這是 2023 年夏季網絡研討會系列“釋放能源部的力量”的第一個演示。
在本演示中，了解實驗統計設計 (DOE) 的基礎知識。 本次會議將展示這種實驗方法與傳統方法有何不同，以及它如何使科學家和工程師能夠最大限度地提高實驗投資回報。
問答環節
問：如果因素與響應存在非線性關係怎麼辦？
答：您可以添加多項式項或其他模型項，這些項可以近似非線性響應。 您還可以考慮使用不基於線性回歸的其他建模功能（決策樹、神經網絡等）。
問：如何使用 JMP 分析之前使用一次一因素方法的實驗？
答：您可以使用 JMP 對歷史數據進行建模，就像對設計進行建模一樣。 然而，這些因素可能是相關的，並且生成的模型可能不太合適。 您還可以使用更多先進的回歸方法創建模型或使用因子篩選（響應篩選或預測因子篩選）來識別重要變量。
問：如果你不能精確控制你的因素，你還能通過設計實驗來研究系統嗎？
答：有幾種方法可以處理這種情況。 1) 您可以確保因子設置有足夠大的範圍，以確保設置的可變性不會導致高設置和低設置重疊。 2) 您還可以使用配置文件模擬器模擬因子設置中的方差，並查看因子方差如何影響響應。
問：如果您的 X 因子設置與設計中的設定點發生變化，您將如何處理？ 例如，如果 DOE 要求將因子設置為 8，但由於控制因子的限制，您以 8.2 的設置進行了運行，該怎麼辦？
答：如果有變量無法控製到DOE中的水平，可以在數據表中為Actual X創建一列，記錄因子設置的實際值。 然後，您可以對設計所需的設定點進行建模，然後對實際值進行建模以查看是否存在差異。
