我沒有真實的響應，是否可以輸入虛假響應）
2）我們可以輕鬆添加新的運行（這就是重點）
3）我們不能輕易添加新的因素（我們可以在原始設計中添加虛假因素，但這並不“容易”）。
另一方面，通過候選運行功能，我們可以輕鬆添加因子，但不能添加運行。
假設我正在構建一個新設計。 問題 1：我想包括某些處理方法，因為這些對我來說是“參考運行”，要么來自現有流程，要么來自之前的實驗。 我可能會對這些跑步有反應，但也可能不會。 我應該使用候選運行、增強還是組合？
問題 2：我想指定要復制哪些處理（同樣，對於新設計）。 我該怎麼做呢？
謝謝！
