回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@ADouyon ,
不客氣 ！ 我很高興得知您對這種設計感到滿意，並且您將在實驗室中進行嘗試。
請發送一些有關其工作原理的新聞，如果您有任何問題或疑問，請訪問 JMP 社區！ 
也有一個愉快的周末@ADouyon ！回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？太感謝了， @維克多_G ，感謝您在完善此設計方面提供的寶貴幫助！ 我由衷地感謝它！
我現在對在實驗室中測試此設計感到更加自在和自信 
感謝您提供的所有超級有用的說明以及總是這麼快的回复！
週末愉快， @維克多_G ！！
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@ADouyon ,
太好了，我認為首先確定主要影響和交互作用，然後擴充設計以優化方差預測更有意義。
1- 如果您可以按 12 次運行的批次運行實驗，則更安全，建議使用分塊。 在您的情況下，像您這樣的隨機塊似乎是一個不錯的選擇，因為您對了解兩次運行之間的差異並不特別感興趣，但更多的是了解兩次運行中的可變性。
2-“Augment Design”平台的問題是你可能會失去你的隨機阻塞（因為即使你在啟動平台之前把它放在因素中，之後也不會考慮，你只會可以訪問“擴充”選項，而不是“複製”選項）。 兩個選項可以增強您的設計並複制它：
- 您只需複制前 24 行，然後粘貼，然後更改隨機塊級別（1 變為 3，2 變為 4）。
- 通過在設計生成中指定您想要 24 次重複運行，按 12 組實驗直接生成 48 次運行設計。 您最終會得到設計 tv8（已附），如果您有足夠的實驗預算，您可以從那裡直接運行此設計的 48 個實驗。
這兩種方法是相似的，即使第二種方法（tv8 與通過複製/粘貼增強的 tv7 相比）更有效（更好地重新劃分不同塊中的實驗運行，請參見屏幕截圖）。
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？謝謝@馬克貝利為了澄清！！
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@維克多_G ，非常感謝您一如既往的澄清和快速回复！
我現在完善我的設計以包括所有 4 個因素（不是忽略 X4，因為這個因素的影響仍然完全未知）並且所有與可估計性設置為“必要”的交互，以及我的時間變量（X3）的二次效應也設置為“必要”。 我保留了其他 3 個變量（X1、X2、X3）的其他二次效應，並將可估計性設置為“如果可能”，因為我認為會有曲率，所以我想在未來增加設計。
[我預計大多數因素的交互項都會產生顯著影響，但與變量 X4 的交互除外，我事先沒有任何信息。 這就是為什麼，在這個精美的設計中，我將所有可估計性的交互設置為“必要”]。
在我之前的設計中， “i_tv5_Iopt_changedEst_remov2_24runs” ，我刪除了術語“X1*X1”和“X2*X4”，但因為我沒有任何證據表明這些並不重要，（並根據您幫助我進行的各種澄清）我決定將它們保留在新的拋光設計中（'X1*X1'，可估計性設置為'if-possible'，'X2*X4'設置為'necessary'）。
附上名為“tv6_Dopt_24rns_QTermsIfPoss_ExceptX3X3_110322”的精美設計。
方差現在似乎有所增加，但從你向我解釋的內容來看，我知道這沒關係，因為我計劃在未來增加這種設計。
現在，我想知道“阻塞”變量有多重要？
我的實驗可以在一個（反應）容器中運行，該容器可以專門測試一次最多 12 種不同的條件（治療） . 由於此設計有 24 種不同的處理（24 次運行），因此我必須先運行 12 種處理並完成該實驗。 然後，分別地，一旦我完成了第一批 12 種治療，我將對其餘 12 種治療進行另一次實驗。 那麼我應該添加“阻塞”變量嗎？
我嘗試通過輸入數字“12”來添加此“阻塞”變量，其中顯示“Group runs into random blocks of size”（= 12）（附加設計，名為“tv7_liketv6_withBlocking”）。 我注意到這稍微增加了我的方差（見屏幕截圖，此 tv7 設計的顏色為橙色。
1-我是否正確地完成了這部分@維克多_G ？
2- 而且，由於我在容器中有空間放置重複項，我現在也可以擴充設計以復制它，對嗎？ 複製設計時如何處理“隨機塊”變量？ 請參閱所附的第一個屏幕截圖，我是否也應該將其添加到“X，因子”框中？
多謝@維克多_G ！！
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？當預測是該實驗的主要目標時，預測方差在比較兩個或多個設計時是有用的信息——方差越低，設計越好。
請記住，在收集數據之前，沒有關於響應方差的信息。 該圖假設此方差為 1，這不太可能。 該圖還採用線性模型及其假設，包括整個響應範圍內的恆定方差。 如果您有響應的估計值，則將此圖中的比例乘以您的估計值以了解實際預測方差。 此方差的平方根是預測的標準誤差。
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@ADouyon ,
- 你是對的，因為你在屏幕上添加了很少的因素，我建議你添加時間的二次效應，因為化學或生物過程很少隨時間線性相關，所以最好直接在模型中使用這個二次項. 並且由於您對該時間因子（對於小數）有“約束”，因此您為此因子選擇了具有 3 個級別的離散數字類型，它會自動在模型中添加具有“如果可能”可估計性的二次項，因此您應該確定這些設置。
- 這些桶並沒有完全分開，它更多的是在你的 DoE 創建過程中幫助和指導你，自我評估你處於哪個階段。 根據您的實驗預算，只做一個大的 DoE 可能很誘人，但這可能是因為缺乏資源，因為大多數效果可能不會很顯著或對響應有很大影響。 這就是為什麼我傾向於通過以下 3 個步驟來描述 DoE 在研究過程中的使用：篩選、優化和預測，因為它有助於弄清楚您對系統已經了解的內容，以及您想進一步了解和了解的內容預測你的系統。 我在之前的 DoE 培訓中使用了我在此處作為屏幕截圖插入的圖形。 但正如你所說，根據情況，它可能看起來有點過於簡單，所有使用 DoE 的研究都不會經歷這 3 個階段，因為先前的知識、領域經驗或歷史數據可以幫助對系統有一個公平的理解。
在您的情況下，您的因素數量非常少，但您不確定某些影響的重要性（X4 和涉及 X4 的交互作用/二次效應）。 因此，我會選擇 D 最優性標準，以便盡可能準確地評估參數估計值，並有可能將顯著影響與不顯著影響區分開來。
您的設計確實有意義，並且在復制之前完成的 24 次運行 DoE（“i_tv5_Iopt_changedEst_remov2_24runs”）看起來像是運行大小和效果篩選之間的良好折衷。 由於存在 5 次重複運行，您應該能夠估計響應中的噪聲和失擬。
它可能還不是一個預測模型（取決於您想要的精度），但它是評估哪些項重要的第一步，您可以從那裡擴充設計以提高預測精度。
希望這個回答能幫到你
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？謝謝@維克多_G為了快速回復和明確回复！！
- 所以，但如果我的一個因素是時間，那麼你會直接在第一個“概念驗證”設計中添加二次效應/項，還是會等到稍後（在下一次迭代中）增加時再添加？
我記得在我的第一篇文章中你警告我，如果我有一個因素是時間並且是一個連續變量，我應該有二次效應（ https://docs.google.com/presentation/d/1BOYJfa54Kt2MnH5TrSpSOOr6-GLIwlJKUhZPFK8gxXM/edit?usp=sharing ). 雖然，我的時間因子是一個具有 3 個級別的離散數字（由於我不能接受小數）因子，但這有什麼不同嗎？
- 在 JMP DOE 中，我們似乎真的根據目的將事物分成桶； 1) 篩選，2) 優化，3) 預測。
但是，人們在他們的工作/設計中總是有如此清晰的分離嗎？
我的設計有 4 個因素，我確定其中 3 個具有顯著的主效應。 只有 1 個因素 (X4) 我不確定它在設計中是否會非常重要（我懷疑，它不會像其他 3 個一樣重要，但我沒有證據）。 我懷疑大多數交互項的交互效應都會很顯著（可能是所有那些除了與 X4 交互的那些，我認為這不會那麼重要，但我沒有證據）。 [而且，我懷疑我也會產生二次效應……]
因此，我的設計似乎是篩選的混合體（因為我有一個我不知道的因素）+ 優化（因為我有 3 個因素，我 99.999..% 肯定會產生真正的顯著影響）。 這有意義嗎？ 你能澄清一下嗎@維克多_G因為這會影響開始時選擇的最優性標準（如果我應該選擇 D- 或 I- 最優性，我會感到困惑）？
太感謝了@維克多_G ！！！
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@ADouyon ,
是的，通常您不會只進行一種設計，而是隨著您對流程/系統/配方的了解的增加，您會不斷地多次擴充它。
您可以從僅篩選主效應開始（取決於因素的數量和所需的運行次數，您可以在此階段直接添加交互項），然後是交互以優化有關係統的知識，然後是二次效應以構建穩健的預測模型。
根據因素的數量和類型，可能有更好的選擇：例如，對於大量因素（> 5，並且只有連續或 2 級分類因素），確定性篩選設計 (DSD) 可能是一個不錯的選擇用於以無偏方式篩選主效應，並有可能檢測到一些交互項和二次項。
希望這個回答能幫到你
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？非常感謝@維克多_G ！！ 這就說得通了！
因此，一般來說，先用主要因素測試交互項，然後再通過添加二次項進行擴充是否是一種好的做法？ （只是確認因為你的建議有這個順序）。
多謝@維克多_G ！！
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@ADouyon ,
對於（相對？）預測方差應該有多低，沒有“硬性規定”或“截止值”，因為此要求可能因主題、領域和業務價值而異。 在某些領域和特定應用（如製藥）中，有關於模型所需精度的規範，在其他一些領域中，該值由科學家/實驗人員自行決定。 根據可能的實驗預算和設計/實驗空間的限制，應該在足夠的精度之間做出折衷。
我對兩種設計之間的比較和結果並不感到驚訝，因為增加運行次數會減少預測方差（您將擁有更多的自由度，因此可以更好地估計錯誤/噪音和效果).
如果您處於“概念驗證”階段並且不完全確定要在模型和設計中輸入哪些因素，我發現如果您不完全確定該因素對響應沒有影響，則刪除該因素非常危險(s).
為了安全起見，我更願意從具有更高預測方差（但評估的因素更多）的設計開始，以確保不會錯過任何效果。 完成此篩選後（針對主要效果和交互），您始終可以擴充設計以減少預測方差（預測模型）和/或在模型中輸入新項（例如用於優化模型的二次效應）。
您的選擇將取決於您所處的設計階段（篩選、優化、預測？）以及您對流程/產品/配方/...
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@維克多_G ！
非常感謝您的回复，超級有幫助！！
為了跟進，預測方差需要多低？截止值是多少？
在 JMP 幫助頁面中，它說“需要低預測方差。”
我在兩個 DOE 設計之間， 'tv5'（24 次處理，48 次運行，因為重複）和'tv7'（12 次處理，24 次運行，因為重複） , 都附上。 就預測方差而言，設計“tv5”具有更好（更低）的預測方差。
但是，“tv5”的處理次數是“tv7”的兩倍（24 對 12），這意味著我可以使用“design tv7”更快地進行實驗。 設計“tv7”只有 3 個因素；我放棄了“X4”以嘗試減少所需的實驗次數。 我希望這個第一個實驗只是一個概念驗證，以展示我們可以使用 JMP 完成什麼，所以我不希望在我的第一個設計中有太多的處理/運行，但我擔心預測的方差太大tv7 高，是嗎？
多謝， @維克多_G ！！
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@ADouyon ,
關於您關於 G 效率低於 D 效率的第一個問題，很難僅在一個設計上比較不同的效率指標。 請記住，效率指標是最優性標準的聚合度量/統計數據，因此它們可以在比較設計時提供一個很好的概覽，但它們不足以做出決定。
- 如果您擔心預測響應的精度，我認為“預測方差曲線”的信息量要大得多，因為您可以探索並確定您的實驗空間的哪個區域的相對方差預測最高。 在您的最新設計中，當 X2 處於最低水平 (1) 且 X4 處於最高水平 (10) 時，您的相對方差預測會非常高，這是正常的，因為由於不允許的組合，該區域不會有任何點（參見屏幕截圖“Experimental-space-X4-X2”）。 這也可以解釋為什麼 G 最優性的聚合度量 G 效率較低（因為實驗區域受限，增加了相對預測方差）。
因此，您可以很好地理解可視化您的實驗點/空間並查看“預測方差配置文件”。 看預測方差曲線 (jmp.com)有關詳細信息和計算預測的實際方差。
關於你的第二個問題，這些預期的響應值不是響應的預測，因為如果它們是，那假設你已經知道回歸模型中係數的確切值是多少，所以你可能不會進行實驗設計如果你已經知道了。
它更像是一個指南/幫助，您可以通過兩種不同的方式使用它：
- 要知道，根據您創建的模型和您可以自由選擇/更改的模型係數，您可以從實驗響應中獲得哪些值（不要忘記更改截距係數以使其響應值在你所期望的，而不是以 0/1 為中心，這取決於其他係數）。
- 在功效列的幫助下，對於特定的顯著性水平和 RMSE，您的設計可檢測到的最低差異（或檢測和影響的概率）是多少。
我希望這個回應會有所幫助，
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？因此，RMSE 和所有係數的默認值 1 都是有用的。 此設置反映了您期望所有效果的絕對值至少是 RMSE 兩倍的情況，這是一種相對比較。
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？謝謝@馬克貝利為了澄清！
這就說得通了！
所以，現在默認的預期係數都是 1。 因為所有係數都是相同的值 (=1)，所以各種處理/運行之間的預期響應非常相似（範圍從 -0.9 到 9）。 正確的？ 然而，在現實生活中這些值可能不會完全相同，也可能這些值不等於 1 . 我理解正確嗎？
非常感謝！！
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？是的，這正是它的意思。 如果您以這種方式使用 Power Analysis，則此信息是一致性檢查。 您可以輸入預期係數並查看每次運行的預期響應，或者您可以輸入預期答案並查看將從回歸分析中獲得的相應係數。 它們只是告訴 JMP 您期望執行功效分析的效應大小的兩種不同方式。 它們各不相同，但必須保持一致。
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@維克多_G ，非常感謝您花時間解釋所有內容並為我指出其他資源！ 這非常有幫助！
我想知道，事實是如果我的目標是優化，G 效率 (32) 低於 D 效率 (41)並準確預測最佳響應（不篩選因素）？
另外，我讀了關於“設計和預期響應大綱”的 JMP 幫助頁面. 它具體說“設計和預期響應大綱顯示了設計之前的預期響應列。 第一列中的每個條目都是與設計設置對應的預期響應。 預期響應是使用預期係數計算的...預期的反應是這使用預期係數值作為模型中的係數獲得的響應值。 當輪廓首次出現時，預期響應值的計算基於預期係數列中的默認值。 當您在預期響應列中設置新值時，單擊對預期響應應用更改更新預期係數和功率列" .
但是，由於解釋非常簡短，我仍然有點困惑。 這些預期的響應值不是對響應的預測，對嗎？ 這些值並不意味著這些響應值是我在實驗室進行實驗後應該期望的值，對嗎？
在我的 i_tv5 複製設計（附後）中，這些值目前的範圍是 -0.9 到 9，但這並不意味著我應該期望在實驗室進行實驗後獲得這個 -0.9-9 範圍內的響應，是嗎？ ？
謝謝@維克多_G ！！
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@ADouyon ,
首先，我剛剛查看了 JMP 幫助部分，當使用“比較設計”平台時，我對效率比的解釋是正確的。 看不同試驗規模的設計 (jmp.com)
關於您的新問題：
- 由於約束是設計創建的一部分（將它們考慮在內以了解實驗空間的哪一部分被限制/禁止，並且坐標交換算法嘗試以最佳方式將點放在這個新空間中），您可以' 在生成設計後更改約束。 否則，您可能會發現實驗空間中新禁止/限制部分中的點，因此這些運行將不可行。 恐怕你得重新開始。 如果你在談論約束和我用變量名稱確定的問題，你可以編輯腳本，但請檢查我編輯的變量名稱是否正確，以確保你已經擁有的設計表尊重約束。
如果你點擊腳本“DoE Dialog”，你會看到一個打開的新窗口，裡面有你點擊“Make Design”之前的所有信息，這樣你就可以檢查術語的可估計性在你的設計中（見截圖）。
- 由於這個 X4*X4 不是一個“必要的”估計項，您不會在“評估設計”平台中看到它，因為運行次數小於您要估計的參數總數（必要 + 如果可能）。 在關於設計診斷的 JMP 幫助中：“對於包含更改設置為“困難”或“非常困難”的因素或將“可估計性”指定為“如果可能”的效應的設計，不會顯示這些診斷。 （來源：設計診斷 (jmp.com) ). 這就是為什麼當您將此設計與將此項可估計性設置為“必要”（因為這次在設計評估中已考慮在內）的設計進行比較時，您會得到“更差”的設計診斷的原因。
但在分析中，這項仍然保留，因為如果主效應不顯著，這會釋放一些自由度來估計另一個效應/項。 您可以在此處閱讀有關此特定設計的更多詳細信息（帶有“如果可能”的估計條款）：最優性標準 (jmp.com)有幾種方法可以分析這種類型的設計，我在您的另一篇文章中提到了一些：已解決：回复：比較多個 DOE 設計時出錯 - JMP 用戶社區
我建議您將 X4*X4 項的可估計性設置為“如果可能”，並在您測量的響應顯示出該項可能很重要和/或您缺乏精確度的情況下嘗試擴充您的設計對於您的預測響應。 DoE 不一定是“一次性完成所有工作”的方法，通常最好從較小的設計開始，然後以最有效和最佳的方式（順序/迭代方法）擴充它們。
3. 你會在這裡找到你的答案：功效分析 (jmp.com)您可以自由更改響應預期（或係數預期）值，以查看預期係數的行為方式（或相反，響應預期值如何變化）。 如果您想更接近您的用例的預期響應，請不要忘記更改截距係數以在您的具體案例中獲得高於 10 的響應。
4. 最優性標準可能會根據您擴充設計的方式而改變。 例如，如果您從篩選設計轉到 RSM 設計（通過在模型中添加交互項和二次項），則最優性標準可能會從 D 變為 I 最優。 最好的選擇是檢查哪一個是由 JMP 設置的（您可以在表中查看，就在表名稱下方和腳本上方，選擇了哪個標準以及設計是如何生成的），或者如果您知道，則進行設置推進（定制設計平台中的紅色三角形，最優性標準，然後選擇最相關的一個）。
希望這個回答能幫到你
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@維克多_G和@馬克貝利！ 感謝您的幫助！ 非常感激！
@馬克貝利, 謝謝指教！ 如同@維克多_G ，我還想知道我們分別與重複或三次設計進行比較時看到的這個 0.5 和 ~0.333（效率）比率是否有任何意義？
1-謝謝@維克多_G在約束中捕獲該錯誤！ 我想知道，在我已經生成 DOE 表之後，我真的可以編輯約束嗎，還是必須重新開始？
同樣，在生成 DOE 表後，如何檢查/查看各種項（主效應、二次項等）的“可估計性”？
2- 我還注意到我的（現已更新）設計（附有 i_tv5）發生了另一件奇怪的事情。 我指定了X4*X4 術語為“如果可能”在“可估計性”選擇中。
生成 DOE 表後，當我去檢查“>模型”（在左側面板上）時，我會看到在生成設計之前包含的所有項。 但是，如果我轉到“> 評估設計”（也在左側面板上），我會注意到術語 X4*X4 消失了。 它沒有顯示在那裡。JMP 是否從設計中刪除了該項，因為沒有足夠的運行來分析該 x4*x4 項（總#runs 為 24）？
如果我將此項的可估計性更改為“必要”，那麼設計將變得最差（附上）：a) 預測方差更高，b) 功率分析全為 0，c) 設計效率降低 10 倍。
x4*x4 項的這個問題讓我在比較設計時遇到困難。 我試圖將此設計與復制的設計（附後）進行比較。 錯誤消息再次出現 ☹ “初級設計模型不能適用於所有設計。 刪除不可估量的模型項。”
我該如何解決這個問題？ 如果 JMP 無論如何都會忽略它，我是否只是忽略此錯誤消息？ 我相信這個 X4*X4 項可能並不重要（但不是 100% 確定）。由於資源限制，我不能進行超過 24 次運行。
如果我只能運行 24 次，同時我認為這個術語可能不是很重要（但之前從未測試過），你會推薦什麼？
3- 另一方面; “設計和預期響應”下的值是什麼（見截圖）意思是？ 這些價值觀對我來說毫無意義。 此設計的目標是最大化響應。 我將下限設置為 10。 我在這個“設計和預期響應”部分看到的值 <10，或者 0 或者一些是負值。 這是一個問題嗎？
4- 最後一個快速問題：當我擴充設計時，最優性標準是否保留在擴充設計中？ 我注意到，當我通過擴充來複製設計時，複製的設計似乎回到了“推薦的”最優性標準……。 但是，JMP 推薦的是 D 最優性還是 I 最優性，它是什麼？
感謝大家的幫助！！
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@馬克貝利,
提供的屏幕截圖取自“比較設計”平台，因此效率“已經”是相對的，因為它們是與此處的“最差”設計（v5，運行 18 次）進行比較計算得出的。
所以 v5 與 v6（36 次運行）的效率是 0,5（效率 v5/v6 = 0,5）這應該意味著 v6 的效率是 v5 的 2 倍？
如果邏輯正確，則 v5 與 v7（54 次運行）的效率為 0,333，這意味著 v7 的效率是 v5 的 3 倍，因此 v7 是最好的設計（與其他設計相比），而不是 v6 具有與 v5 相比，相對設計效率等於 0.5。
還是我誤解了什麼？
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？FDS 圖使用的預測方差比例看起來不對。 我懷疑所有的值都大於刻度上的最大值。 您是否嘗試更改比例？
高階項的功效總是較低。 此外，當您不使用分析來確定哪些效應重要時，功效並不那麼重要。 使用模型優化因子設置時，預測方差更為重要。
效率針對運行次數進行了標準化，因此復制設計不會改變效率。 效率作為絕對指標沒有幫助。 它告訴您當前設計相對於理論設計的信息，這通常是不可能的。 將其用作比較兩個或多個設計的比較度量。 因此，效率 = 1/2 的設計優於效率 = 1/3 的設計。
回复：比較 DoE——為什麼 D/G/A/I- 效率都是一樣的，而且非常低？你好@ADouyon ,
對於您的第一個問題，每個單獨設計的設計空間圖部分都是空白的，這很奇怪。 查看您不允許的組合腳本，可能存在問題，因為數據表中的因素名稱與您的“不允許的組合”腳本中的名稱不同（因此 JMP 可能會在解釋什麼是“脈衝”以及它在哪一列時丟失例如）。
當我使用列的匿名名稱（X1、X2、X3、X4）更改“不允許的組合”腳本時，我能夠看到每個單獨設計的設計空間圖的分數，並且它出現在設計比較中（見屏幕截圖). 更正後的不允許組合腳本在這裡（確保我沒有在腳本中反轉 X1/X2/X4 時犯任何錯誤）：
X2 == 1 & (X4 >= 0.0595238095238095 & X4 <= 10) | (
X2 == 2 | X2 == 3) & X4 == 0
對於設計效率比較的第二個問題，請記住，根據您的屏幕截圖，您在該平台中的參考是 v5（因此最小的設計有 18 次運行）。 所以 JMP 將計算相對的v5 與 v6 和 v7 相比的效率（作為分數：v5 效率除以所有效率標準的 V6 或 v7 效率）。 根據您的屏幕截圖，您可以看到當您添加 18 次運行時，對於 D/G/A/I 效率標準，v6 的效率將是 v5 的 2 倍，對於 D/G/A，v7 的效率將是 v5 的 3 倍/I 添加 36 次運行時的效率標準（因為與 v7 相比，v5 的相對效率為 0,333）。
如果您想查看基於具有 36 次運行的“中等”設計的比較，請從您的 36 次運行設計的數據表中啟動設計比較平台。 您應該有我所附屏幕截圖中所示的相對比較（您確實會看到 v6 的相對效率值比 v5 高 2 倍）。
比較 DoE——為什麼 D/G/A/I——效率都一樣，而且非常低？你好，
我正在研究定制 DoE (JMP16)。 我有 4 個因子（1 個連續因子和 3 個離散因子，有約束）。 我有 1 個回复。 我知道這四個因素都很重要並且相互作用。 我的目標是優化響應以找到最佳因子水平從而實現最高效率。 我包括了所有二次效應和交互效應。
我使用的是 I 最優性，因為這不是篩選設計。
- 第一個設計 (v5) 沒有重複。 總共有 18 次運行。
- 第二個設計（v6）有重複。 它總共有 36 次運行（我對其進行了擴充）。
- 第三個設計（v7）有三份。 它總共有 54 次運行（我對其進行了擴充）。
對於我計劃做的這個實驗，我更容易在實驗室中添加重複項或三次重複項（相同條件）。 這就是為什麼我不介意是否進行更多運行，只要它們具有相同的條件（重複或三次重複），因為只要這些是相同的初始 18 次運行的重複，我就能夠一起運行它們。
[如果我只是簡單地使用“添加重複運行”功能，那麼 JMP 會添加太多的運行以及太多不同的條件供我測試（資源限制）。 例如，當僅添加 4 個重複運行時，JMP 會生成一個默認運行總數 = 27 的設計，這需要測試太多不同的條件...這就是為什麼我決定複製我的整個設計，而不是使用增強功能.]
- 我正在比較 v5、v6 和 v7 的設計（附後）。 然而，我的“設計空間分數”圖是空白的。 為什麼是空白的？還是數據太小我看不到？
- v6 和 v7 的“功效分析”和“功效圖”看起來相當不錯。 但是，我有興趣無論如何優化響應（而不是主要效果）。
- 然而，D/G/A/I 的效率非常差，而且都一樣。 這些是否都是相同的，因為設計 v6 是設計 v5 的副本，而設計 v7 是設計 v5 的三重副本？為什麼這些值如此低（0.5 和 0.3）？我的設計不好嗎？
我試圖查找這一點，但是我在能源部指南上發現的是：
“相對效率值超過 1 表明參考設計更適合給定的措施。 值小於 1 表示與參考設計相比，該設計更可取。 16 次試驗的設計在所有指標上都比其他兩種設計低，這表明更大的設計更可取。”
但是，這對我沒有多大幫助。
先感謝您！！
實驗設計蘋果系統
