由@HadleyMyers主持，DOE 爱好者就多个主题进行了讨论。
欢迎大家继续下面的讨论！
视频1：简介
视频 2：处理异常值
评论：
@Victor_G ：还将重复与复制分开，以更好地了解问题是否来自测量过程（重复）或来自系统（通过复制看到，固定因素水平可能存在不确定性）
视频 3：协变量因子的使用
评论：
@Victor_G ：JMP 的 Jed Campbell 发表了一篇关于非线性因素约束的精彩博客文章： https://community.jmp.com/t5/JMP-Blog/Demystifying-Factor-Constraints/ba-p/619898
揭秘因素约束
难道定义因素约束不是我应该不管或假装不存在的东西吗？智者不做任何事受约束。 -Marcus Tullius Cicero 如果您对定义感到害怕......
@Paul_J ：当我在食品和化学行业工作时，我一直这样做。
@Bill_Worley ：我非常支持使用协变量候选集。
@Victor_G ：协变量集在化学中非常有用，例如在处理化学性质作为输入时
视频 4：设置范围的最佳实践
评论：
@Victor_G ：在筛选中使用广泛的范围（可能带有中心点），并在探索/优化中细化范围。
@KimRas2 ：大胆点！
@shs ：什么对我有用，如果你从头开始并且不确定你的边界是否有效，请从你认为可能最关键的实验开始。在这里你只浪费了一次实验。
@Victor_G ：范围设计对于定义适当的范围和检查设计空间的可变性也非常有用： https://prismtc.co.uk/resources/blogs-and-articles/scoping-designs
您仅尝试所有因素的 -1 水平、所有因素的中心点和 +1 水平的测试。
您可以非常轻松地将范围设计扩展为因子设计
@Nicola_Nuti ：同意，增加效果大小也会带来更多的力量。
@Jonas_Rinne ：范围设计的想法对于检查你的范围是否有意义非常有帮助。尤其是当你有很多因素的时候。
@SDF1 ：即使试验不起作用，仍然可以为能源部和整个探索过程提供非常有用的信息。
@shs ：设置太窄，您永远无法确定曲率。温度通常就是这种情况。
@Paul_J ：设置范围是为什么要在统计数据中保留科学性的一个很好的例子。
@Bill_Worley ：如果您有一些历史数据，您可以构建模型并使用设计空间分析器来帮助确定最佳范围。
@Victor_G ：是的，DoE 是一种方法改变，但随着结果的可预测性提高，学习和规划变得更加容易（与尝试一次一个因素并依赖最佳猜测相比）。
@SDF1 ：根据研究的“新”程度，有时需要“预 DOE”来确定您正在测试的因素的可行范围，以便当您真正坐下来创建更详细的结果时/complex DOE，您更有可能让所有运行都成功。
视频 5：现代 DOE
@Victor_G ：真的很喜欢屋顶的比喻，谢谢分享！
@shs ：我很少再使用经典设计，因为它们在实验运行中规模很大。使用诸如 SVEM 之类的小型设计或明确的筛选设计等概念，可以为您提供可以通过少量运行涵盖大量因素的设计，并且当人们第一次看到使用现代设计可以减少多少实验工作时，这会令人信服。
@Victor_G :
我经常将现代设计与可能的“古典”对应物进行评估和比较，以更好地展示现代设计的好处
@KimRas2 ：功能性能源部？
@ryan_cooper ：我经常喜欢在这个社区讨论中引用 Phil Kay 的一些观点。 （但是，问题的标题具有误导性。）关于为什么大多数事情可以通过 DSD 和自定义设计来完成的一些讨论。
https://community.jmp.com/t5/Discussions/Reason-against-using-Custom-Design-DOE-for-everything/td-p/407995
视频 6：功能数据浏览器
@Victor_G ：具有曲线输出的功能DoE： https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Use-of-Functional-Data-Explorer-in-a-Mixture-Design-for/ta -p/349208
您可以使用曲线数据（功能数据）作为输入和/或输出。
Lyndal 问道：标准 JMP 许可证是否涵盖功能性 DoE 分析？我认为需要 JMP Pro？
是的，只有专业版才有
@Victor_G ：作为输入，您可以使用功能分析中的系数，并将这些系数链接到您的输出
@Phil_Kay ： @Ben_Ingham在该领域拥有一些专业知识。如果你能来的话，本将出席在曼彻斯特举行的探索峰会。
