了解定制设计的 RSM 中的奇数+将连续因子设置为零尊敬的 JMP 专家，
我有两个问题：
问题 1)我使用自定义设计器创建了两个 RSM 设计
-第一个设计有 3 个因子，其中两个因子（因子 1 和 2）是具有三个因子设置的连续因子，第三个因子是具有四个因子设置的离散数值（两个因子包括 0 作为附加设置）-->见下文。
-第二种设计，与方案1类似，但有四个因素；三个因素连续和 1 个因素离散数值，包括 0（见下文）
-->现在我的问题：在这两种情况下，JMP都会创建一些奇数作为因子设置（见下文粗体），这对我来说很难解释？这些奇数的数学和实际原因是什么，它们是如何生成的，以及如何通过这些奇数因子设置选择因子（似乎有点随机）
方案1
| ＃跑步 | 因素1 | 因素2 | 因素3 |
| 1 | 第252章 | 12 | 0.01 |
| 2 | 280 | 10 | 0.01 |
| 3 | 280 | 10 | 0.02 |
| 4 | 308 | 12 | 0.02 |
| 5 | 280 | 8 | 0.02 |
| 6 | 290.92 | 10 | 0.03 |
| 7 | 第252章 | 10 | 0.02 |
| 8 | 264.04 | 12 | 0.03 |
| 9 | 第252章 | 8 | 0 |
| 10 | 280 | 8 | 0.01 |
| 11 | 308 | 8 | 0.03 |
| 12 | 第252章 | 8 | 0.03 |
| 13 | 308 | 10 | 0.01 |
| 14 | 308 | 8 | 0 |
| 15 | 289.52 | 12 | 0 |
| 16 | 280 | 10 | 0 |
计划2
| ＃跑步 | 因素1 | 因素2 | 因素3 | 因素4 |
| 1 | 308 | 12 | 0.03 | 50 |
| 2 | 280 | 10 | 0 | 50 |
| 3 | 第252章 | 12 | 0.03 | 55 |
| 4 | 308 | 12 | 0.01 | 55 |
| 5 | 第252章 | 8 | 0 | 45 |
| 6 | 280 | 10 | 0.02 | 55 |
| 7 | 第252章 | 8 | 0.01 | 55 |
| 8 | 第252章 | 12 | 0.01 | 45 |
| 9 | 280 | 8 | 0.03 | 45 |
| 10 | 308 | 10 | 0.02 | 45 |
| 11 | 308 | 8 | 0.03 | 55 |
| 12 | 第252章 | 10 | 0.02 | 50 |
| 13 | 第252章 | 12 | 0 | 55 |
| 14 | 第252章 | 8 | 0.02 | 50 |
| 15 | 308 | 8 | 0.01 | 46.85 |
| 16 | 280 | 10 | 0.01 | 50 |
| 17 号 | 280 | 10 | 0.01 | 50 |
| 18 | 280 | 12 | 0.02 | 50 |
| 19 号 | 280 | 12 | 0.02 | 45 |
| 20 | 308 | 12 | 0 | 45 |
| 21 | 308 | 8 | 0 | 55 |
| 22 号 | 第252章 | 10 | 0.03 | 45 |
- 问题2：
为什么不使用 0 作为具有连续因子的 RSM 的因子设置不是一个好主意。我知道设置为零的因素在技术上不再是连续的，而是绝对的。但这样做有什么风险呢？我如何向非能源部专家解释不要这样做？
非常感谢您提前的帮助！
基础数据分析和建模实验设计分享和交流结果回复：了解定制设计的 RSM 中的奇数+将连续因子设置为零定制设计平台基于坐标交换算法。它搜索最大化设计标准的因子设置。模型大纲中的 RSM 按钮将标准更改为 I 最优性，从而最小化预测的积分方差
有些解决方案不直观或不实用。您可以将级别更改为中点。这种变化会降低最优性，但程度很小。
