在上一次发现峰会上，有一个精彩的演示，其中 SVEM 成功用于具有有限 #runs 的流程建模；这也适用于从 17 次运行的 DSD 开始构建 6 因子 RSM 吗？在另一个演示中，为这个 6 因子 RSM 提出了 31 次运行的 OMARS，SVEM 是一个好的替代方案吗？
嗨菲尔，感谢您的投入！ 我们现在有相当多的能源部选择，事实上，正如您所说，做出正确的选择取决于许多标准，就像过去选择正确的分数经典设计一样。 有经验的用户可以快速做出正确的选择，但是对于没有经验的用户来说，在类别之间进行选择并不容易，即古典 - DSD - OMARS - SVEM - 最佳... 一个为正确选择提供方向的流程图会很棒，也许可以作为下一次峰会的主题，您觉得怎么样？
嗨弗兰克，
我想您是在问，为了估计 6 因子 RSM 模型，使用 SVEM 建模的 17 次运行 DSD 是否是 31 次运行 OMARS 的良好替代方案。
我可以肯定地说，31 次运行的设计将为您提供更多信息。SVEM 非常有用。 但这不是魔法。 更多的运行总是会带来更多的信息，无论是否有 SVEM。
您当然可以在 6 因子、17 次运行的 DSD 上将 SVEM 与 6 因子 RSM 模型结合使用。 这可能使您能够实现您的目标。
我不可能说您的案例是否需要 31 次运行的 OMARS，或者 17 次运行的设计是否能为您提供一个足够好的模型来实现您的目标。 这取决于太多其他事情。 其中很多都是未知的。
请注意，6 因子 RSM 模型有 28 个参数（我认为！）。 17 次运行的估计量很大！ 您的模型有多好将取决于您的案例中效果稀疏性的真实程度。
6 因子、17 次破坏 DSD（以及 31 次运行的 OMARS）中的二阶效应之间存在相关性。 因此，这将限制估计这些影响的精度。
我建议你阅读Lemkus 等人的论文如果您想真正了解 SVEM、它的优点和局限性。
我还建议您不要仅仅因为 SVEM 令人兴奋就放弃顺序 DOE 的想法。 您可以运行 17 次运行的 DSD。 使用 SVEM 和其他方法对其进行建模。 如果这能满足您的需要，那就太好了。 如果它不能满足您的需要，那就进行增强。
我希望这有帮助，
菲尔
