由@HadleyMyers主持，DOE 愛好者就多個主題進行了討論。
歡迎大家繼續下面的討論！
影片1：簡介
影片 2：處理異常值
評論：
@Victor_G ：也將重複與複製分開，以便更好地了解問題是否來自測量過程（重複）或來自系統（透過複製看到，固定因素水平可能存在不確定性）
影片 3：協變數因子的使用
評論：
@Victor_G ：JMP 的 Jed Campbell 發表了一篇關於非線性因素約束的精彩部落格文章： https://community.jmp.com/t5/JMP-Blog/Demystifying-Factor-Constraints/ba-p/619898
揭秘因素約束
定義因素約束不是我應該不管或假裝不存在的東西嗎？智者不做任何事受約束。 -Marcus Tullius Cicero 如果您對定義感到害怕...
@Paul_J ：當我在食品和化學行業工作時，我一直這樣做。
@Bill_Worley ：我非常支持使用協變量候選集。
@Victor_G ：協變量集在化學中非常有用，例如在處理化學性質作為輸入時
影片 4：設定範圍的最佳實踐
評論：
@Victor_G ：在篩選中使用廣泛的範圍（可能帶有中心點），並在探索/優化中細化範圍。
@KimRas2 ：大膽點！
@shs ：什麼對我有用，如果你從頭開始並且不確定你的邊界是否有效，請從你認為可能最關鍵的實驗開始。在這裡你只浪費了一次實驗。
@Victor_G ：範圍設計對於定義適當的範圍和檢查設計空間的可變性也非常有用： https://prismtc.co.uk/resources/blogs-and-articles/scoping-designs
您僅嘗試對所有因素進行 -1 等級的測試，對所有因素進行中心點和 +1 等級的測試。
您可以非常輕鬆地將範圍設計擴展為因子設計
@Nicola_Nuti ：同意，增加效果大小也會帶來更多的力量。
@Jonas_Rinne ：範圍設計的想法對於檢查你的範圍是否有意義非常有幫助。尤其是當你有很多因素的時候。
@SDF1 ：即使試驗不起作用，仍然可以為能源部和整個探索過程提供非常有用的信息。
@shs ：設定太窄，您永遠無法確定曲率。溫度通常就是這種情況。
@Paul_J ：設定範圍是為什麼要在統計數據中保留科學性的一個很好的例子。
@Bill_Worley ：如果您有一些歷史數據，您可以建立模型並使用設計空間分析器來幫助確定最佳範圍。
@Victor_G ：是的，DoE 是一種方法改變，但隨著結果的可預測性提高，學習和規劃變得更加容易（與嘗試一次一個因素並依賴最佳猜測相比）。
@SDF1 ：根據研究的「新」程度，有時需要「預 DOE」來確定您正在測試的因素的可行範圍，以便當您真正坐下來創建更詳細的結果時/complex DOE，您更有可能讓所有運行都成功。
影片 5：現代 DOE
@Victor_G ：真的很喜歡屋頂的比喻，謝謝分享！
@shs ：我很少再使用經典設計，因為它們在實驗運行中規模很大。使用諸如SVEM 之類的小型設計或明確的篩選設計等概念，可以為您提供可以通過少量運行涵蓋大量因素的設計，並且當人們第一次看到使用現代設計可以減少多少實驗工作時，這會令人信服。
@Victor_G :
我經常將現代設計與可能的“古典”對應物進行評估和比較，以更好地展示現代設計的好處
@KimRas2 ：功能性能源部？
@ryan_cooper ：我經常喜歡在這個社區討論中引用 Phil Kay 的一些觀點。 （但是，問題的標題具有誤導性。）關於為什麼大多數事情可以透過 DSD 和自訂設計來完成的一些討論。
https://community.jmp.com/t5/Discussions/Reason-against-using-Custom-Design-DOE-for-everything/td-p/407995
影片 6：功能數據瀏覽器
@Victor_G ：具有曲線輸出的功能 DoE： https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Use-of-Functional-Data-Explorer-in-a-Mixture-Design-for/ ta -p/349208
您可以使用曲線資料（功能資料）作為輸入和/或輸出。
Lyndal 問：標準 JMP 授權是否涵蓋功能性 DoE 分析？我認為需要 JMP Pro？
是的，只有專業版才有
@Victor_G ：作為輸入，您可以使用功能分析中的係數，並將這些係數連結到您的輸出
@Phil_Kay ： @Ben_Ingham在該領域擁有一些專業知識。如果你能來的話，本將出席在曼徹斯特舉行的探索峰會。
