自定义响应面模型，选择除下/中/上级别之外的奇怪数字。大家好，
我运行了最初的 DSD，现在尝试使用一些模仿 RSM 的交互术语来跟进自定义设计。
我设置了每个因素的下限和上限范围，除非“固定因素”，如下所示，并添加了一些交互项。
然后我进行了没有中心点/具有 I 最优重复的设计，默认情况下创建了 15 个处理。
每个因子水平上生成的大多数值都是预期的。 但是，我看到两个水平既不是第三个因素（F3）的上限/下限也不是中心值。 您可以在下面看到非整数值（16.05 和 14.05）。
有谁知道我为什么得到这些数字？ 它背后的理论原因是什么？是否有办法强制它成为位于上/下端或中心点的整数值？
实验设计回复：自定义响应面模型选择除下/中/上级别之外的奇怪数字。感谢您的澄清。
您可以使用预测刻画器的一项功能来实现稳健的流程设计，而在拟合平台中使用时则无法使用该功能。 将模型另存为列公式。 选择图形 > 刻画器。 将难以控制的因素分配给噪声因素角色。 分析器将同时最大化响应的合意性并最小化响应的一阶导数。
回复：自定义响应面模型选择除下/中/上级别之外的奇怪数字。@马克贝利
我想我没有澄清为什么我想将这两个保留在模型中。
他们对“反应似乎得到优化”的地区的变化不敏感。 因此可以删除它们以优化响应。
然而，它们确实对“响应未优化”的响应产生重大影响。 因此，就模型构建目的（又名增强设计）而言，我确实想包含这些因素。
我非常确定我可以找到最佳且稳健的条件，无需增强设计即可优化响应。 然而，在与像你们这样的专家讨论之后，我决定退后一步，尝试使用增强设计更好地理解模型。 感谢您的帮助和支持！
回复：自定义响应面模型选择除下/中/上级别之外的奇怪数字。为什么要在模型和新设计中保留这两个因素？ 如果筛选发现这些因素属于“琐碎的许多”而不是“重要的少数”，那么您也可以在增加时删除这些因素。
DOE 的一些特点是高效、经济和快速学习。 其结果是这款模型有望为您提供长期而富有成效的服务。 这是值得投资的。 @statman阐述了学习过程中迭代的必要性和好处。 因此，筛选、增强、优化和验证。 不过，您是对的，这种日常工作流程根据具体情况有多种变化。
继续提问。
回复：自定义响应面模型选择除下/中/上级别之外的奇怪数字。你好@statman和@马克贝利
感谢您提供有关 RSM 或 DOE 的富有洞察力的理念和实际帮助。
我应该说，我最初的 DSD 运行产生了一个相当好的模型，尽管增强设计可能会有总体改进。 然而，我更感兴趣的是扫描预计响应最佳的“最佳点”，而不是优化模型预测。 所以我想说制作更好的模型是次要的。
例如，我有 5 个连续因子。 我想修复两个常数，正如您从我最初发布的屏幕截图中看到的那样。 这两个因素对响应影响不大，并且对其他因素变化不敏感。 我相信 DSD 构建的这个模型预测。 这就是为什么我想在有限的范围内进行增强设计。
我仔细阅读了“增强设计”选项卡，但没有找到一种方法来更改因子（连续、恒定、分类）的“属性”，因为它们根据先前构建的模型增强了设计。 我可以使用增强设计中的“定义因子约束”选项卡在某种程度上限制这些我不想改变的连续因子。 但是，我无法将该因素“固定”为特定值（另一个词“常数”）。
在这种情况下，增强设计仍然有帮助吗？ 我是否应该使用定制设计，它可以让我在修复和更改因素方面拥有更大的自由度？
我做 DOE 的最初目的是通过更少的实验运行更快地找到最佳条件（我可以最大化产量的条件）。 由于时间很重要，而且我所处理的材料成本也不便宜。 我相信 DSD 在建立某种预测模型方面做得不错，这使我能够了解响应最佳的当地区域。 然而读完之后@马克贝利和@statman意见，可能值得首先使用增强设计改进模型（范围比最佳值更宽），然后使用自定义设计运行额外的验证。
我想这一切都取决于具体情况，对此没有一个答案。 然而，我想听到更多你们的评论，无论是实际的还是哲学的。 距离我开始阅读 DOE 和使用 JMP 才过去 10 天，所以对这个新手的任何评论将不胜感激。
谢谢！
回复：自定义响应面模型选择除下/中/上级别之外的奇怪数字。我只是想发表一些哲学评论来补充讨论，否则你可以完全忽略我。
响应曲面设计背后的想法是将响应映射为重要因素（模型项）的函数。 实验者需要记住三件事：
1.“真实”的表面已经存在，我们无法改变它。
2. 表面是“n”维的，尽管有强有力的经验证据表明仅表面的一个子集需要有用（效应稀缺性原则）。
3. 当实验运行的条件（即，作为噪声函数的推理空间）无法重复时，使用设计因素绘制表面可能没有用或不切实际。
有许多不同的方法来绘制表面，但在所有情况下，迭代都是调查中高效和有效的关键。 我是顺序实验的倡导者。 例如（过于简化）：可以从定向采样开始，以确定主要成分或变异来源并评估测量误差。 对主要成分进行实验，以确定重要因素和噪声的影响。 移动和/或扩大由重要因素定义的空间，并找到这些因素对噪声稳健的地方。
从几何和统计分析的角度来看，设计越平衡，分析就越容易，并且希望偏差的可能性越小（水平设置可能会使研究产生偏差）。 当然，随着计算能力的提高，对平衡的需求变得不再那么必要。 然而，当您绘制表面时，您希望对表面进行采样，以便减轻您自己对聚焦位置的偏见。 具有讽刺意味的是，当您处于接近最佳值并且现在正在微调该空间中的因子水平时，统计显着性不再那么重要（它已经确定）。 您只是尝试测试表面上的不同位置以找到最佳响应值。
一个好的模型是一个近似值，最好是易于使用，它捕获了重要功能所研究的现象并产生程序强壮的与假设的可能偏差。 通用电气公司 盒子
“实验者就像试图通过在有限数量的地方进行探测来绘制海洋深度图的人”Box、Hunter 和 Hunter（第 299 页）
回复：自定义响应面模型选择除下/中/上级别之外的奇怪数字。1. 您无法更改自定义设计中的因子设置。 只有 JMP 可以做到这一点。 您可以单击“制作表格”按钮并编辑结果数据表中的值。 您可以查看编辑非整数值之前和之后的信息。 然后您可以使用DOE > 设计诊断 > 评估设计获取有关设计的信息。
2. 你应该阅读有关的文档增强设计。 您可以在生成新运行之前在扩充过程中更改因子范围。 当心！ 不要因为您期望在局部区域得到所需的响应而缩小因子范围。 这种变化在估计模型参数时所提供的信息会减少，而这正是实验的重点。 模型预测后保存单独测试的确认。
回复：自定义响应面模型选择除下/中/上级别之外的奇怪数字。谢谢@雷塞尔和@马克贝利
我的笔记本电脑不允许我登录回原来的帐户，因此我正在使用此帐户。
作为@马克贝利也就是说，这些非整数值出现在连续因子（F2 或 F3）中的任何位置。
我有一个后续问题。
1. 令人欣慰的是，将这些非整数移回整数不会破坏设计。 那么你会如何“移动”这些点呢？ 由于它不会破坏设计，我可以将该值编辑回生成表中的“原始（整数）”值。 然而，这不会告诉我这一点的变化如何影响因素之间的相关性（例如相关性的颜色图）。 我只是想看看当我改变这些值时别名是如何变化的。 有没有办法在“自定义设计”选项卡中编辑此值？
2. 我最初想用增强设计来跟进我的 DSD。 Augment Design 似乎吐出了我尚未探索的处理方法（或“本地”设计空间），以使使用 DSD 构建的模型预测更好。 但并不一定能吐出我想跟进的最优设计空间。 我在 DOE 选项卡上使用了普通的增强设计，这给了我不小的自由度（例如，固定因子常数）。 我不熟悉'你谈到了“最佳增强”，我想探讨一下。 您能否指导我找到我可以研究的正确资源（网络研讨会或帖子）？
感谢您的帮助！
回复：自定义响应面模型选择除下/中/上级别之外的奇怪数字。事实证明，坐标交换方法通常会将设计点移离预期坐标（例如，F3 = 15），以提高给定因子定义、模型中的项、游程次数等的最优性。 这个结果是正常的，并不罕见。 因子设计和 DSD 等组合方法可实现平衡。 这不是定制设计的目标。
这个设计是完全可以接受的。 然而，这可能不切实际。 如果您愿意，可以随意将这些点移回 F3 = 15。 你不会破坏任何东西。 请保存自定义设计的副本，将其打开以便有两个副本，将 F3 级别更改为 15，然后选择 DOE > 设计诊断 > 比较设计。 最优性会稍微降低。
您是否考虑过使用原始 DSD 的最佳增强而不是新的定制设计？
回复：自定义响应面模型选择除下/中/上级别之外的奇怪数字。我的猜测是，您所看到的与中心复合设计中星点的距离有关（ https://www.itl.nist.gov/div898/handbook/pri/section3/pri3361.htm ）。 F2 和 F3 是唯一的连续因子，只有对它们你才会看到“奇怪”的值。 我尝试复制您的设计并收到类似的输出。 一旦您创建了 DoE 表来填充响应，就可以更改这些值，但由于我不熟悉您的因素的影响，因此不清楚这是否会“破坏”设计。 此时我强烈推荐SAS 的 STIPS DoE 模块。 另外，R3和R4不是完全冗余的吗？
编辑：好的，屏幕截图中只有 F3 的“奇怪”值，而不是 F2。
