使用 DOE 優化流程親愛的 JMP 社群：
我想優化一個流程。我有 5 個因素 (X1 –X5)，其中一個是難以改變的因素 (X3) 和 10 個反應變數 (Y1-Y10)。反應由經過訓練的感官小組（8 – 11 名評估員）進行測量。每位評估員可以評估每個整區（=天）的 3 個樣本。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（= 反應）的強度。
我創建了一個包含 27 種處理的自訂裂區 RSM 設計。每位評估員都會評估所有 27 種治療方法（因此每種治療方法都會評估多次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）。
我的模型如下：
適合模型(
Y(:Y1),
效果（:X1、:X2、:X3、:X4、:X5）、
隨機效應（：整個情節，：樣本，：評估者），
無界( 1 ),
個性（“標準最小平方法”），
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。我是否正確設定了模型？常態分佈是否足以擬合上述模型？
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 檔）和我的資料（jmp 檔案）。
感謝您的幫忙！
數據探索和視覺化實驗設計回复：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
