大家好，
我希望在建立 DoE 時獲得一些指導/支持，以優化 HPLC 分離中的一些參數。
我總共有 4 個因素，都是連續的（三個是流動相的化學成分，1 個是柱溫）。
我預期某些條件之間會產生交叉影響，從而影響我的研究中的反應。
美國能源部的最佳方法是什麼？我應該運行明確的篩選設計還是具有高階交互作用的客製化設計（第四）？當我設定自訂設計時，我根本沒有看到任何因素的任何中心點條件。這是一個問題嗎？我還會看到二次效應嗎？當我建立最終的篩選設計時，我確實看到了一些雙向交叉效應……但我擔心我會錯過其他潛在的相互作用。
任何提示或建議將不勝感激......提前致謝！
克里斯
謝謝維克多！我將從這條道路開始。非常感謝您的投入！
克里斯
感謝您的意見。我沒有 JMP Pro...但這是獲得它的巨大動力。
我更喜歡客製化 DOE 平台 CFR。示範 UHPLC 測量系統的最佳化。 您可以嘗試 DSD 和 Custom 並在 doe 診斷選單中比較兩者。 我的猜測是，對於定制母鹿，您將獲得更高的互動效果能力，這非常重要。由於相關性幾乎可以忽略不計，主效應和二次效應的功效可能較低，但仍可接受。
你好@ClusterFerret68 ,
可以肯定的是，流動相的三種化學成分是三個獨立的連續因子，而不是總和為恆定值的混合（依賴）因子？
如果所有因素都是連續的並且您的目標是優化，則色譜工藝優化中常見的傳統「教科書」DoE 是中央複合設計 (CCD) 和 Box-Benhken。在我之前的回復之一中查看有關它的更多信息：已解決：回覆：具有 2 個連續因子和 1 個離散（2 個水平）因子的最佳化任務 - JMP 使用者社群
您也可以使用自訂設計平台，指定您的因子，並透過點擊「模型」面板中的「RSM」來建立響應曲面模型：所有 2 因子交互作用和二次效應將自動新增至模型中，設計對於建議的預設運行次數等於21，將是I 最優的（以最小化實驗空間的平均預測變異數）。
這是產生此類設計的腳本：
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Continuous, -1, 1, "X1", 0 ),
Add Factor( Continuous, -1, 1, "X2", 0 ),
Add Factor( Continuous, -1, 1, "X3", 0 ),
Add Factor( Continuous, -1, 1, "X4", 0 ), Set Random Seed( 1822801991 ),
Number of Starts( 8853 ), Add Term( {1, 0} ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ), Add Term( {1, 2} ),
Add Term( {1, 1}, {2, 1} ), Add Term( {2, 2} ), Add Term( {1, 1}, {3, 1} ),
Add Term( {2, 1}, {3, 1} ), Add Term( {3, 2} ), Add Term( {1, 1}, {4, 1} ),
Add Term( {2, 1}, {4, 1} ), Add Term( {3, 1}, {4, 1} ), Add Term( {4, 2} ),
Set Sample Size( 21 ), Optimality Criterion( "Make I-Optimal Design" ),
Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
)
在 3D 中，當您指定軸向值為 1（「面上」的軸向點）時，點的重新分配看起來類似於中心複合設計（4 個連續因子需要 26 次運行）：
我不會在模型中添加更多術語或更高的功效（除非領域專業知識或以前的經驗給您關於模型中這些術語的有用性的強烈提示），並首先檢查此建模的測量結果，看看是否該模型是否足夠/可靠，或是否需要增強（並可能包括更高階項）。
我同意之前關於 DSD 的答案，即該設計更適合具有大量因素的篩選階段，而不是具有少量因素的優化階段。
不建議對少於 5 個以上的因子使用 DSD，因為最多 6 個因子將需要 13 次運行（如果您遵循 JMP 的預設設定和建議，則需要運行 17 次，並添加 4 次額外運行）。 因此，在因素數量較少的情況下，客製化設計在實驗預算方面會更便宜，並且具有更大的靈活性來處理限制和各種因素類型。
具有 m 個因子的 DSD 所需的運行次數為：
- 對於偶數個因子為 2m+1
- 2m+3 為奇數因素。
有關 DSD 的更多資訊可以在學習中心找到：明確篩選設計 - JMP 使用者社區
社區中的類似演示主題：
使用 JMP 改良法醫學氣相層析/真空紫外光譜 (GC/VUV) (2019-US-30MP-199)
UHPLC 測量系統的 MSA 與最佳化 (2022-EU-45MP-1002)
我希望第一個答案對你有幫助
迴音@P_巴特爾的評論：如果您認為有更高階的因素在起作用，那麼 DSD 可能不是最好的起點。 自訂設計器可能是實驗設計的更好選擇，因為當您從根據具體情況定義的模型開始時通常會更好。
另外，您有 JMP 或 JMP Pro 嗎？ 在 JMP Pro 中，Functional Data Explorer 平台可以將每個 HPLC 色譜柱的整個輸出流作為單一響應進行分析，這允許您指定您正在尋找的整個所需曲線/光譜。 JMP 隨附的範例檔案 NMR DOE.jmp 提供了這樣的範例。
當優化成為目標時，最終篩選設計並不是我選擇的第一個設計。 原因是，他們首先篩選具有一些獨特屬性的設計，但仍然篩選設計。 那麼，您手頭上的流程/問題的深度、廣度和成熟度如何？ 你是篩選因素還是已經過去了？ 換句話說，您知道圍繞因子空間最佳位置的關鍵因素、這些因素的水平、對噪聲變量（受控和非受控）有很好的處理能力，並且對您想要擬合的模型有很好的了解？
如果您確實要篩選因素，DSD 並不是一個壞方法。 它將為未來的連續實驗提供一些見解。 但如果您通過了篩選，那麼模型驅動的最佳化設計方法可能是正確的選擇。 如果您希望模型中出現二次效應，請指定它們，坐標交換演算法將為因子提供適當的水平，以估計這些效應以及您尋求的任何交互效應。
