早上好，
我创建了一个包含 2 个答案（A 和 B）和 2 个因素（C 和 D）的 DOE。例如，这两个因素的浓度为 C 的浓度为 5 到 9，D 的浓度为 10 到 25。我想创建一个对这些因素进行限制的计划，事实上 D/C 比率必须等于或大于 4我该如何认识这一点。此外，我应该对哪些类型的因素进行编码？连续还是离散？我有点失落。
你好@SeanCor ，
欢迎来到 JMP 社区！
为了更好地了解如何使用 JMP 创建 DoE 时管理约束，我建议阅读@Jed_Campbell的博客文章： 揭秘因子约束 - JMP 用户社区
关于您的问题，一些答复、疑问和评论：
- 如果因子 C 和 D 的浓度可以连续变化，那么它们很可能是连续因子。 “离散”类型因子只能采用在整个可能范围内定义的几个有序值。有关因子类型的更多信息，请参见此处： 因子 (jmp.com)
- 您这个计划的目标是什么？定量研究这两个因素的影响？有预测模型吗？您想分析这些因素可能的相互作用或二次效应吗？这些问题只是一个起点，但可以让您更好地了解哪种类型的计划最合适，并在计划的构建和分析上做出正确的决策。
- Concernant votre contrainte relationnel entre C et D, vous pouvez l'ajouter dans plusieurs plateformes de construction de plan. J'ai pris l'exemple ici avec la plateforme Custom Design :
- 输入您的答案、因素和范围：
- Dans la partie "Define Factor Constraints", cliquer sur "Specify Linear Constraints". Comme vous souhaitez que le ratio D/C soit supérieur ou égal à 4, une remise en forme de cette équation donne :
4 * :C + -1 * :D</img> <= 0
Vous pouvez donc entrer cette contrainte dans la partie dédiée :
- 使用您的计划定义您想要估计的效果类型。在这里的例子中，我添加了C和D之间的交互，默认输入C和D的主效应以及截距：
- 然后，您可以定义多个重复、中心点，并且您对要执行的运行次数也有一定的灵活性，然后您可以开始生成“Make Design”计划。在此示例中，我选择了 3 个中心点，以便能够评估是否可能存在二次效应，并通过失拟检验检查模型的拟合度，建议运行次数等于 12：
请注意，由于此关系约束，因素 C 和 D 不再独立。估计每个因素的单独影响可能更加困难。
重要的是要清楚地区分这种关系约束在物理上是否是进行实验所必需的（在这种情况下，必须在计划中考虑到它，以避免产生物理上无法进行或危险的实验），或者是否是“优先”约束，你认为你有好的结果。在第二种情况下，最好消除这个限制，以避免一开始就有任何偏见，并尽可能对实验空间有最中立和完整的看法。要了解您的实验空间中在何处、如何以及为何获得积极结果，您还需要获得消极结果。
最后，还出现了一个问题，即您的因素的个体集中度是否构成了感兴趣的信息，或者是否是似乎感兴趣的比率。在第二种情况下，您可以将因子 C 和 D 组合成一个因子（比率），使该因子在一定范围内演化，并且不需要实验设计。
这是用于生成此处提到的受限实验设计的脚本：
DOE(
Custom Design,
{Add Response( Maximize, "A", ., ., . ), Add Response( Maximize, "B", ., ., . ),
Add Factor( Continuous, 5, 9, "C", 0 ), Add Factor( Continuous, 10, 25, "D", 0 ),
Set Random Seed( 1047040825 ), Number of Starts( 55959 ),
Add Constraint( [4 -1 0] ), Add Term( {1, 0} ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {1, 1}, {2, 1} ), Center Points( 3 ),
Set Sample Size( 12 ), Optimality Criterion( "Make A-Optimal Design" ),
"A-Optimality Parameter Weights"n( [1 1 1 1] ), Simulate Responses( 0 ),
Save X Matrix( 0 ), Make Design, Set Run Order( Randomize ), Make Table}
);
您还可以在 PJ 中找到为说明此响应而生成的计划（在表中添加计算列 D/C，以便您可以检查此方法生成的所有实验是否符合您的约束）。
希望这个回答对你有帮助
你好@SeanCor ，
关于非常精确的因子值，这是用于创建最佳计划的算法的结果。请参阅该主题的答案：
已解决：回复：D 最优 RSM 中的奇数因子设置是如何生成的 - JMP 用户社区
已解决：回复：混合筛选设计中加入随机小数 - JMP 用户社区
关于比率约束，后者的要求非常高：如果取 D 和 C 的极值（D 为最大值，C 为最小值），则得到的最大比率等于 25/5 = 5。所以它是找到 4 和 5 之间的比率是正常的。可以修改此比率约束，或者扩大因子的范围（C 的值较小，D 的值较大）？
关于您的预测目标，空间填充类型计划可能更合适，因为它允许您在实验空间中分配点，并在建模（特别是机器学习算法）和所需点数方面提供很大的灵活性（没有最低限度，但您必须选择合理的点数）。
您可以在“DoE”、“特殊用途”、“空间填充”中提供的空间填充平台中构建它：
您将在 PJ 中找到一个空间填充计划的示例，该计划是根据您的因素、响应和比率约束进行 20 次实验而构建的。
根据所选计划类型对实验空间中的点分布进行比较：
希望这个补充答案对您有所帮助，
早上好，
非常感谢您的这个回答，对我帮助很大。事实上，它是创建一个模型，其目的是根据输入预测输出，以便提供套餐，也就是说，根据需求提供不同的可能性。我们假设 A 是浓度产率，B 是百分比。我想根据因子 C 和 D 的不同浓度来预测答案 A 和 B。但是，按照您向我描述的方式执行模型会产生非常精确的小数点浓度，这在实践中很难实现。另外，约束要求比率等于或大于4，而我们的比率范围只有4到4.91，仅此而已，这正常吗？
谢谢
