了解客製化設計的 RSM 中的奇數+將連續因子設為零尊敬的 JMP 專家，
我有兩個問題：
問題 1)我使用自訂設計器建立了兩個 RSM 設計
-第一個設計有3 個因子，其中兩個因子（因子1 和2）是具有三個因子設定的連續因子，第三個因子是具有四個因子設定的離散數值（兩個因子包括0 作為附加設定）-->見下文。
-第二種設計，與方案1類似，但有四個因素；三個因素連續和 1 個因素離散數值，包括 0（見下文）
-->現在我的問題：在這兩種情況下，JMP都會創建一些奇數作為因子設定（見下文粗體），這對我來說很難解釋？這些奇數的數學和實際原因是什麼，它們是如何產生的，以及如何透過這些奇數因子來設定選擇因子（似乎有點隨機）
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 |
計劃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 號 | 280 | 10 | 0.01 | 50 |
| 18 | 280 | 12 | 0.02 | 50 |
| 19 號 | 280 | 12 | 0.02 | 45 |
| 20 | 308 | 12 | 0 | 45 |
| 21 | 308 | 8 | 0 | 55 |
| 22 號 | 第252章 | 10 | 0.03 | 45 |
- 問題2：
為什麼不使用 0 作為具有連續因子的 RSM 的因子設定不是一個好主意。我知道設定為零的因素在技術上不再是連續的，而是絕對的。但這樣做有什麼風險呢？我該如何向非能源部專家解釋不要這樣做？
非常感謝您提前的幫忙！
基礎資料分析與建模實驗設計分享和交流成果回覆：了解客製化設計的 RSM 中的奇數+將連續因子設為零客製化設計平台基於座標交換演算法。它搜尋最大化設計標準的因子設定。模型大綱中的 RSM 按鈕將標準變更為 I 最適性，從而最小化預測的積分方差
有些解決方案不直觀或不實用。您可以將等級變更為中點。這種變化會降低最適性，但程度很小。
