通過 4 個因素向定制設計添加複雜的約束你好，
我正在創建一個包含 4 個因素（因素 A、B、C 和 D）的定制設計。
我有一個關於與因素 B 和 D 有關的約束的問題。
- 因子 B 實際上是同一實驗中按順序完成的反應數。 這可以是 1 個反應、2 個、3 個或更多個順序反應。 我將範圍設置為 1-3（不更高，因為我目前對 >3 個順序反應不感興趣）。
- 因素 D 是我在順序反應之間等待的時間。 因此，我僅在因子 B >1 時定義因子 D。 範圍是 0.1 到 10 秒。如果因子 B 為 1，則因子 D 為 0。 換句話說，當按順序完成的反應數（因子 B）僅為 1 時，因子 D 不存在，因為它只是 1 個反應，因此，我不需要等待任何秒，因為沒有其他反應按順序執行。
如何在自定義設計模型中定義此約束？
謝謝你嗚嗚！！
PS：我用的是Mac。
實驗設計蘋果系統回复：通過 4 個因素向定制設計添加複雜約束謝謝你的洞察力， @馬克貝利和@Victor_G !!
回复：通過 4 個因素向定制設計添加複雜約束謝謝你， @Victor_G ，以獲得及時、明確的答案，以及所有提供的材料！ 真的很有用！！！
回复：通過 4 個因素向定制設計添加複雜約束你好，我們又見面了@ADouyon ,
作為第一個概述，是的，你是對的：功效（=檢測效果的概率，如果它確實活躍）應該盡可能高，預測方差和設計空間圖的分數盡可能低。 但正如回答的@馬克貝利，您將優先與其他設計比較您的實驗計劃所需的內容（因為讓一切都高/完美通常是不可能的，或者以大量實驗為代價）：
- 如果您使用 DoE 來篩選主效應（可能還有相互作用），那麼您主要感興趣的不是預測方差和設計空間的分數，而是檢測因素之間的顯著影響（可能還有相互作用）。 所以你寧願專注於功率分析。
- 如果您使用 DoE 來優化流程/公式，您希望獲得盡可能精確的預測響應，因此您希望獲得最低的預測方差。 因此，您將與其他設計比較實驗空間上的預測方差和設計空間圖的分數。
您可以在此處（以及後續頁面）找到有關設計評估的一些信息：設計 (jmp.com)
是的，由於我用於比較的主要設計是Custom-Design_0-replicates（實驗數量最少且無重複），因此大多數其他設計表現更好（因為它們具有重複運行，因此對噪聲/的估計類似或更好）相同數量的實驗的方差，或者因為它們的實驗數量較多（最後2 個設計），因此提高了所有效率），因此與其他設計相比，此簡單設計的效率較差（因此為紅色值）。
在比較中改變主要設計將會改變所呈現的相對效率（因此顏色取決於設計與其他設計相比的優點（綠色）或缺點（紅色））。
不會，約束條件保存在設計中，因此當您增強設計並複制它時（通過在相應菜單中選擇正確的因素和響應，然後單擊“確定”），您的約束條件將被記住並顯示通過JMP 在新窗口中提供不同的可用選項來增強您的設計（特別是對於您的案例“複製”）。 根據您想要執行每次運行的次數（單擊“複製”後 JMP 詢問），JMP 將創建初始設計運行的“副本”。
回复：通過 4 個因素向定制設計添加複雜約束你好@ADouyon ,
據 JMP 網站稱，關於 JMP 17 中的這一新功能，應該很快就會推出（10 月底 - 11 月初）： JMP 17 中的新增功能 | SAS 統計發現軟件
這裡已經提供了有關此新功能（設計資源管理器）的引人入勝且精彩的白皮書，其中承諾在選擇最佳設計時非常有趣的用例：選擇正確的設計 - 在 JMP 設計瀏覽器的幫助下 |聯合管理計劃
1-完全正確！ 抱歉沒說清楚，這正是我的意思：我更喜歡使用 JMP 在計算機上創建多個設計，並根據實驗預算、目標和約束選擇最相關的一個，而不是帶著第一個進入實驗室創建設計併後來發現我可能忘記了一些限制，或者我的實驗並不都是可行/可能的。
2-當然！ 當您創建了多個設計以及每個設計相應的數據表後，您可以轉到 DoE -> Design Diagnostics -> Compare Designs。 在那裡，您可以選擇所有設計表（總共最多 5 個設計，因此選擇 4 個 + 您單擊“比較設計”的設計）並匹配因子，如果它們在表中具有不同的名稱（如果它們具有與屏幕截圖中的名稱相同（x1 和x1，...），JMP 會發現它們是相同的，因此您無需單獨匹配每個因素）。 那麼你應該有和我一樣的看法。 更多信息在這裡：評估設計窗口 (jmp.com)
3-“設計診斷”信息是需要與其他設計進行比較的值，以便了解每個設計的優點和缺點。 每個效率可以從 0 到 100。 提到了不同的效率：
- D 效率與參數估計精度相關，在篩選/因子設計中非常重要，可以精確估計模型中效應的顯著性和效應大小，
- G 效率與整個實驗空間中預測方差的最小化有關，並且在優化設計中非常重要（更多地關注預測性能而不是因果解釋/統計顯著性），
- A-效率與效果之間混疊的最小化和優化有關； A 效率越高，回歸係數的估計就越低且更精確（且無偏差）。
更多信息在這裡：設計診斷 (jmp.com)
4-非常好的問題，但我沒有明確的答案。 這可能是因為坐標交換算法（用於定制設計）和設計的隨機起始/生成點。 由於設計是從設計空間中的隨機點生成的，因此實驗空間中點的最佳重新分配可能會從一個設計代到另一代設計發生變化。 因此，當再次生成設計時，您可以看到值發生了一些細微的變化。 您可以手動將這些值更改為最接近的值（此處為2），而無需過多更改設計的最優性，或者嘗試再次生成設計，最終通過增加隨機開始的數量和/或設計搜索時間（紅色部分）靠近“自定義設計”的三角形，您將找到“開始次數”和“設計搜索時間”）。
回复：通過 4 個因素向定制設計添加複雜約束診斷大綱中有很多信息。 其中一些有時更相關。 我並不是說您不應該查看所有內容，但我們通常對用於比較設計的信息有所選擇性。 當我篩選因素或因素效應時，功效、估計效率和估計的相關性更為重要。 另一方面，當我準備根據模型預測優化因子設置時，預測方差（分析或集成）會更加嚴重。
回复：通過 4 個因素向定制設計添加複雜約束謝謝@Victor_G如此深入地闡明了一切！ 非常感謝！！
因此，在比較設計時，我知道我們希望“設計空間圖的分數”的“預測方差”在理想情況下較低，而我們希望“功率分析工廠”的“功率”較高（接近〜1）。 它是否正確？
我想知道您是否可以擴展對設計診斷效率值的解釋（如“顏色圖+效率比較”的屏幕截圖所示？它表明紅色不好，但是，最後一次比較中有更多紅色值（0複製與增強設計）。
另外，當按照您的建議使用重複項增強設計時，我是否必須再次定義約束？
謝謝@Victor_G提前！！
最好的，
回复：通過 4 個因素向定制設計添加複雜約束你好@Victor_G ,
跟進您 9 月 27 日關於比較多種設計的回复，您說這在 JMP17 中會更容易做到。 我想知道，您知道我們什麼時候可以使用這個新版本的 JMP17 嗎？ 這似乎是一個很棒的功能！
1-另外，為了確保我理解這一點。 當你說你喜歡先比較設計時。 你是說在 JMP 上，而不是在實驗室裡。 因此，您更喜歡在對設計進行物理測試之前始終將不同的設計與 JMP DOE 進行比較，對嗎？
2- 我不記得在“實驗的定制設計”課程中看到過任何有關 DOE 設計比較的內容。 可能嗎@Victor_G提供有關您出行方式的更多信息來自“DOE > 設計診斷 > 比較設計”到1）功效、2) 方差預測曲線和 3) 相關矩陣/顏色圖？ （我嘗試過，但我對到底應該選擇什麼感到困惑......）
3-同樣，在製作表格之前可以看到的“設計診斷”信息（參見屏幕截圖）的含義是什麼？
4-最後一個問題:)為什麼當我再次進行設計時，JMP 現在選擇了兩次運行，其中“X1”數據點為 1.93 和 1.89（兩次單獨的運行），而根本不居中。 X1設置為連續因子，範圍為1-3。 我同意這個因素的小數，但是，我想知道為什麼 JMP 選擇這兩個彼此如此接近的值，而不是在實驗空間中更分散的值？
非常感謝@Victor_G感謝您快速而詳細的回复！ 超級有幫助，謝謝！！！ 我學到了很多！
回复：通過 4 個因素向定制設計添加複雜約束你好@ADouyon ,
使用正確的設計和模型，比較會有點不同：
- 對於功效而言，沒有重複運行或 2 或 4 次重複運行的設計之間似乎沒有顯著改進。 進行 8 次重複運行（總共 27 次實驗運行）或完全複製原始設計（總共 36 次實驗）確實可以提高功效。
- 對於方差預測，進行 2 次重複運行（總運行次數相同：18）似乎比進行 4 次重複運行（或無重複運行）更有效地降低整個空間的方差。 進行 8 次重複運行（27 個實驗！）確實會稍微降低實驗空間的預測方差，但它與 2 次重複運行所得到的結果非常相似。 當然，如果您複製原始設計（並將實驗數量從 18 增加到 36...），您的預測方差將除以二。
- 就效率和混疊而言，複製整個設計將為您提供術語之間相同的混疊/相關性，而添加複制運行可以改變並降低一些混疊。 對於具有相同運行次數的設計，效率非常相似，並且當您增加實驗次數時，效率肯定會提高。
希望這部分能對您有所幫助，不會帶來額外的困惑，
回复：通過 4 個因素向定制設計添加複雜約束你好，我們又見面了@ADouyon ,
- “下限”是針對您的情況可接受的最低解決方案（它定義了從最低限製到最高限制的可能且可接受的值範圍），如果您有多個響應，則可能會產生影響。 在唯一響應的情況下，這並不重要，因為JMP 會嘗試以任何一種方式優化響應（最大化/最小化或匹配值），因此在任何情況下都將通過找到正確的值來不惜一切代價避免下限因素設置（在“最大化”的情況下）。 變化將發生在意願函數的斜率中（請參見 JMP 用例“跳出數據”中使用下限 350 完成的 Profiler-1 和使用下限 450 完成的 Profiler-2 的屏幕截圖）。
如果您有多個響應，則更改其中一個響應合意性曲線的斜率可能會更改找到的最佳值，因為JMP 將嘗試最大化總體合意性值（考慮所有響應合意性函數），因此響應的斜率會更陡意味著此響應可能對意願優化解決方案產生更大的影響（因為您將縮小可接受值的範圍，請參閱分析器優化與數據集Tiretread.jmp 上的屏幕截圖Profiler-desirability-1 和Profiler -desirability-2 的比較來自 JMP 數據用例）。 還要考慮到每個響應的固定重要性也會極大地影響找到的最佳情況：響應重要性越大，該響應對找到的最佳情況的影響就越大。
有關意願概況的更多信息可以在此處找到：意願概況 (jmp.com)
- 重複的使用和數量取決於您的目標、效果強度、實驗/預測的預期精度…… 請注意，JMP 有兩個選項：“重複運行次數”（在自定義設計中），意思是這裡是要重複的運行次數和“重複次數”（在經典設計中），意思是他計算每次運行的次數（除了原始運行之外）：回复：自定義設計重複次數 - JMP 用戶社區。
如果不了解所有這些（並且沒有領域專業知識），很難知道什麼可能是更適合您的情況的選擇，但我建議嘗試不同的選項（無重複運行、2 次重複運行、4 次重複運行、8次重複運行） ...）並使用“比較設計”平台（在 DoE -> 設計診斷中找到）來評估哪些運行次數對於您的案例來說是最佳的（最低重複次數的影響最大）。 在附件中，您可以找到針對功效、方差和相關性比較的 0、2、4 和 8 次重複運行的 DoE 設置進行的不同比較，以及為每個 DoE 創建的單獨數據表。 對於 2 次和 4 次重複運行，JMP 最終得到相同的默認實驗數量 (18)，這些設計具有相似的屬性。 然而，我們可以清楚地看到0 次和2/4 次重複運行之間在功效、方差預測曲線（與0 次重複運行相比，2 或4 次重複運行的情況下幾乎除以因子2）和相關矩陣/顏色圖（模型中的項之間出現混疊），因此18 次運行設計（2 次或4 次重複運行）可能是一個很好的折衷方案，可以在不增加太多實驗成本的情況下獲得可靠的結果和精度（8 次重複運行27 次實驗）運行設計！）。
如果您確實想與重複/三次...設計進行比較（有重複，而不僅僅是重複運行），您可以創建JMP 提出的原始設計（有9 個實驗，沒有任何重複運行），然後對其進行增強（在 DoE -> 增強設計中）選擇“複製”選項。 然後，JMP 會詢問您執行每次運行的次數，因此如果您輸入“2”，您最終會得到包含 18 次運行的重複設計。 請注意，在此例中，兩個選項（重複和重複運行）對於相同次數的運行帶來非常相似的設計性能（此處總共測試了 18 次運行）。
- 我不知道具體如何處理這個問題。 如果您不知道實驗空間中哪些條件會使實驗成功/失敗，一種選擇可能是首先使用“範圍設計”來測試您的實驗空間（範圍設計|棱鏡 (prismtc.co.uk) ）檢查您的因素條件在實驗室中是否可行（然後將此設計增強為篩選設計，也許還可以使用響應面模型將其增強為優化設計）。
如果您已經知道哪些因素條件將使您的實驗失敗或成功，您也許可以在 DoE 中包含這些設置並創建適當的運行，並在您的分析中包含或添加這些運行，作為設計的一部分，或者作為驗證點（不包括在設計分析中，但在末尾添加以檢查設計預測是否與您的知識相符）。
我希望這些答案能對您有所幫助（抱歉帖子很長），
PS：我的原始設計中有 9 次運行，沒有重複運行，這是因為我沒有在模型中添加術語 X1*X1 和 X1*X2，但設計的一般表示和比較可能仍然有效（您可能需要驗證以檢查它，如果需要，我可以嘗試更改設計並今天提供有效的比較和屏幕截圖）。
回复：通過 4 個因素向定制設計添加複雜約束你好，我們又見面了@Victor_G ,
我有幾個後續問題：
1-如果我想將響應最大化到盡可能高的值，我仍然必須定義響應的“下限”，對吧？ 但是，這個“下限”有那麼重要嗎？ 我將其設置為 10、50 或 100 有關係嗎？ （我不知道如何處理這個“下限”值......因為我真的只關心獲得可能的最大響應）。
2- 我正在研究的這個 DOE 是針對生物反應的。 通常，在科學/生物學中，我們對每種條件進行重複實驗（運行）；這意味著我們重複（或三次）進行每次實驗。 我知道，這是不切實際的：如果我的 DOE 總共包含 18 次運行，那麼我重複所有 18 次運行是沒有意義的，因為總共將是 36 次運行，這將違背我使用 DOE 的目的.. .
那麼我該如何決定重複運行的次數呢？ 如何決定是否需要 2 次、4 次或 10 次重複？
3- 同樣，在科學/生物學中，研究人員通常也會在實驗中添加一些陰性和陽性對照反應。 這是一種我們預期會失敗的反應，因為我們事先知道它會失敗，而我們預期這種反應會成功，因為我們事先知道它會運作良好。 DOE 用戶一般如何處理這個問題？
非常感謝@Victor_G您的幫助！！！
最好的，
回复：通過 4 個因素向定制設計添加複雜約束再次感謝你@Victor_G總是回復得這麼快，答案也這麼清晰！！ 非常感激！
（我可能會嘗試為此發表一篇額外的文章；只是出於好奇:)）
回复：通過 4 個因素向定制設計添加複雜約束非常感謝@Victor_G ！ 我剛剛嘗試了一下並且能夠做到:)
回复：通過 4 個因素向定制設計添加複雜約束你好@ADouyon ,
對於不能取任何小數值的因子，您有兩種選擇：
- 第一個也是簡單的可能是通過將格式更改為“Fixed Dec”和 Dec = 0 來更改數據表中沒有小數值的數字（請參見屏幕截圖）。 但設計可能會失去一點其最優性，並且來自預測刻畫器模型的這些因素的最優值可能有小數。
- 另一種方法是將這些因素視為具有指定級別的“離散數字”（有關離散數字因素類型的更多信息，請參閱我之前的評論）。 這種方式對我來說看起來更好，因為模型中直接考慮了這種“約束”。 在您的情況下，在離散數字因子的級別中使用設備的所有可能級別（增量為 1）可能並不有趣，但選擇至少 3 個級別（最小、中和最大）可能會很有趣為了看看可能的二次效應。 在預測刻畫器中，它將被視為分類因子，但請記住級別的序數（例如2 < 5 < 7 ...請參閱因子4 的屏幕截圖），因此您可以查看每個級別之間的趨勢水平。
可能還有其他選項可以做到這一點，因此請毫不猶豫地創建新帖子並檢查其他用戶的輸入和響應。
最後，選擇您最舒服的選項。
希望對你有幫助，
回复：通過 4 個因素向定制設計添加複雜約束你好@ADouyon ,
似乎只有通過“指定線性約束”選項才能保存和加載約束。
對於你的情況你可以做的是
- 完全使用您添加的約束生成 DoE，然後您將在數據表中看到一個名為“Disallowed Combinations”的新腳本（請參見屏幕截圖 Disallowed_Combinations-datatable-script.jpg）。
- 如果右鍵單擊它，然後單擊“編輯”，您可以復制不允許的組合的 JSL 代碼（請參閱 Disallowed_Combinations-datatable-script-Edit.jpg）並...
- 在自定義設計創建中的“使用不允許的組合腳本”選項中使用它（粘貼）（請參見屏幕截圖“Use-disallowed-combinations-script.jpg）。
可能有一種更智能、更自動的方法來執行此操作（也許通過 JSL 腳本？），但這種方法有效（並且您不需要手動重新創建不允許的組合）。
希望它能幫助你！ 
回复：通過 4 個因素向定制設計添加複雜約束也, @Victor_G你知道我如何在模型中指定我的因子值不能有小數（即0.5）嗎？ 我的兩個因素是我在儀器中設置的變量。 但是，該儀器不允許您使用十進制單位，因為它必須是整數。 儀器允許用戶以 1 個單位為增量更改這些因子的值（即 21、22、23...）。
我也可以以某種方式將其添加到我的約束中嗎？
先感謝您@Victor_G ！
最好的，
回复：通過 4 個因素向定制設計添加複雜約束你好@Victor_G再次！ 我有一個快速的問題;你知道為什麼我不能像我們對因素和響應所做的那樣保存模型約束嗎？
謝謝你！
最好的，
回复：通過 4 個因素向定制設計添加複雜約束非常感謝您的友好評論和反饋@ADouyon ！
如果我的回答有幫助且足夠清晰，我會很高興！
回复：通過 4 個因素向定制設計添加複雜約束再次感謝，維克多！
回复：通過 4 個因素向定制設計添加複雜約束非常感謝你， @Victor_G ！ 非常感謝！ 您的評論非常有用且清晰，謝謝！
回复：通過 4 個因素向定制設計添加複雜約束還有一條評論提到了 Prism Training & Consultancy 提供的有關實驗順序性質的重要資源：文章：經典實驗設計的順序性質 |棱鏡 (prismtc.co.uk)
本文很好地解釋了 DoE 背後的流程，從創建和評估因素的實驗範圍，到篩选和優化。 這是您可能感興趣的系列文章的一部分。
祝您閱讀愉快！
回复：通過 4 個因素向定制設計添加複雜約束你好@ADouyon ！
我很高興這些答案有幫助。 我不知道這種做法有多常見，但我個人更喜歡花更多的時間來比較不同的設計和样本大小，而不是去實驗室快速做實驗，最終發現我可能忘記了一個約束，或者我的設計不足以滿足我的需求。
--> 為了說明這一點，我真的很喜歡羅納德·費舍爾的這句話：“實驗完成後諮詢統計學家通常只是要求他進行屍檢。 他也許可以說出實驗是因為什麼而死亡的。”
不同的設計可能會導致對結果的不同解釋，具體取決於不同模型中的項。 例如，僅具有主效應的篩選設計可能有助於篩選研究後續的相關因素，但在存在2 個因素相互作用和/或二次效應（可能缺乏擬合）的情況下，可能明顯缺乏精度和響應預測性）。
您有多種選擇來生成不同的設計並進行比較：
- 更改（添加/刪除）模型中的項（2 個因子交互作用、二次效應等）或其可估計性（對於2FI 和二次效應，您可以將可估計性從“必要”切換為“如果可能”）。
- 通過添加重複運行來改變設計中的樣本大小（實驗數量）：額外的運行是否相關且有用，足以提高實驗空間的估計精度或相對方差預測？
- 更改最優性標準（取決於您的目標：用於篩選的D 最優性、用於良好響應預測精度的I 最優性、用於改善模型中項之間的混疊的Alias 最優性. ..）
- 更改設計類型（如果可能！）...
目前，要比較不同的 DoE，您必須在 JMP 中創建它們，然後轉到“DoE”、“設計診斷”，然後“比較設計”。 但 ... 劇透警告！ ：在 JMP 17 中，比較多個設計（參見屏幕截圖）會容易得多，因為“Design Explorer”平台將包含在 DoE 創建中，因此無需手動一一創建它們：您可以創建多個在幾秒鐘內完成設計，並根據您的目標和決策標準對其進行過濾。
最後，利用“迭代設計”，不要期望或嘗試用一種（大）設計來解決所有問題。 例如，從小處開始進行篩選設計，然後使用增強來搜索更多細節，例如交互作用和可能的非線性效應，可能會更強大、更高效。 最後，如果您的目標是優化某些內容，您可以再次增強您的設計以適應完整的響應曲面模型。 在每一步中，您都會收集更多有關係統的知識，並確保下一個增強設計將帶來更多知識，而不會浪費實驗/運行、時間和資源。
“增強設計”平台確實是一個強大的（但常常被低估的）工具，可以收集更多數據、獲得更多理解並構建更準確的模型，而不會丟失任何先前的信息。
希望這個回答對你有幫助
回复：通過 4 個因素向定制設計添加複雜約束太感謝了， @Victor_G !! 非常感謝。 您的回答非常有幫助！
我參加了 JMP DOE 的幾門課程，並了解到我們不應該在第一個實驗上投入超過 25% 的精力。 對於我們來說，時間是我們擁有的最有限的資源。 我想知道，像您提到的那樣，生成多個具有不同樣本大小的設計進行比較是否很常見？ 設計最終不應該給出相同的結果嗎？您介意對此進行更多擴展嗎？
謝謝你！！！
最好的，
回复：通過 4 個因素向定制設計添加複雜約束你好@ADouyon ,
我很高興第一個答案對您有幫助。
關於您的其他問題：
- 在第二個屏幕截圖中，似乎這兩個約束都得到了很好的指定。 我也忘記在我的第一個答案中自己做這件事，但是您可以通過單擊紅色三角形來更改過濾器約束中B 因子的格式，然後單擊“建模類型”= Categorical/Ordinal ：這更容易創建約束和當我們只想將 B 固定為 1 時，避免使用諸如 0<= B < 1,99 之類的東西（參見屏幕截圖約束2）。 看看你和我的設計矩陣，約束似乎已經得到尊重，所以它應該可以正常工作。
- 是的，您應該保留它，因為JMP 添加了它並默認將其可估計性指定為“如果可能”，因此不需要更多運行，但運行將在實驗空間中更好地組織，以便萬一您有足夠的模型的自由度，JMP 將嘗試估計離散數值因子的二次項。 與分類因子相比，擁有離散數字因子意味著 JMP 知道水平之間存在關係（它們是有序的），而與純分類因子（水平之間沒有關係，水平是名義的）相比。 有一個視頻解釋了離散數值和分類之間的區別：親愛的 DOE 博士，離散數值不就是分類嗎？ - JMP 用戶社區。
如果您可以負擔更多的運行，我建議添加一些重複運行，以增加主效應的力量（增加檢測顯著主效應（如果確實存在）的能力）。 您可能有嚴格的實驗預算限制，但是將多個設計與多個樣本大小進行比較可以幫助您選擇最適合您需求的情況。
希望這篇後續內容也能對您有所幫助
回复：通過 4 個因素向定制設計添加複雜約束你好@Victor_G ,
非常感謝您的快速回复！ 這非常有幫助！
我有幾個後續問題：
1- 當因子 B（離散數字因子，即生物反應的數量）為 2 或更高 (3) 時，因子 D 不能為零。如何在模型中添加第二個約束？
我嘗試過，但不確定我做得對嗎（附有屏幕截圖）。
2- 如果可能，模型會自動添加二次項 B*B 和可估計性 =。 你認為我應該保留這個詞嗎？ （我試圖讓第一個設計不要太大）
謝謝你！！
回复：通過 4 個因素向定制設計添加複雜約束你好@ADouyon ,
歡迎來到社區！
查看您的問題和選項，建議如下：
- 首先，將因子 B 定義為離散數值，因為反應數是整數（例如，您不能有 1,7 個反應，在案例研究中只能有 1、2 或 3），
- 如果您希望在只有一個反應時等待時間為 0，則因子 D 應該具有固定為 0 的較低水平。
- 由於因子D（時間）在您的設計中是一個連續因子（您可以在指定的範圍內獲得所需的任何反應時間），我建議在模型中添加二次項D*D，因為對於（化學）反應，時間通常與產量/輸出不呈線性關係。
- 取決於是否可以“在線”測量響應而不會出現任何降級，也許以幾個時間間隔記錄響應是有意義的，以便對響應與時間（使用輸入因子）進行建模？
- 最後但並非最不重要的一點是，我不熟悉您的主題，但是為因素選擇不同的設置也可能會解決您的問題（例如，更改反應時間的等待時間）。
根據您的輸入，您可以進入“使用不允許的組合過濾器”並選擇要從設計中排除的範圍（此處，1 =< B < 2 AND D > 0，例如，請參閱屏幕截圖約束）。 然後，JMP 應該為您提供一個解決此特定約束的設計（請參見屏幕截圖“矩陣和實驗空間”）。
可能有更好（和更聰明）的方法來做到這一點，或更合適的設計/因素配置來考慮這個主題，但這應該回答您的需求和問題。
我希望它能幫助你，
