当存在故障边缘条件时使用哪种 DoE 建模技术？你好，
我已经执行了一个双参数全因子 DoE 来优化工艺条件。 DoE 由 12 次运行组成。
之前的建模我验证了我的响应分布的正态性，我的分布没有通过拟合优度测试。 有 2/12 的条件是明显的故障边缘条件（从科学的角度来看，它们的表现非常糟糕）并且正在使分布漂移（见附件）。
您建议使用什么建模技术？ 如何在不重复实验的情况下最好地对数据建模？
预先感谢您的支持！
克莱尔
美国能源部回复：当存在故障边缘条件时，使用哪种 DoE 建模技术？你的意思是说你分析了反应的正态性？ 没有关于响应分布的假设。 假设是模型的统计误差是正态分布的。 误差由残差估计。 残差图可通过红色小三角菜单在“拟合最小二乘”平台中获得，或者您可以说出残差，然后使用其他平台（例如 Distribution 或 Graph Builder）将它们与拟合过程分开评估。
回复：当存在故障边缘条件时，使用哪种 DoE 建模技术？补充一点问题和建议@markbailey ，当我数正态概率图中的“点”时，我数的是 11，而不是 12，除非您对其中一种治疗组合有相同的反应？ 对于“全因子设计”来说，12 次是一种不寻常的运行次数。 如果为每个因子指定 2 个水平，则游程数必须等于 2 的幂。12 不是 2 的幂。每个因子 3 个水平，游程数必须等于 3 的幂，依此类推. 也许你可以分享具体的设计？
当您说“两个参数”时，您的意思是“两个因素”吗？ DOE 上下文中的参数通常是用于描述模型中项的系数估计的词。 因此，根据模型的结构，您可能没有参数（即，仅使用截距项或主效应、交互效应等将 y 预测为响应的总平均值），其中每个效应都有自己独特的“参数”估计'。 也许你可以分享你的设计和回应？
以及您的具体实验目标和目的？ 例如，如果您的目标之一是最终为将“失败”风险最小化的因素找到一个稳健的操作位置，无论这在实际或物理上意味着什么，那么如果您有 12 个响应中的 2 个接近该“失败”的边缘' 空间......好吧，就在因子空间内避免“失败”的地方而言，你可能真的对你的整体问题有所了解。
回复：当存在故障边缘条件时，使用哪种 DoE 建模技术？非常感谢您的及时回复！ 是的，我分析了响应的正态性，现在我意识到你的回答我应该检查残差的正态性。
感谢您将我重新引导到正确的方向！
