具有连续因子和一个分类因子的响应曲面设计各位JMPers大家好
我正在尝试使用 RSM 方法找到最佳制造参数。 我的设计有 5 个响应和 5 个因素（4 个连续因素和 1 个分类因素）。我尝试使用 DOE-经典-响应曲面设计；但是当我开始输入因子时，似乎因子只能是连续的？ 我使用的是CCD设计。 我不知道如何解决这个问题。 当我继续将分类因子作为连续因子时，我会在设计表中得到一些无意义的变化，因为该类别应该只有两个级别。
我现在尝试做的是创建自定义设计并在模型下选择 RSM（我收到消息称分类因子不能出现在多项式模型项中），然后我继续选择最小运行次数，然后在本例为 22（有 2 个中心点），或者我应该选择默认的运行次数 26？
我的问题是我不确定这是否是正确的方法？如果是的话我如何评估设计的准确性？ 我还在论坛上的某个地方读到，当设计是定制设计时，不能使用 CCD？ 所以我不确定如何使用 RSM。 我的目标是优化我的流程。
前段时间有一个类似的问题，但不清楚用户最终做了什么，因此我在这里提出问题。 而且我似乎再也找不到那个帖子了。
感谢您的贡献。
实验设计回复：具有连续因子和一个分类因子的响应曲面设计你好菲尔，
我有与 Incr_ch22 相同的场景。 但我想把它分成两块。 当我这样做时，拦截的力量非常低。 可以吗？
回复：具有连续因子和一个分类因子的响应曲面设计日惠@菲尔_凯
感谢您的解释，这对我来说很有意义。 我知道离散数字因子，但我从未想过它实际上可以适用于这里。 您的贡献非常有帮助。
回复：具有连续因子和一个分类因子的响应曲面设计你好@Incr_ch22 ,
看起来不错。
4 次重复运行是中心点。 您指定了 2 个中心点，这是设计将包含的最小数量。 定制设计确定最好有 4 个中心点。
我已附上替代方案。 需要明确的是，我并不是说这是“正确”的设计。
不同之处在于我将中心点设置为零。
我把粉末混合物变成了一个离散的数字因子。 也就是说，因子是数字且连续的，但在设计中只能取某些值（本例中为 50 和 100）。 这可能不是正确的因素类型，但我只是想让您意识到这种可能性。
替代设计具有一些略有不同的属性。 二次效应之间的相关性稍低（检查评估设计 > 相关性颜色图的表格脚本）。 因此，您应该能够以稍微更高的精度来估计曲线关系。
但实际上，并没有太大的差异。
我希望这有帮助。
菲尔
回复：具有连续因子和一个分类因子的响应曲面设计谢谢@Victor_G有关设计准确性的提示。 我绝对有兴趣了解更多信息，我会仔细阅读！
回复：具有连续因子和一个分类因子的响应曲面设计谢谢@louv以便您的回复。
是的，我之前做过一些筛选运行，这些因素影响了目标参数。
回复：具有连续因子和一个分类因子的响应曲面设计太感谢了@菲尔_凯以便您的回复。
是的，分类因素有 2 个级别。 我最终以默认的运行次数进行了自定义设计；在本例中为 26。 在分析设计后，我意识到我有 4 次运行，它们完全相同？ 这是一个错误还是设计测试可重复性的一种方式？ 如果有帮助的话，我已附上该文件。
回复：具有连续因子和一个分类因子的响应曲面设计添加菲尔分享的内容，我想问在执行响应曲面设计之前是否完成了初步筛选设计？ 不确定每种治疗组合的成本是多少，但在 RSD 之前检查过程中可能变化的许多因素并了解更多因素的敏感性是有益的。
回复：具有连续因子和一个分类因子的响应曲面设计你好@Incr_ch22 ,
只是为了在优秀的建议和解释中添加一些信息@菲尔_凯。
评估设计及其“准确性”可以在设计创建时单击“制作设计”后，通过查看“设计评估”部分中提供的信息来完成。 要了解设计评估中的不同部分，您可以查看“设计评估”部分中提供的 JMP 帮助：设计 (jmp.com)
这可以帮助您评估当前的设计，您还可以与此平台比较不同的设计：为每个设计创建表格，然后单击 DoE -> Design Diagnostics -> Compare Designs，然后选择您想要的不同模型比较。
我个人的感觉是，考虑到因素数量较少，其中大多数因素在分析中具有重要意义的“风险”（或机会）很高，因此采用顺序方法（主效应、相互作用，然后是二次效应或最终效应）筛选和增强），或直接使用自定义 RSM 模型的自定义设计将最适合您的设置。
希望这对您有更多帮助:)
回复：具有连续因子和一个分类因子的响应曲面设计你好，
首先，根据您的描述，定制设计方法是正确的方法。 这就是定制设计的目的。
22 次游程是最小游程数，因为您已指定 20 个要估计的参数（1 个截距、5 个主效应、10 个双因子交互作用、4 个二次效应）加上 2 个附加中心点。 我假设分类效应有 2 个级别 - 更多级别需要更多运行。
顺便说一句，中心点不是强制性的。
JMP 建议默认进行一些额外的运行，以更好地估计实验噪声并提高功效。
评估设计的准确性是一个大话题。 这里要介绍的内容太多了。 如果您想了解更多信息，我建议您阅读 Goos 和 Jones 撰写的《实验优化设计：案例研究方法》。
请放心，JMP 的定制设计将是针对您的因子的 RSM 优化模型的最佳 26 次试验设计（具有 2 个中心点）。
或者，您可以使用筛选然后增强的顺序方法进行优化。 当您怀疑并非所有因素都会对响应产生重要影响时，这是一种标准方法。 确定性筛选设计可能是您筛选实验的不错选择。
我希望这有帮助，
菲尔
