作为更大设计的一部分，我有三个因子，即混合因子 A、B 和 C。
A+B+C 总和应为 1。
A 应介于 0.5 和 1 之间。
B 应介于 0 和 0.5 之间。
C 应介于 0 和 0.5 之间。
但作为实验物理设置的一部分，B 和 C 必须在添加前进行预混合。 这很难做到，所以我只想使用一种混合物组合，B 与 C 的比例为 1:1。 所以我只想要设计：
B=C，或 B=0 或 C=0。
- 我已经尝试将三个因子指定为混合因子并使用不允许的组合脚本，但 JMP 告诉我当我有混合因子时我不能使用该脚本。
- 我也在这个线程中看到了建议： https://community.jmp.com/t5/Discussions/Defining-Factor-Constraints-in-Custom-Design-DOE/td-p/277563关于将 A 和 B+C 定义为两种事物的混合，然后添加另一个离散数字因子（B:C 的比率）。 但是我担心如果不单独包含 B 和 C，我会遗漏一些东西。
- 我能看到的最后一个选项是将三个因子作为连续因子，但使用线性约束指定 A+B+C=1，A>0.5，然后包括我不允许的组合，但我担心如果在这种情况下我应该使用混合物吗？
抱歉，总的来说，我仍然是 JMP 和 DOE 的初学者，所以这个问题更像是“我不知道我不知道什么！”，但希望我能在这里得到一些好的建议！ 我应该使用选项 2、选项 3，还是有其他方法可以做到这一点？
非常感谢
我正在使用 JMP Pro 17。
你好@noahsprent ,
如果我很好地理解你的约束，可能有一种设计可以帮助你：Extreme Vertices Mixture Design（见：混料设计概述 (jmp.com) ，在 DoE、经典、混料设计中可用）。 您可以在此处找到此类设计的示例：极端顶点设计示例 (jmp.com)
这种混合设计将点的重新分配集中在单纯形的顶点和边缘的中点上。
根据您的因素 A、B 和 C 及其相关因素范围，您可能会发现（对于度数为 2 的设计）这样的设计：
这种类型的设计似乎尊重您对因素 A、B 和 C 的约束：
- A 应介于 0.5 和 1 之间。
- B 应介于 0 和 0.5 之间。
- C 应介于 0 和 0.5 之间。
- B=C，或 B=0 或 C=0
这种混合设计非常经济高效，但您可以添加重复以更好地估计模型中包含的项（主效应 + 2 因子交互作用）并降低预测方差。
要生成 6 次运行的极端顶点混合设计，这里是 JSL 脚本（数据表包含在我的帖子中）：
DOE(
Mixture Design,
{Add Response( Maximize, "Y", ., ., . ),
Change Factor Settings( 1, 0.5, 1, "A" ),
Change Factor Settings( 2, 0, 0.5, "B" ),
Change Factor Settings( 3, 0, 0.5, "C" ), Set Random Seed( 1019219 ),
Mixture Design Type( Extreme Vertices, 2 ), Simulate Responses( 0 ),
Set Run Order( Randomize ), Make Table}
)
我希望我能很好地理解你的限制，并且这个第一个想法可能会对你有所帮助，
@维克多_G非常感谢您的回复，这似乎非常适合我提出的问题。
我必须道歉，我没有提供完整的上下文，因为我想在我原来的问题中展示我认为是 MWE 的东西。 除了这三个因素，我还想调查其他因素，所以我认为我必须完成“定制设计”。
你好@noahsprent ,
如果您有其他因素要添加（不是混合因素），您确实必须切换到自定义设计。
设计中混合因子的水平数将在很大程度上取决于假设的模型：主效应、交互作用、更高的幂效应、scheffe 三次相互作用等...受最优性准则的影响（对于中间的运行次数水平与最小/最大水平）。
但是选择 D 最优设计（在“定制设计”、“最优性标准”、“制作 D 最优定制设计”的红色三角形中）并在模型中仅指定主要效果和 2 因子交互应该会给你一个类似的设计类型。
这里的示例通过添加连续因子 ProcessVariable1（范围在 50 到 100 之间，附有数据表）：
和用于 DoE 创建的 JSL 脚本：
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ), Add Factor( Mixture, 0.5, 1, "A", 0 ),
Add Factor( Mixture, 0, 0.5, "B", 0 ), Add Factor( Mixture, 0, 0.5, "C", 0 ),
Add Factor( Continuous, 50, 100, "ProcessVariable1", 0 ),
Set Random Seed( 1119139817 ), Number of Starts( 25456 ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {1, 1}, {2, 1} ),
Add Term( {1, 1}, {3, 1} ), Add Term( {1, 1}, {4, 1} ),
Add Term( {2, 1}, {3, 1} ), Add Term( {2, 1}, {4, 1} ),
Add Term( {3, 1}, {4, 1} ), Set Sample Size( 12 ),
Optimality Criterion( "Make D-Optimal Design" ), Simulate Responses( 0 ),
Save X Matrix( 0 ), Make Design}
)
只要您在模型中创建仅具有 2 个因子交互作用的 D 最优设计，您就应该能够通过添加任何其他类型的因子来获得这种类似类型的设计。
我希望这个补充答案能帮助你，
谢谢@Victor_G ！ 这让我意识到，我遇到的问题来自混合因子的幂 2 效应，或者包括与我正在寻找幂 2 效应的其他因子的相互作用。 我想这是有道理的。 删除这两个东西会使设计具有我想要的特征。
