可能混合的 DSD 範例我的一位潛在客戶因此處所附的論文而對 JMP 感興趣。 他們對 DSD 的應用特別感興趣，我從他們發送的論文中提出了一些問題。 我總結了一些關鍵數據，並提出了以下問題：
- 這個 DSD 似乎是用於混合物設計，據我所知，他們使用膽固醇摩爾組成作為鬆弛變量，因為它沒有出現在他們生成的 DSD 設計中。 這是 DSD 的正確使用嗎？
歡迎任何其他意見或評論！ 在與客戶通話期間，我們不會詳細介紹實驗的過程，但希望能夠更好地理解以指導他們使用潛在的方法或其他感興趣的平台。 謝謝@傑夫厄普頓到目前為止的輸入！
回覆：可能混合的 DSD 範例請參閱下面使用 MESD 並有類似問題的工作。 然而，篩選的範圍很窄。
使用主效應篩選設計和使用參數敏感性分析進行電腦驗證來開發負載鹽酸他噴他多的Proniosomal 凝膠|印度藥學教育與研究雜誌 (ijper.org)
回覆：可能混合的 DSD 範例他們還在補充資料中對 JMP 進行了非常好的促銷，所以我也同意給他們通過！
回覆：可能混合的 DSD 範例是的，我同意， @薩姆加德納。 他們因使用 DOE 而值得讚揚，如果能激勵該領域的其他人使用 DOE，那就太好了。 但他們使用 DOE 的方式絕對不是一個值得效仿的例子。
回覆：可能混合的 DSD 範例主效應、二次方程式和兩個 FI 之間存在相關性（不是全部，不是很大，而是相關）。 我只是瀏覽了一下論文，但我不確定在這些條件下它如何被稱為 DSD。 當我在 JMP 中建立設計時，只有分類主效應是相關的。 所以似乎有更好的（DSD）設計。 我不確定摩爾組成因素是混合因素，但我不是化學家。 如果是的話，了解邊界約束將會很有幫助。
回覆：可能混合的 DSD 範例看看這篇論文，他們實際上使用了 Taguchi L18 陣列進行後續設計，我認為不準確地將其稱為分數階乘。L18 設計除一個因素外都是三水平設計，如果他們將該列排除在設計之外，那麼所有因素都將允許估計二次效應。L18 設計的效率低於 DSD，與不混雜主效應與高階交互作用的 DSD 相比，它對大多數效應存在部分混雜。
但是，這是一個學術項目，所以我會放寬他們的要求，並且很高興他們使用了 DOE。
如果您想查看並與 DSD 進行比較，我附上了 L18 設計。下面也顯示了完整 8 因素 L18 設計和 8 因素 DSD 的設計比較輸出。
回覆：可能混合的 DSD 範例謝謝你， @菲爾，一如既往的洞察力！ 他們的每一步似乎都在時光倒流，從 DSD 開始，到 OFAT 結束。
回覆：可能混合的 DSD 範例你好@約瑟夫_里斯,
我還沒有讀過這篇論文，但從上面的數字和表格來看，至少可以說，我認為這是一種奇怪的方法。 我不建議採用這種方法。
我相當確定您將膽固醇用作鬆弛變數是正確的。 這可能沒問題，但似乎膽固醇和 C12-200 都是配方的重要組成部分，並且都在很大範圍內變化。 鬆弛變數方法在這裡可能不是一個有用的方法。 但這並不是他們提議中最奇怪的事情...
真正奇怪的是流程圖/決策樹。 為什麼要從 DSD 轉向分數階乘？ DSD 是篩選設計（如名稱所示）。 DSD 主要用於篩選因子。 它不是為了篩選“熱門”。
我想你可以使用 DSD 來篩選命中 - 它會合理地覆蓋因子空間。 但我不知道為什麼下一步是分數階乘。
然後他們建議您移動因子空間，直到只有 1 個重要因子。 此時您將使用 OFAT。 很奇怪！
這一切都違背了公認的連續 DOE 範式。 作者似乎認為他們想出了一個更好的版本，但對我來說看起來很糟糕。 如果運氣好的話，你仍然可以找到有用的配方，但我只能看到它變得更難。
再說一次，我還沒有讀過這篇論文，所以他們可能對為什麼這種激進的方法特別有用有一些見解。 但我最初的反應是避免。
