為什麼將 RSM 的連續因子設為零不是一個好主意尊敬的 JMP 專家，
我經常遇到這樣的情況：液體生物技術配方優化需要連續因子設置，包括最低因子設置為零（0、1、2）。這些請求通常來自那些習慣使用 OFAT 進行實驗的人，他們不直觀地理解將因子設為零的技術手段是進行分類因子設定。
有沒有更好更實際的原因來解釋這件事？
預先非常感謝
數據探索和視覺化實驗設計回覆：為什麼將 RSM 的連續因子設為零不是一個好主意嗨@DualARIMACougar ，
您的問題可能沒有明確的答复，但這裡有一些評論：
- 當DoE 依賴順序迭代時，當您首先從篩選重要的主效應（透過篩選設計）開始，然後在重要因素上進行增強以探索更多的高階效應（交互作用、二次效應）時，它是最有效的，最終在較小的實驗空間中創建最佳化設計，重點是預測性和流程/產品最佳化。
根據您如何進行第一步驟/設計，以及您是否/如何減少或擴大您感興趣的實驗空間，您的RSM 的因素水準中可能不存在0 級，因為在先前的步驟中這些因素被視為不重要可能已經被過濾掉了，其他重要因素可能有一個不包括0的興趣範圍來達到最佳值。然而，在初始步驟/設計（篩選）中將等級設為0 可能會非常有趣，因為它能夠快速從系統中刪除不重要/重要的因素，因為它肯定會突出顯示存在和不存在之間的強烈差異。因素。
因此，取決於您是否直接進行最佳化而無需事先設計/步驟（因為您的因素數量有限，因此您可以包括等級 0 來檢測重要效果並「繪製」實驗空間以進行最佳化）或依賴順序實驗，您最終可能會有不同的範圍和設計選擇/增強。
- 如果您談論的是配方優化，您可能正在使用混合物實驗。如果您的實驗空間或因素沒有特定的約束，基於模型的混合設計的結構是非常“合乎邏輯的”，因為它將創建一個因素的實驗，然後是二元混合，然後是三元混合，等等……取決於您假設的模型的複雜性。因此，您最終將得到混合因子等級為 0 的實驗（對因子沒有最小限制）。查看不同的設計類型和混合： 混合設計概述； 混合設計類型的範例
- DoE 中的問題定義（目標、因素和類型、等級、回應、模型等）是最重要的部分，也是領域專業知識發揮至關重要作用的部分。如果不了解您的用例，我無法評估包含 0 級別是否有趣。這是您試圖解決的目標的一部分，以及有關因素的使用和處理的任何實際限制/考慮。然而，在因素範圍內要“大膽”，能源部通常由於因素範圍太窄而無法提供結果，而不是由於因素範圍太寬。您始終可以減少設計增強中的實驗空間，以專注於感興趣的領域。
如果您試圖讓同事相信 DoE 比 OFAT 更有效，請嘗試找到他們進行過 OFAT 的研究，為具有相同因素的同一主題創建 DoE，並使用比較設計平台來突出顯示收益：減少所需的實驗數量，更好的功效（因此可以更好地證明因素的重要性），減少實驗空間的預測方差，更好地處理效應之間的相關性/別名，...
希望這些評論可以幫助你
回覆：為什麼將 RSM 的連續因子設為零不是一個好主意嗨維克多，
感謝您的回答。我們希望在穩健性研究過程中對每個因素使用三個因素設定來衡量因素變化的影響，中間為原始條件。對於一個因素，要求 0 作為最低因素設置，這在數學上（用於稍後擬合模型）有效，但在物理上該因素（化學賦形劑）在該條件中不存在。之前我從社群論壇的專家那裡了解到，應該首選較低的因子設定而不是零。
我們沒有能力進行篩選設計以及之後的最佳化設計。這就是為什麼我們從 RSM 開始。
我希望這些資訊能夠提供一些見解。
多謝
