通过 4 个因素向定制设计添加复杂的约束你好，
我正在创建一个包含 4 个因素（因素 A、B、C 和 D）的定制设计。
我有一个关于与因素 B 和 D 有关的约束的问题。
- 因子 B 实际上是同一实验中按顺序完成的反应数。 这可以是 1 个反应、2 个、3 个或更多个顺序反应。 我将范围设置为 1-3（不更高，因为我目前对 >3 个顺序反应不感兴趣）。
- 因素 D 是我在顺序反应之间等待的时间。 因此，我仅在因子 B >1 时定义因子 D。 范围是 0.1 到 10 秒。如果因子 B 为 1，则因子 D 为 0。 换句话说，当按顺序完成的反应数（因子 B）仅为 1 时，因子 D 不存在，因为它只是 1 个反应，因此，我不需要等待任何秒，因为没有其他反应按顺序执行。
如何在自定义设计模型中定义此约束？
谢谢你呜呜！！
PS：我用的是Mac。
实验设计苹果系统回复：通过 4 个因素向定制设计添加复杂约束谢谢你的洞察力， @马克贝利和@Victor_G !!
回复：通过 4 个因素向定制设计添加复杂约束谢谢你， @Victor_G ，以获得及时、明确的答案，以及所有提供的材料！ 真的很有用！！！
回复：通过 4 个因素向定制设计添加复杂约束你好，我们又见面了@ADouyon ,
作为第一个概述，是的，你是对的：功效（=检测效果的概率，如果它确实活跃）应该尽可能高，预测方差和设计空间图的分数尽可能低。 但正如回答的@马克贝利，您将优先与其他设计比较您的实验计划所需的内容（因为让一切都高/完美通常是不可能的，或者以大量实验为代价）：
- 如果您使用 DoE 来筛选主效应（可能还有相互作用），那么您主要感兴趣的不是预测方差和设计空间的分数，而是检测因素之间的显着影响（可能还有相互作用）。 所以你宁愿专注于功率分析。
- 如果您使用 DoE 来优化流程/公式，您希望获得尽可能精确的预测响应，因此您希望获得最低的预测方差。 因此，您将与其他设计比较实验空间上的预测方差和设计空间图的分数。
您可以在此处（以及后续页面）找到有关设计评估的一些信息：设计 (jmp.com)
是的，由于我用于比较的主要设计是 Custom-Design_0-replicates（实验数量最少且无重复），因此大多数其他设计表现更好（因为它们具有重复运行，因此对噪声/的估计类似或更好）相同数量的实验的方差，或者因为它们的实验数量较多（最后 2 个设计），因此提高了所有效率），因此与其他设计相比，此简单设计的效率较差（因此为红色值）。
在比较中改变主要设计将会改变所呈现的相对效率（因此颜色取决于设计与其他设计相比的优点（绿色）或缺点（红色））。
不会，约束条件保存在设计中，因此当您增强设计并复制它时（通过在相应菜单中选择正确的因素和响应，然后单击“确定”），您的约束条件将被记住并显示通过 JMP 在新窗口中提供不同的可用选项来增强您的设计（特别是对于您的案例“复制”）。 根据您想要执行每次运行的次数（单击“复制”后 JMP 询问），JMP 将创建初始设计运行的“副本”。
回复：通过 4 个因素向定制设计添加复杂约束你好@ADouyon ,
据 JMP 网站称，关于 JMP 17 中的这一新功能，应该很快就会推出（10 月底 - 11 月初）： JMP 17 中的新增功能 | SAS 统计发现软件
这里已经提供了有关此新功能（设计资源管理器）的引人入胜且精彩的白皮书，其中承诺在选择最佳设计时非常有趣的用例：选择正确的设计 - 在 JMP 设计浏览器的帮助下 |联合管理计划
1-完全正确！ 抱歉没说清楚，这正是我的意思：我更喜欢使用 JMP 在计算机上创建多个设计，并根据实验预算、目标和约束选择最相关的一个，而不是带着第一个进入实验室创建设计并后来发现我可能忘记了一些限制，或者我的实验并不都是可行/可能的。
2-当然！ 当您创建了多个设计以及每个设计相应的数据表后，您可以转到 DoE -> Design Diagnostics -> Compare Designs。 在那里，您可以选择所有设计表（总共最多 5 个设计，因此选择 4 个 + 您单击“比较设计”的设计）并匹配因子，如果它们在表中具有不同的名称（如果它们具有与屏幕截图中的名称相同（x1 和 x1，...），JMP 会发现它们是相同的，因此您无需单独匹配每个因素）。 那么你应该有和我一样的看法。 更多信息在这里：评估设计窗口 (jmp.com)
3-“设计诊断”信息是需要与其他设计进行比较的值，以便了解每个设计的优点和缺点。 每个效率可以从 0 到 100。 提到了不同的效率：
- D 效率与参数估计精度相关，在筛选/因子设计中非常重要，可以精确估计模型中效应的显着性和效应大小，
- G 效率与整个实验空间中预测方差的最小化有关，并且在优化设计中非常重要（更多地关注预测性能而不是因果解释/统计显着性），
- A-效率与效果之间混叠的最小化和优化有关； A 效率越高，回归系数的估计就越低且更精确（且无偏差）。
更多信息在这里：设计诊断 (jmp.com)
4-非常好的问题，但我没有明确的答案。 这可能是因为坐标交换算法（用于定制设计）和设计的随机起始/生成点。 由于设计是从设计空间中的随机点生成的，因此实验空间中点的最佳重新分配可能会从一个设计代到另一代设计发生变化。 因此，当再次生成设计时，您可以看到值发生了一些细微的变化。 您可以手动将这些值更改为最接近的值（此处为 2），而无需过多更改设计的最优性，或者尝试再次生成设计，最终通过增加随机开始的数量和/或设计搜索时间（红色部分）靠近“自定义设计”的三角形，您将找到“开始次数”和“设计搜索时间”）。
回复：通过 4 个因素向定制设计添加复杂约束诊断大纲中有很多信息。 其中一些有时更相关。 我并不是说您不应该查看所有内容，但我们通常对用于比较设计的信息有所选择性。 当我筛选因素或因素效应时，功效、估计效率和估计的相关性更为重要。 另一方面，当我准备根据模型预测优化因子设置时，预测方差（分析或集成）会更加严重。
回复：通过 4 个因素向定制设计添加复杂约束谢谢@Victor_G如此深入地阐明了一切！ 非常感谢！！
因此，在比较设计时，我知道我们希望“设计空间图的分数”的“预测方差”在理想情况下较低，而我们希望“功率分析工厂”的“功率”较高（接近〜1）。 它是否正确？
我想知道您是否可以扩展对设计诊断效率值的解释（如“颜色图+效率比较”的屏幕截图所示？它表明红色不好，但是，最后一次比较中有更多红色值（0复制与增强设计）。
另外，当按照您的建议使用重复项增强设计时，我是否必须再次定义约束？
谢谢@Victor_G提前！！
最好的，
回复：通过 4 个因素向定制设计添加复杂约束你好@Victor_G ,
跟进您 9 月 27 日关于比较多种设计的回复，您说这在 JMP17 中会更容易做到。 我想知道，您知道我们什么时候可以使用这个新版本的 JMP17 吗？ 这似乎是一个很棒的功能！
1-另外，为了确保我理解这一点。 当你说你喜欢先比较设计时。 你是说在 JMP 上，而不是在实验室里。 因此，您更喜欢在对设计进行物理测试之前始终将不同的设计与 JMP DOE 进行比较，对吗？
2- 我不记得在“实验的定制设计”课程中看到过任何有关 DOE 设计比较的内容。 可能吗@Victor_G提供有关您出行方式的更多信息来自“DOE > 设计诊断 > 比较设计”到1）功效、2) 方差预测曲线和 3) 相关矩阵/颜色图？ （我尝试过，但我对到底应该选择什么感到困惑......）
3-同样，在制作表格之前可以看到的“设计诊断”信息（参见屏幕截图）的含义是什么？
4-最后一个问题:)为什么当我再次进行设计时，JMP 现在选择了两次运行，其中“X1”数据点为 1.93 和 1.89（两次单独的运行），而根本不居中。 X1设置为连续因子，范围为1-3。 我同意这个因素的小数，但是，我想知道为什么 JMP 选择这两个彼此如此接近的值，而不是在实验空间中更分散的值？
非常感谢@Victor_G感谢您快速而详细的回复！ 超级有帮助，谢谢！！！ 我学到了很多！
回复：通过 4 个因素向定制设计添加复杂约束你好@ADouyon ,
使用正确的设计和模型，比较会有点不同：
- 对于功效而言，没有重复运行或 2 或 4 次重复运行的设计之间似乎没有显着改进。 进行 8 次重复运行（总共 27 次实验运行）或完全复制原始设计（总共 36 次实验）确实可以提高功效。
- 对于方差预测，进行 2 次重复运行（总运行次数相同：18）似乎比进行 4 次重复运行（或无重复运行）更有效地降低整个空间的方差。 进行 8 次重复运行（27 个实验！）确实会稍微降低实验空间的预测方差，但它与 2 次重复运行所得到的结果非常相似。 当然，如果您复制原始设计（并将实验数量从 18 增加到 36...），您的预测方差将除以二。
- 就效率和混叠而言，复制整个设计将为您提供术语之间相同的混叠/相关性，而添加复制运行可以改变并降低一些混叠。 对于具有相同运行次数的设计，效率非常相似，并且当您增加实验次数时，效率肯定会提高。
希望这部分能对您有所帮助，不会带来额外的困惑，
回复：通过 4 个因素向定制设计添加复杂约束你好，我们又见面了@ADouyon ,
- “下限”是针对您的情况可接受的最低解决方案（它定义了从最低限制到最高限制的可能且可接受的值范围），如果您有多个响应，则可能会产生影响。 在唯一响应的情况下，这并不重要，因为 JMP 会尝试以任何一种方式优化响应（最大化/最小化或匹配值），因此在任何情况下都将通过找到正确的值来不惜一切代价避免下限因素设置（在“最大化”的情况下）。 变化将发生在意愿函数的斜率中（请参见 JMP 用例“跳出数据”中使用下限 350 完成的 Profiler-1 和使用下限 450 完成的 Profiler-2 的屏幕截图）。
如果您有多个响应，则更改其中一个响应合意性曲线的斜率可能会更改找到的最佳值，因为 JMP 将尝试最大化总体合意性值（考虑所有响应合意性函数），因此响应的斜率会更陡意味着此响应可能对意愿优化解决方案产生更大的影响（因为您将缩小可接受值的范围，请参阅分析器优化与数据集 Tiretread.jmp 上的屏幕截图 Profiler-desirability-1 和 Profiler-desirability-2 的比较来自 JMP 数据用例）。 还要考虑到每个响应的固定重要性也会极大地影响找到的最佳情况：响应重要性越大，该响应对找到的最佳情况的影响就越大。
有关意愿概况的更多信息可以在此处找到：意愿概况 (jmp.com)
- 重复的使用和数量取决于您的目标、效果强度、实验/预测的预期精度…… 请注意，JMP 有两个选项：“重复运行次数”（在自定义设计中），意思是这里是要重复的运行次数和“重复次数”（在经典设计中），意思是他计算每次运行的次数（除了原始运行之外）：回复：自定义设计重复次数 - JMP 用户社区。
如果不了解所有这些（并且没有领域专业知识），很难知道什么可能是更适合您的情况的选择，但我建议尝试不同的选项（无重复运行、2 次重复运行、4 次重复运行、8 次重复运行） ...）并使用“比较设计”平台（在 DoE -> 设计诊断中找到）来评估哪些运行次数对于您的案例来说是最佳的（最低重复次数的影响最大）。 在附件中，您可以找到针对功效、方差和相关性比较的 0、2、4 和 8 次重复运行的 DoE 设置进行的不同比较，以及为每个 DoE 创建的单独数据表。 对于 2 次和 4 次重复运行，JMP 最终得到相同的默认实验数量 (18)，这些设计具有相似的属性。 然而，我们可以清楚地看到 0 次和 2/4 次重复运行之间在功效、方差预测曲线（与 0 次重复运行相比，2 或 4 次重复运行的情况下几乎除以因子 2）和相关矩阵/颜色图（模型中的项之间出现混叠），因此 18 次运行设计（2 次或 4 次重复运行）可能是一个很好的折衷方案，可以在不增加太多实验成本的情况下获得可靠的结果和精度（8 次重复运行 27 次实验）运行设计！）。
如果您确实想与重复/三次...设计进行比较（有重复，而不仅仅是重复运行），您可以创建 JMP 提出的原始设计（有 9 个实验，没有任何重复运行），然后对其进行增强（在 DoE -> 增强设计中）选择“复制”选项。 然后，JMP 会询问您执行每次运行的次数，因此如果您输入“2”，您最终会得到包含 18 次运行的重复设计。 请注意，在此例中，两个选项（重复和重复运行）对于相同次数的运行带来非常相似的设计性能（此处总共测试了 18 次运行）。
- 我不知道具体如何处理这个问题。 如果您不知道实验空间中哪些条件会使实验成功/失败，一种选择可能是首先使用“范围设计”来测试您的实验空间（范围设计|棱镜 (prismtc.co.uk) ）检查您的因素条件在实验室中是否可行（然后将此设计增强为筛选设计，也许还可以使用响应面模型将其增强为优化设计）。
如果您已经知道哪些因素条件将使您的实验失败或成功，您也许可以在 DoE 中包含这些设置并创建适当的运行，并在您的分析中包含或添加这些运行，作为设计的一部分，或者作为验证点（不包括在设计分析中，但在末尾添加以检查设计预测是否与您的知识相符）。
我希望这些答案能对您有所帮助（抱歉帖子很长），
PS：我的原始设计中有 9 次运行，没有重复运行，这是因为我没有在模型中添加术语 X1*X1 和 X1*X2，但设计的一般表示和比较可能仍然有效（您可能需要验证以检查它，如果需要，我可以尝试更改设计并今天提供有效的比较和屏幕截图）。
回复：通过 4 个因素向定制设计添加复杂约束你好，我们又见面了@Victor_G ,
我有几个后续问题：
1-如果我想将响应最大化到尽可能高的值，我仍然必须定义响应的“下限”，对吧？ 但是，这个“下限”有那么重要吗？ 我将其设置为 10、50 或 100 有关系吗？ （我不知道如何处理这个“下限”值......因为我真的只关心获得可能的最大响应）。
2- 我正在研究的这个 DOE 是针对生物反应的。 通常，在科学/生物学中，我们对每种条件进行重复实验（运行）；这意味着我们重复（或三次）进行每次实验。 我知道，这是不切实际的：如果我的 DOE 总共包含 18 次运行，那么我重复所有 18 次运行是没有意义的，因为总共将是 36 次运行，这将违背我使用 DOE 的目的...
那么我该如何决定重复运行的次数呢？ 如何决定是否需要 2 次、4 次或 10 次重复？
3- 同样，在科学/生物学中，研究人员通常也会在实验中添加一些阴性和阳性对照反应。 这是一种我们预期会失败的反应，因为我们事先知道它会失败，而我们预期这种反应会成功，因为我们事先知道它会运作良好。 DOE 用户一般如何处理这个问题？
非常感谢@Victor_G您的帮助！！！
最好的，
回复：通过 4 个因素向定制设计添加复杂约束再次感谢你@Victor_G总是回复得这么快，答案也这么清晰！！ 非常感激！
（我可能会尝试为此发表一篇额外的文章；只是出于好奇:)）
回复：通过 4 个因素向定制设计添加复杂约束非常感谢@Victor_G ！ 我刚刚尝试了一下并且能够做到:)
回复：通过 4 个因素向定制设计添加复杂约束你好@ADouyon ,
对于不能取任何小数值的因子，您有两种选择：
- 第一个也是简单的可能是通过将格式更改为“Fixed Dec”和 Dec = 0 来更改数据表中没有小数值的数字（请参见屏幕截图）。 但设计可能会失去一点其最优性，并且来自预测刻画器模型的这些因素的最优值可能有小数。
- 另一种方法是将这些因子视为具有指定级别的“离散数字”（有关离散数字因子类型的更多信息，请参阅我之前的评论）。 这种方式对我来说看起来更好，因为模型中直接考虑了这种“约束”。 在您的情况下，在离散数字因子的级别中使用设备的所有可能级别（增量为 1）可能并不有趣，但选择至少 3 个级别（最小、中和最大）可能会很有趣为了看看可能的二次效应。 在预测刻画器中，它将被视为分类因子，但请记住级别的序数（例如 2 < 5 < 7 ...请参阅因子 4 的屏幕截图），因此您可以查看每个级别之间的趋势水平。
可能还有其他选项可以做到这一点，因此请毫不犹豫地创建新帖子并检查其他用户的输入和响应。
最后，选择您最舒服的选项。
希望对你有帮助，
回复：通过 4 个因素向定制设计添加复杂约束你好@ADouyon ,
似乎只有通过“指定线性约束”选项才能保存和加载约束。
对于你的情况你可以做的是
- 完全使用您添加的约束生成 DoE，然后您将在数据表中看到一个名为“Disallowed Combinations”的新脚本（请参见屏幕截图 Disallowed_Combinations-datatable-script.jpg）。
- 如果右键单击它，然后单击“编辑”，您可以复制不允许的组合的 JSL 代码（请参阅 Disallowed_Combinations-datatable-script-Edit.jpg）并...
- 在自定义设计创建中的“使用不允许的组合脚本”选项中使用它（粘贴）（请参见屏幕截图“Use-disallowed-combinations-script.jpg）。
可能有一种更智能、更自动的方法来做到这一点（也许通过 JSL 脚本？），但这种方法有效（并且您不需要手动重新创建不允许的组合）。
希望它能帮助你！ 
回复：通过 4 个因素向定制设计添加复杂约束还， @Victor_G你知道我如何在模型中指定我的因子值不能有小数（即0.5）吗？ 我的两个因素是我在仪器中设置的变量。 但是，该仪器不允许您使用十进制单位，因为它必须是整数。 仪器允许用户以 1 个单位为增量更改这些因子的值（即 21、22、23...）。
我也可以以某种方式将其添加到我的约束中吗？
先感谢您@Victor_G ！
最好的，
回复：通过 4 个因素向定制设计添加复杂约束你好@Victor_G再次！ 我有一个快速的问题;你知道为什么我不能像我们对因素和响应所做的那样保存模型约束吗？
谢谢你！
最好的，
回复：通过 4 个因素向定制设计添加复杂约束非常感谢您的友好评论和反馈@ADouyon ！
如果我的回答有帮助且足够清晰，我会很高兴！
回复：通过 4 个因素向定制设计添加复杂约束再次感谢，维克多！
回复：通过 4 个因素向定制设计添加复杂约束非常感谢你， @Victor_G ！ 非常感谢！ 您的评论非常有用且清晰，谢谢！
回复：通过 4 个因素向定制设计添加复杂约束还有一条评论提到了 Prism Training & Consultancy 提供的有关实验顺序性质的重要资源：文章：经典实验设计的顺序性质 |棱镜 (prismtc.co.uk)
本文很好地解释了 DoE 背后的流程，从创建和评估因素的实验范围，到筛选和优化。 这是您可能感兴趣的系列文章的一部分。
祝您阅读愉快！
回复：通过 4 个因素向定制设计添加复杂约束你好@ADouyon ！
我很高兴这些答案有帮助。 我不知道这种做法有多常见，但我个人更喜欢花更多的时间来比较不同的设计和样本大小，而不是去实验室快速做实验，最终发现我可能忘记了一个约束，或者我的设计不足以满足我的需求。
--> 为了说明这一点，我真的很喜欢罗纳德·费舍尔的这句话：“实验完成后咨询统计学家通常只是要求他进行尸检。 他也许可以说出实验是因为什么而死亡的。”
不同的设计可能会导致对结果的不同解释，具体取决于不同模型中的项。 例如，仅具有主效应的筛选设计可能有助于筛选研究后续的相关因素，但在存在 2 个因素相互作用和/或二次效应（可能缺乏拟合）的情况下，可能明显缺乏精度和响应预测性）。
您有多种选择来生成不同的设计并进行比较：
- 更改（添加/删除）模型中的项（2 个因子交互作用、二次效应等）或其可估计性（对于 2FI 和二次效应，您可以将可估计性从“必要”切换为“如果可能”）。
- 通过添加重复运行来改变设计中的样本大小（实验数量）：额外的运行是否相关且有用，足以提高实验空间的估计精度或相对方差预测？
- 更改最优性标准（取决于您的目标：用于筛选的 D 最优性、用于良好响应预测精度的 I 最优性、用于改善模型中项之间的混叠的 Alias 最优性...）
- 更改设计类型（如果可能！）...
目前，要比较不同的 DoE，您必须在 JMP 中创建它们，然后转到“DoE”、“设计诊断”，然后“比较设计”。 但 ... 剧透警告！ ：在 JMP 17 中，比较多个设计（参见屏幕截图）会容易得多，因为“Design Explorer”平台将包含在 DoE 创建中，因此无需手动一一创建它们：您可以创建多个在几秒钟内完成设计，并根据您的目标和决策标准对其进行过滤。
最后，利用“迭代设计”，不要期望或尝试用一种（大）设计来解决所有问题。 例如，从小处开始进行筛选设计，然后使用增强来搜索更多细节，例如交互作用和可能的非线性效应，可能会更强大、更高效。 最后，如果您的目标是优化某些内容，您可以再次增强您的设计以适应完整的响应曲面模型。 在每一步中，您都会收集更多有关系统的知识，并确保下一个增强设计将带来更多知识，而不会浪费实验/运行、时间和资源。
“增强设计”平台确实是一个强大的（但常常被低估的）工具，可以收集更多数据、获得更多理解并构建更准确的模型，而不会丢失任何先前的信息。
希望这个回答对你有帮助
回复：通过 4 个因素向定制设计添加复杂约束太感谢了， @Victor_G !! 非常感谢。 您的回答非常有帮助！
我参加了 JMP DOE 的几门课程，并了解到我们不应该在第一个实验上投入超过 25% 的精力。 对于我们来说，时间是我们拥有的最有限的资源。 我想知道，像您提到的那样，生成多个具有不同样本大小的设计进行比较是否很常见？ 设计最终不应该给出相同的结果吗？您介意对此进行更多扩展吗？
谢谢你！！！
最好的，
回复：通过 4 个因素向定制设计添加复杂约束你好@ADouyon ,
我很高兴第一个答案对您有帮助。
关于您的其他问题：
- 在第二个屏幕截图中，似乎这两个约束都得到了很好的指定。 我也忘记在我的第一个答案中自己做这件事，但是您可以通过单击红色三角形来更改过滤器约束中 B 因子的格式，然后单击“建模类型”= Categorical/Ordinal ：这更容易创建约束和当我们只想将 B 固定为 1 时，避免使用诸如 0<= B < 1,99 之类的东西（参见屏幕截图约束2）。 看看你和我的设计矩阵，约束似乎已经得到尊重，所以它应该可以正常工作。
- 是的，您应该保留它，因为 JMP 添加了它并默认将其可估计性指定为“如果可能”，因此不需要更多运行，但运行将在实验空间中更好地组织，以便万一您有足够的模型的自由度，JMP 将尝试估计离散数值因子的二次项。 与分类因子相比，拥有离散数字因子意味着 JMP 知道水平之间存在关系（它们是有序的），而与纯分类因子（水平之间没有关系，水平是名义的）相比。 有一个视频解释了离散数值和分类之间的区别：亲爱的 DOE 博士，离散数值不就是分类吗？ - JMP 用户社区。
如果您可以负担更多的运行，我建议添加一些重复运行，以增加主效应的力量（增加检测显着主效应（如果确实存在）的能力）。 您可能有严格的实验预算限制，但是将多个设计与多个样本大小进行比较可以帮助您选择最适合您需求的情况。
希望这篇后续内容也能对您有所帮助
回复：通过 4 个因素向定制设计添加复杂约束你好@Victor_G ,
非常感谢您的快速回复！ 这非常有帮助！
我有几个后续问题：
1- 当因子 B（离散数字因子，即生物反应的数量）为 2 或更高 (3) 时，因子 D 不能为零。如何在模型中添加第二个约束？
我尝试过，但不确定我做得对吗（附有屏幕截图）。
2- 如果可能，模型会自动添加二次项 B*B 和可估计性 =。 你认为我应该保留这个词吗？ （我试图让第一个设计不要太大）
谢谢你！！
回复：通过 4 个因素向定制设计添加复杂约束你好@ADouyon ,
欢迎来到社区！
查看您的问题和选项，建议如下：
- 首先，将因子 B 定义为离散数值，因为反应数是整数（例如，您不能有 1,7 个反应，在案例研究中只能有 1、2 或 3），
- 如果您希望在只有一个反应时等待时间为 0，则因子 D 应该具有固定为 0 的较低水平。
- 由于因子 D（时间）在您的设计中是一个连续因子（您可以在指定的范围内获得所需的任何反应时间），我建议在模型中添加二次项 D*D，因为对于（化学）反应，时间通常与产量/输出不呈线性关系。
- 取决于是否可以“在线”测量响应而不会出现任何降级，也许以几个时间间隔记录响应是有意义的，以便对响应与时间（使用输入因子）进行建模？
- 最后但并非最不重要的一点是，我不熟悉您的主题，但是为因素选择不同的设置也可能会解决您的问题（例如，更改反应时间的等待时间）。
根据您的输入，您可以进入“使用不允许的组合过滤器”并选择要从设计中排除的范围（此处，1 =< B < 2 AND D > 0，例如，请参阅屏幕截图约束）。 然后，JMP 应该为您提供一个解决此特定约束的设计（请参见屏幕截图“矩阵和实验空间”）。
可能有更好（和更聪明）的方法来做到这一点，或更合适的设计/因素配置来考虑这个主题，但这应该回答您的需求和问题。
我希望它能帮助你，
