这是 2023 年夏季网络研讨会系列“释放能源部的力量”的第一个演示。
在本演示中，了解实验统计设计 (DOE) 的基础知识。 本次会议将展示这种实验方法与传统方法有何不同，以及它如何使科学家和工程师能够最大限度地提高实验投资回报。
问答环节
问：如果因素与响应存在非线性关系怎么办？
答：您可以添加多项式项或其他模型项，这些项可以近似非线性响应。 您还可以考虑使用不基于线性回归的其他建模功能（决策树、神经网络等）。
问：如何使用 JMP 分析之前使用一次一因素方法的实验？
答：您可以使用 JMP 对历史数据进行建模，就像对设计进行建模一样。 然而，这些因素可能是相关的，并且生成的模型可能不太合适。 您还可以使用更多先进的回归方法创建模型或使用因子筛选（响应筛选或预测因子筛选）来识别重要变量。
问：如果你不能精确控制你的因素，你还能通过设计实验来研究系统吗？
答：有几种方法可以处理这种情况。 1) 您可以确保因子设置有足够大的范围，以确保设置的可变性不会导致高设置和低设置重叠。 2) 您还可以使用配置文件模拟器模拟因子设置中的方差，并查看因子方差如何影响响应。
问：如果您的 X 因子设置与设计中的设定点发生变化，您将如何处理？ 例如，如果 DOE 要求将因子设置为 8，但由于控制因子的限制，您以 8.2 的设置进行运行，该怎么办？
答：如果有变量无法控制到DOE中的水平，可以在数据表中为Actual X创建一列，记录因子设置的实际值。 然后，您可以对设计所需的设定点进行建模，然后对实际值进行建模以查看是否存在差异。
