增強 DSD 矩陣我們運行了最終篩選設計矩陣來探索 6 個因素，隨後發現，由於製程性能的原因，我們需要將其中一個參數的範圍從原始 DSD 中的目標範圍稍微向下調整。 根據原始 DSD 分析，所討論的參數確實會影響輸出，作為主要因素以及與其他 2 個因素的雙向交互作用。
最好的前進方向是什麼？ 一個 6 遊程矩陣來評估 X1、X2、X3、X1*X2、X1*X3 或更周到的東西？
我們只能再跑大約 10 次。
感謝您的任何意見。
實驗設計回覆：增強 DSD 矩陣這是我的想法：
1. DSD的目的是尋找活躍因素而不是尋找最佳水準。儘管您沒有提供 DSD 的完整分析，但您的 DSD 似乎做到了。如果沒有任何因素、情況或反應變數的背景，就很難提供建議。您需要進一步的實驗嗎？您認為更改相關因素的因素水準是否會使 DSD 的經驗失效？
2. 任何因素是否有二次效應？您是否簡化了模型並保存了預測公式？也許只是在「更好」的水平上對相關因素進行一些驗證性運行。
3. 你有什麼策略來處理實驗中的雜訊嗎？也許隨著時間的推移對模型進行一些採樣有助於驗證因素影響的一致性/可預測性。
回覆：增強 DSD 矩陣我們使用 DSD 來表徵一個步驟；這意味著我們有先前確定的目標和可接受的操作範圍，這些範圍很大程度上取決於製程中的控制能力。 我們正在檢查該步驟是否對該變化程度敏感。 需要調整其中一個參數的範圍，以適應該步驟在生產中實際運作的情況，因此我們試圖想出一種方法來做到這一點。
感謝您的輸入！
回覆：增強 DSD 矩陣對提出的問題和疑問添加我的兩分錢@statman這是我的想法。 忘記增強 DSD 設計吧。 增強的 DSD 將不再是 DSD……而是我以前所說的弗蘭肯斯坦設計。 DSD 背後有一些非常特殊的概念（效應遺傳和稀疏性，但只有兩個）和特定特徵，例如折疊屬性，透過將其作為弗蘭肯斯坦DSD 進行分析，將變得毫無意義……而且我很確定適合最終篩選設計分析平台不喜歡科學怪人設計，您可能會收到大量錯誤訊息。 這是我的想法。 既然您想要進一步研究 3 個因素，並且想要估計一些非常具體的模型項，為什麼不在您所說的可用的 10 次運行中運行 D 最優設計，並指定確切的模型你寫了，並這樣分析。 在 10 次運行中，您仍然有一些剩餘的自由度用於指定模型的誤差估計。 然後從這兩個實驗中得出實際結論，看看在哪裡可以解決當前的問題或進行額外的試驗。 這一切都符合順序設計實驗問題的解決過程。
回覆：增強 DSD 矩陣你是絕對正確的。 在不進行完整折疊的情況下添加到 DSD 將會是一團糟。
