使用 DOE 優化流程尊敬的 JMP 社區：
我想優化一個流程。 我有 5 個因子 (X1 –X5)，其中一個是難以改變的因子 (X3) 和 10 個響應變量 (Y1-Y10)。 反應由訓練有素的感官小組（8 – 11 名評估員）測量。 每個評估員可以評估每個整區（=天）的 3 個樣品。 評估員使用非結構化線標度（0 = 最低強度；100 = 最高強度）評估定義屬性（= 響應）的強度。
我創建了一個包含 27 個處理的自定義裂區 RSM 設計。 每位評估員都在評估所有 27 種處理方法（因此對每種處理方法進行多次評估以獲得更精確的結果）。 為了擬合模型，我將處理命名為樣本，並將其用作模型中的隨機效應（因此有 27 個樣本具有 8-10 個數據點（由不同評估者評估樣本）；總共 224 次運行）。
我按如下方式安裝了我的模型：
擬合模型(
Y( :Y1 ),
效果（：X1，：X2，：X3，：X4，：X5），
隨機效應（：整幅圖，：樣本，：評估者），
無邊界（1），
個性（“標準最小二乘法”），
方法（“REML”），
強調（“最小報告”）
);
由於這是我的第一個設計，我不確定我的設計和模型是否正確。 我是否正確設置了模型？ 正態分佈是否足以滿足上述模型？
是否有任何錯誤或您有改進建議？
我附上了我的設計和設計評估（pdf 文件）和我的數據（jmp 文件）。
謝謝你的幫助！
美國能源部回复：使用 DOE 優化流程哇。 這是一個相當複雜的例子。 我看不出你對數據建模的方式有什麼問題。
因為您的回答受 0 和 100 的約束，所以嚴格來說，它們不應該像您在問題中所建議的那樣用正態分佈建模。 正態分佈假設值可以取從負無窮大到正無窮大的任何值。 在實踐中，我們可以對大量不真正遵循正態分佈的響應進行建模——正態分佈通常是一個足夠好的近似值。 在您的情況下，鑑於響應大多分佈在這些範圍內，正態分佈仍然是一個有用的模型。 但是，如果您看到來自模型的預測低於 0 或高於 100，您可以通過對擬合模型中的響應變量使用 LogitPct 轉換來解決此問題，該模型通常用於以百分比表示的響應，例如 %yield . 但我認為這不會對你的情況產生太大影響。
回复：使用 DOE 優化流程感謝您的支持回复
