在上一次發現峰會上，有一個很棒的演示文稿，其中 SVEM 成功地用於具有有限#runs 的流程建模；這也適用於從 17 次運行的 DSD 開始構建 6 因子 RSM 嗎？在另一個演示文稿中，為這個 6 因素 RSM 提出了一個 31 次運行的 OMARS，SVEM 是一個好的替代方案嗎？
嗨弗蘭克，
我想你問的是用 SVEM 建模的 17 次運行的 DSD 是否是 31 次運行的 OMARS 的一個很好的替代方案，以便估計 6 因子 RSM 模型。
我可以肯定地說，31-run 設計將為您提供更多信息。SVEM 非常有用。 但這不是魔術。 更多的運行將永遠是更多的信息，SVEM 或沒有 SVEM。
您當然可以在 6 因子、17 次運行的 DSD 上使用 SVEM 和 6 因子 RSM 模型。 這可能使您能夠實現您的目標。
我不能說您的案例是否需要 31 次運行的 OMARS，或者 17 次運行的設計是否會為您的目標提供足夠好的模型。 這取決於太多其他的事情。 其中很多將是未知的。
請注意，6 因子 RSM 模型有 28 個參數（我認為！）。 用 17 次運行估計很多！ 您的模型有多好將取決於您的情況下效果稀疏性的真實程度。
並且在 6 因子、17 次破壞 DSD（和 31 次運行 OMARS）中的二階效應之間存在相關性。 因此，這將限制估計這些影響的精度。
我建議你閱讀Lemkus 等人的論文如果您想真正了解 SVEM，它的優點和局限性。
我還建議您不要僅僅因為 SVEM 令人興奮就放棄順序 DOE 的想法。 您可以運行 17 次運行的 DSD。 使用 SVEM 和其他方法對其進行建模。 如果這可以滿足您的需求，那就太好了。 如果它沒有給你你需要的東西，那麼就增加。
我希望這會有所幫助，
菲爾
嗨菲爾，感謝您的意見！ 我們現在有相當多的 DOE 選擇，事實上，正如您所聲稱的，它取決於許多標準來做出正確的選擇，就像過去選擇正確的分數經典設計一樣。 有經驗的用戶可以快速做出正確的選擇，但是對於沒有經驗的用戶來說，在類別之間進行選擇並不容易，即經典 - DSD - OMARS - SVEM - 最佳... 一個為正確選擇提供方向的流程圖會很棒，也許是下次峰會上的一個主題，你怎麼看？
