关于 DSD 和资源后续 DOE 的一般指导？您好，我是 DOE 和使用 JMP 的新手。 我的药物配方涉及 5 个连续因素和 4 个需要优化的响应。 我已经使用 DSD 来确定我想要进一步探索和优化配方的设计空间。
我在获取数据后拟合模型并删除不重要的影响（F5 和所有二次形式和交互作用）。
通过最大化意愿参数，我找到了如下的最佳公式。
通过查看每个意愿函数，我有点明白我必须最大化 F1 并最小化 F3。 F4几乎不会影响合意性，因此可以修复。 此外，F2 不是重要因素，但 F2*F3 的组合是重要因素。 这告诉我，我必须在下一轮 DOE 中改变 F2 和 F3 来优化配方。
问题是；
1）F2和F3的边界应该如何设置才能进一步优化。
2) 我应该应用什么 DOE 模型来进行这种类型的优化？
3) 最后，JMP 中是否有任何特定工具可以让我系统地研究因素和设计空间，以跟进下一次 DOE 运行，而不是依赖于我天真的观察？ 我尝试过使用图形生成器，但由于我想同时优化 4 个响应，因此找到一个设计空间来跟进 DOE 并没有多大帮助。
如果问题太基础，我很抱歉，但如果您能为 DSD 设计后续 DOE 提供一般指导，那就太好了。 此外，我们还非常感谢一些有用的工具，用于在初始 DSD 和相关资源之后找到后续的设计空间。
谢谢你！！
实验设计质量和工艺工程回复：关于 DSD 和资源后续 DOE 的一般指导？@Victor_G ,
非常感谢您分享您的经验和知识。 它确实有助于理解混合物设计的基础知识以及如何应用它来优化配方。 我将根据您提供的资源学习更多混合设计。
一切顺利！
回复：关于 DSD 和资源后续 DOE 的一般指导？你好@BJK_JerseyBoy ,
对于制定主题，通常有两种不同的方法：
- 您的配方是“稀释”溶液，并且溶剂占据配方的大量（70-90%+）和/或溶剂是惰性的或不会影响您正在测量的响应：这意味着您会喜欢看看某些添加剂是否表现出显着的效果、协同或拮抗相互作用：在这种情况下，因为您对添加剂之间的比例不感兴趣，而是对配方中少量添加剂的影响感兴趣（并且溶剂将补偿到 100引入的添加剂总量的百分比），您的因子彼此独立，并且任何因子设计都可能适合：筛选设计、最终筛选设计、（部分/完整）因子设计、响应曲面模型设计…… 根据模型的复杂性和估计效果的运行次数，您将能够估计效果/交互作用的统计显着性，并可能进行一些优化（主要是在 DSD、RSM 的情况下）。
- 或者您的配方没有溶剂，和/或溶剂在配方中并不占主导地位和/或对响应有影响和/或您更感兴趣的是找到添加剂之间的良好比例，而不是添加剂的绝对浓度配方：在这种情况下，混合物设计更适合，它们不侧重于估计因素的统计显着性，而是更多地关注添加剂的比例优化，以匹配您的响应目标。 因素相互依赖（如果降低 A 的含量，则会增加其他添加剂的含量），并且配方的总量/部分是固定的（1 或 100%）。
您可以查看这张很棒的海报，看看您的情况是否需要混合物设计（您将看到我之前在不同类型的配方/混合物之间所做的解释）：何时不进行混合实验 - JMP 用户社区
在您的情况下，查看您的示例和结果，您在输入（和输出）中进行了一些转换以具有比率而不是添加剂的数量：这似乎是混合设计更适合的情况（或者可能是自定义混合）模型，其中 F1、F2 和 F3 作为混合因子，F4 作为连续因子，因为与其他添加剂相比，其浓度非常低）。
与筛选和某些因子设计相比，混合设计通常涉及更多的试验，但目标不同。 根据模型的复杂性，您可以为每个因素设置多个级别，添加您想要的任何约束（关于因素的最大比率，或关于（其中一些）它们之间的比率的约束），并且使用混合分析器进行实验空间探索非常容易（JMP 示例数据“Donev Mixture Data”的屏幕截图中的示例）。 此外，如果需要，如果您想通过“固定约束”优化您的响应（例如 F4 为 2%），您可以修复/阻止特定级别的任何因素：预测刻画器选项 (jmp.com)
你的方法很有趣（即使理论上比率存在争议），并且最好用新的运行来检查你的发现，看看你是否仍然能够做出正确的预测并验证你的模型。
希望这个回答对你有帮助
回复：关于 DSD 和资源后续 DOE 的一般指导？谢谢@Victor_G ,
听起来您对药物制剂工作很熟悉，所以我将为您提供更多详细信息。
是的，这是一个纯粹的混合问题，我固定了总量并改变了每个因子的数量。
所以正如你所说，F1+F2+F3+F4 应该是 100。 我希望每个因素有“至少”3 个水平，并尝试了定制设计，但我无法实现主要因素的正交性。我记得读过类似“使模型适合问题并不能使问题适合模型”之类的内容。 JMP 社区的一篇帖子中。 然而，我真的很想使用 DSD，因为它可以对每个因素的响应进行正交评估。
所以，我做了一些小技巧，能够应用 DSD 来解决这个问题。 我将每个因素的百分比转换为比率，这样您就可以独立更改每个因素的水平。 例如，当您查看我最初发布的最大化意愿的屏幕截图时，JMP 告诉我，在 F1:30、F2:5、F3:10、F4:1 处我可以最大化响应。 这是比例，但是我可以把这个比例换算成F1：65%，F2：11%，F3：22%，F4：2%，然后用这个混合物来筛选配方。
我知道这不是严格的前向，也不确定这是否是正确的方法，但至少 JMP 与 R1&R2 ~0.01 和 R3&R4 ~ 0.06 预测图的 p 值很好地拟合了这些数据。
我从未探索过混合设计，但如果它能够实现正交设计并且与 DSD 相比，初始筛选的运行次数更少，我会这样做。
下面我汇总了我对您的答案 1,2 和 3 的回复。
我已经评估了每个响应的重要性并应用了“最大化意愿”来查找我最初发布的帖子（第二个屏幕截图）中显示的意愿。 正如您所建议的，我的目标是通过考虑较小的设计空间来明确优化配方。 问题是如何巧妙地设置后续设计空间的边界。 假设主题专家希望我将 F1 和 F4 固定为 JMP 合意性函数建议的值（第二张屏幕截图），并进一步研究 F2 和 F3 的不同比率。 F2和F3的边界应该如何设置来查看？ 我看到有些人使用 3D 散点图来解决这个问题，但由于我想（同时）考虑 4 个响应来优化，所以这不是可行的选择。 但我认为 JMP 应该有一些智能工具来帮助用户识别要跟进的设计空间，即使有多个响应。 在设计方法方面，我不知道Augment Design工具。 谢谢你让我知道，我会调查一下。
感谢您的意见和建议。 我对 DOE 和 JMP 非常陌生，所以我正处于主动学习阶段。 任何额外的建议将不胜感激。
回复：关于 DSD 和资源后续 DOE 的一般指导？你好@BJK_JerseyBoy ,
可以肯定的是，您正在谈论一个配方并进行 DSD，这是一种特殊的因子设计，假设独立因素并且对“总量”没有限制。 这确实是您的情况吗？您可以添加或减少“添加剂”量，而不受因素之间的任何限制/依赖性的影响，并且溶剂将补偿 F1、F2、F3 和 F4 的变化？
或者 F1+F2+F3+F4 的量应该始终等于配方的 100% 吗？ 如果是这种情况，混合设计 (jmp.com)也许会更适合您的需求。
- 您可以尝试单击 Profiler 旁边的红点、“优化和合意性”、“然后单击“最大化合意性”，尝试查看 JMP 对您的多个响应进行了哪些优化。 请记住，默认情况下，您的 4 个响应中的每一个都具有相同的重要性 (1)，但如果您想提高/降低某个响应的重要性，您可以在“设置意愿”中更改此设置。
- 如果您想通过向 DoE 添加实验来更深入地了解您的系统，我认为“增强设计”平台可以真正帮助您：增强设计 (jmp.com)。这样，您可以保留（或增强）现有模型和实验，但可以通过新添加的实验来提高精度，或者更改因子范围以探索更广泛/更小的实验空间。
- 也许一些有趣的尝试是扩大因素空间的一些范围（如果您处于探索阶段，否则在优化阶段最好集中在较小的最佳实验空间），例如：
- 如果因子 F2 和 F3 的水平较低（和/或因子 F1 的水平较高），会发生什么情况：您是否仍需要将 F2 和 F3 保持在最低水平，将 F1 保持在最高水平？
- 如果 F4 具有更广泛的范围，会发生什么情况，它会改变其对响应的影响吗？
我希望这些最初的想法能对你有所帮助
