DOE 增強設計 - 建議的運行每次都會變化並且具有非整數你好，
我已經完成了 4 個因子的半因子篩選，現在想要增強設計以包括其餘缺失的雙向相互作用和軸點以檢查二次方程。
當我使用 DOE -> 增強設計 -> 增強 -> RSM 和第二次交互時，建議的運行次數始終為 18（10 次先前運行和 8 次新運行作為增強設計），但是，每次實際運行都會發生變化我嘗試這些相同的步驟。 我在下面粘貼了兩個例子。我想知道為什麼會發生這種情況以及為什麼運行會發生變化。
我的第二個問題是關於 JMP 建議的“奇怪”非整數值（下表中的 56.6 和 57.2 - 該因子的範圍已設置為 50-70）。 為什麼 JMP 要求在這些特定值而不是中點（在本例中為 60）運行？ 這與最優標準（D 最優與 I 最優）有關嗎？
先感謝您！
實驗設計回复：DOE 增強設計 - 建議的運行每次都會更改並且具有非整數我不確定為什麼建議的運行次數每次都會變化。 這可能取決於您採取的具體步驟。
部分因子設計使用給定水平的組合。 增強使用自定義設計，通過算法創建級別。 有時，偏離中心的水平會提高最優性，但您可以將它們設置回整數值，而最優性損失很小。
回复：DOE 增強設計 - 建議的運行每次都會更改並且具有非整數感謝您的答复！
建議的運行次數不變（始終為 8） ，但是這 8 次運行中因子的值發生了變化。 例如，在第一次嘗試中，JMP 建議使用水平 (4,2,15,56.6) 的因子運行。 但這個組合在接下來的嘗試中並沒有出現。
回复：DOE 增強設計 - 建議的運行每次都會更改並且具有非整數有多種額外運行選項可以提供相同/相似的最優性。
回复：DOE 增強設計 - 建議的運行每次都會更改並且具有非整數增強設計功能並沒有真正考慮建議的運行次數。 除非您指定需要超過 8 次額外運行的較大模型，否則它將始終為 8。
例如，創建兩個因素的設計，僅主效應模型。 現在選擇augment，你會看到額外的運行次數比你的設計多了8次。 嘗試另一個包含 20 個因子的示例。 再次強調，堅持僅使用主效應模型。 增強將再次增加 8 次運行。
底線是不要考慮額外的 8 次運行。 您需要指定可以執行的適當數字，以滿足您的功效和預測精度。
對於您的四個因素，有 6 個雙向交互作用。 有四個二次項。 您的增強設計將從您開始的地方擬合 10 個附加模型項（即 5 個項 - 截距 + 4 個主效應）。我建議在增強過程中至少開始 10 次額外運行，可能更多，以滿足適當的預測精度。
回复：DOE 增強設計 - 建議的運行每次都會更改並且具有非整數組合設計方法是確定性的。 他們總是會得到相同的結果。 JMP 中的增強使用自定義設計。 然而，定制設計是一種算法方法，它從新運行的（可怕的）隨機設計開始。 它迭代地改進設計，直到優化所選的最優標準。 因此，我們稱之為優化設計。 隨機起點是無法保證獲得相同結果的原因之一。 事實上，定制設計並不會搜索一次最佳設計。 它可能是局部最優的，因此它會多次重複搜索過程。 每次都會以新的隨機設計開始。
此外，通常情況下，有不止一種設計具有相同的最優性。 JMP 無法再區分設計。 重複增強過程可能會得到不同的結果。
