作為更大設計的一部分，我有三個因子，即混合因子 A、B 和 C。
A+B+C 總和應為 1。
A 應介於 0.5 和 1 之間。
B 應介於 0 和 0.5 之間。
C 應介於 0 和 0.5 之間。
但作為實驗物理設置的一部分，B 和 C 必須在添加前進行預混合。 這很難做到，所以我只想使用一種混合物組合，B 與 C 的比例為 1:1。 所以我只想要設計：
B=C，或 B=0 或 C=0。
- 我已經嘗試將三個因子指定為混合因子並使用不允許的組合腳本，但 JMP 告訴我當我有混合因子時我不能使用該腳本。
- 我也在這個線程中看到了建議： https://community.jmp.com/t5/Discussions/Defining-Factor-Constraints-in-Custom-Design-DOE/td-p/277563關於將 A 和 B+C 定義為兩種事物的混合，然後添加另一個離散數字因子（B:C 的比率）。 但是我擔心如果不單獨包含 B 和 C，我會遺漏一些東西。
- 我能看到的最後一個選項是將三個因子作為連續因子，但使用線性約束指定 A+B+C=1，A>0.5，然後包括我不允許的組合，但我擔心如果在這種情況下我應該使用混合物嗎？
抱歉，總的來說，我仍然是 JMP 和 DOE 的初學者，所以這個問題更像是“我不知道我不知道什麼！”，但希望我能在這裡得到一些好的建議！ 我應該使用選項 2、選項 3，還是有其他方法可以做到這一點？
非常感謝
我正在使用 JMP Pro 17。
你好@noahsprent ,
如果我很好地理解你的約束，可能有一種設計可以幫助你：Extreme Vertices Mixture Design（見：混料設計概述 (jmp.com) ，在 DoE、經典、混料設計中可用）。 您可以在此處找到此類設計的示例：極端頂點設計示例 (jmp.com)
這種混合設計將點的重新分配集中在單純形的頂點和邊緣的中點上。
根據您的因素 A、B 和 C 及其相關因素範圍，您可能會發現（對於度數為 2 的設計）這樣的設計：
這種類型的設計似乎尊重您對因素 A、B 和 C 的約束：
- A 應介於 0.5 和 1 之間。
- B 應介於 0 和 0.5 之間。
- C 應介於 0 和 0.5 之間。
- B=C，或 B=0 或 C=0
這種混合設計非常經濟高效，但您可以添加重複以更好地估計模型中包含的項（主效應 + 2 因子交互作用）並降低預測方差。
要生成 6 次運行的極端頂點混合設計，這裡是 JSL 腳本（數據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，並且這個第一個想法可能會對你有所幫助，
@維克多_G非常感謝您的回复，這似乎非常適合我提出的問題。
我必須道歉，我沒有提供完整的上下文，因為我想在我原來的問題中展示我認為是 MWE 的東西。 除了這三個因素，我還想調查其他因素，所以我認為我必須完成“定制設計”。
你好@noahsprent ,
如果您有其他因素要添加（不是混合因素），您確實必須切換到自定義設計。
設計中混合因子的水平數將在很大程度上取決於假設的模型：主效應、交互作用、更高的冪效應、scheffe 三次相互作用等...受最優性準則的影響（對於中間的運行次數水平與最小/最大水平）。
但是選擇 D 最優設計（在“定制設計”、“最優性標準”、“製作 D 最優定制設計”的紅色三角形中）並在模型中僅指定主要效果和 2 因子交互應該會給你一個類似的設計類型。
這裡的示例通過添加連續因子 ProcessVariable1（範圍在 50 到 100 之間，附有數據表）：
和用於 DoE 創建的 JSL 腳本：
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}
)
只要您在模型中創建僅具有 2 個因子交互作用的 D 最優設計，您就應該能夠通過添加任何其他類型的因子來獲得這種類似類型的設計。
我希望這個補充答案能幫助你，
謝謝@Victor_G ！ 這讓我意識到，我遇到的問題來自混合因子的冪 2 效應，或者包括與我正在尋找冪 2 效應的其他因子的相互作用。 我想這是有道理的。 刪除這兩個東西會使設計具有我想要的特徵。
