使用 DOE 优化流程尊敬的 JMP 社区：
我想优化一个流程。 我有 5 个因子 (X1 –X5)，其中一个是难以改变的因子 (X3) 和 10 个响应变量 (Y1-Y10)。 反应由训练有素的感官小组（8 – 11 名评估员）测量。 每个评估员可以评估每个整区（=天）的 3 个样品。 评估员使用非结构化线标度（0 = 最低强度；100 = 最高强度）评估定义属性（= 响应）的强度。
我创建了一个包含 27 个处理的自定义裂区 RSM 设计。 每位评估员都在评估所有 27 种处理方法（因此，对每种处理方法进行多次评估以获得更精确的结果）。 为了拟合模型，我将处理命名为样本，并将其用作模型中的随机效应（因此有 27 个样本具有 8-10 个数据点（由不同评估者评估样本）；总共 224 次运行）。
我按如下方式安装了我的模型：
拟合模型(
Y( :Y1 ),
效果（：X1，：X2，：X3，：X4，：X5），
随机效应（：整幅图，：样本，：评估者），
无边界（1），
个性（“标准最小二乘法”），
方法（“REML”），
强调（“最小报告”）
);
由于这是我的第一个设计，我不确定我的设计和模型是否正确。 我是否正确设置了模型？ 正态分布是否足以满足上述模型？
是否有任何错误或您有改进建议？
我附上了我的设计和设计评估（pdf 文件）和我的数据（jmp 文件）。
谢谢你的帮助！
美国能源部回复：使用 DOE 优化流程哇。 这是一个相当复杂的例子。 我看不出你对数据建模的方式有什么问题。
因为您的回答受 0 和 100 的约束，所以严格来说，它们不应该像您在问题中所建议的那样用正态分布建模。 正态分布假设值可以取从负无穷大到正无穷大的任何值。 在实践中，我们可以对大量不真正遵循正态分布的响应进行建模——正态分布通常是一个足够好的近似值。 在您的情况下，鉴于响应大多分布在这些范围内，正态分布仍然是一个有用的模型。 但是，如果您看到来自模型的预测低于 0 或高于 100，您可以通过对拟合模型中的响应变量使用 LogitPct 转换来解决此问题，该模型通常用于以百分比表示的响应，例如 %yield . 但我认为这不会对你的情况产生太大影响。
回复：使用 DOE 优化流程感谢您的支持回复
