具有連續因子和一個分類因子的響應曲面設計各位JMPers大家好
我正在嘗試使用 RSM 方法找到最佳製造參數。 我的設計有 5 個回應和 5 個因素（4 個連續因素和 1 個分類因素）。我嘗試使用 DOE-經典-響應曲面設計；但是當我開始輸入因子時，似乎因子只能是連續的？ 我使用的是CCD設計。 我不知道如何解決這個問題。 當我繼續將分類因子作為連續因子時，我會在設計表中得到一些無意義的變化，因為該類別應該只有兩個等級。
我現在嘗試做的是創建自訂設計並在模型下選擇 RSM（我收到訊息稱分類因子不能出現在多項式模型項中），然後我繼續選擇最小運行次數，然後在本例為22（有2個中心點），或者我應該選擇預設的運行次數26？
我的問題是我不確定這是否是正確的方法？如果是的話我如何評估設計的準確性？ 我還在論壇上的某個地方讀到，當設計是客製化設計時，不能使用 CCD？ 所以我不確定如何使用 RSM。 我的目標是優化我的流程。
前段時間有一個類似的問題，但不清楚用戶最終做了什麼，因此我在這裡提出問題。 而且我似乎再也找不到那個貼文了。
感謝您的貢獻。
實驗設計回覆：具有連續因子和一個分類因子的響應曲面設計你好菲爾，
我有與 Incr_ch22 相同的場景。 但我想把它分成兩塊。 當我這樣做時，攔截的力量非常低。 可以嗎？
回覆：具有連續因子和一個分類因子的響應曲面設計日惠@菲爾_凱
感謝您的解釋，這對我來說很有意義。 我知道離散數字因子，但我從未想過它實際上可以適用於這裡。 您的貢獻非常有幫助。
回覆：具有連續因子和一個分類因子的響應曲面設計你好@Incr_ch22 ,
看起來不錯。
4 次重複運轉是中心點。 您指定了 2 個中心點，這是設計將包含的最小數量。 客製化設計確定最好有 4 個中心點。
我已附上替代方案。 需要明確的是，我並不是說這是「正確」的設計。
不同之處在於我將中心點設為零。
我把粉末混合物變成了一個離散的數字因子。 也就是說，因子是數字且連續的，但在設計中只能取某些值（本例為 50 和 100）。 這可能不是正確的因素類型，但我只是想讓您意識到這種可能性。
替代設計具有一些略有不同的特性。 二次效應之間的相關性稍低（檢查評估設計 > 相關性顏色圖的表格腳本）。 因此，您應該能夠以稍微更高的精確度來估計曲線關係。
但實際上，並沒有太大的差異。
我希望這有幫助。
菲爾
回覆：具有連續因子和一個分類因子的響應曲面設計謝謝@Victor_G有關設計準確性的提示。 我絕對有興趣了解更多信息，我會仔細閱讀！
回覆：具有連續因子和一個分類因子的響應曲面設計謝謝@louv以便您的回覆。
是的，我之前做過一些篩選運行，這些因素影響了目標參數。
回覆：具有連續因子和一個分類因子的響應曲面設計太感謝了@菲爾_凱以便您的回覆。
是的，分類因素有 2 個等級。 我最終以預設的運行次數進行了自訂設計；在本例中為 26。 在分析設計後，我意識到我有 4 次運行，它們完全相同？ 這是一個錯誤還是設計測試可重複性的一種方式？ 如果有幫助的話，我已附上該文件。
回覆：具有連續因子和一個分類因子的響應曲面設計加上菲爾分享的內容，我想問在執行響應曲面設計之前是否完成了初步篩選設計？ 不確定每種治療組合的成本是多少，但在 RSD 之前檢查過程中可能變化的許多因素並了解更多因素的敏感性是有益的。
回覆：具有連續因子和一個分類因子的響應曲面設計你好@Incr_ch22 ,
只是為了在優秀的建議和解釋中添加一些信息@菲爾_凱。
評估設計及其「準確性」可以在設計建立時點擊「製作設計」後，透過查看「設計評估」部分中提供的資訊來完成。 要了解設計評估中的不同部分，您可以查看「設計評估」部分中提供的 JMP 幫助：設計 (jmp.com)
這可以幫助您評估當前的設計，您還可以與此平台比較不同的設計：為每個設計建立表格，然後點擊 DoE -> Design Diagnostics -> Compare Designs，然後選擇您想要的不同模型比較。
我個人的感覺是，考慮到因素數量較少，其中大多數因素在分析中具有重要意義的「風險」（或機會）很高，因此採用順序方法（主效應、交互作用，然後是二次效應或最終效應）篩選和增強），或直接使用自訂 RSM 模型的自訂設計將最適合您的設定。
希望這對您有更多幫助:)
回覆：具有連續因子和一個分類因子的響應曲面設計你好，
首先，根據您的描述，客製化設計方法是正確的方法。 這就是客製化設計的目的。
22 次遊程是最小遊程數，因為您已指定 20 個要估計的參數（1 個截距、5 個主效果、10 個雙因子交互作用、4 個二次效應）加上 2 個附加中心點。 我假設分類效應有 2 個等級 - 更多等級需要更多運行。
順便說一句，中心點不是強制性的。
JMP 建議預設進行一些額外的運行，以更好地估計實驗噪音並提高功效。
評估設計的準確性是一個大話題。 這裡要介紹的內容太多了。 如果您想了解更多信息，我建議您閱讀 Goos 和 Jones 撰寫的《實驗優化設計：案例研究方法》。
請放心，JMP 的客製化設計將是針對您的因子的 RSM 最佳化模型的最佳 26 次試驗設計（具有 2 個中心點）。
或者，您可以使用篩選然後增強的順序方法進行最佳化。 當您懷疑並非所有因素都會對回應產生重要影響時，這是一種標準方法。 確定性篩選設計可能是您篩選實驗的好選擇。
我希望這有幫助，
菲爾
