DoE 工作流程需要进行预筛选、筛选、优化，然后进行稳健性设计。稳健性设计将围绕优化设计所映射的更广泛设计空间内的控制空间进行通知。在 JMP 中，是否有（如果有，在哪里）从用于优化的初始数据集开始运行稳健性设计的程序？
嗯，菲尔，你对稳健设计的定义和我的定义完全不同。我认为稳健性对噪音不敏感。
田口为推广这一概念做了很多工作：
Taguchi, G. 和 D. Clausing, (1990) “坚固品质 ” 。 《哈佛商业评论》 ，1 月 - 2 月，第 65-75 页
还有一些关于稳健设计的优秀论文：
Bisgaard、Søren、Murat Kulahei，（2001），“稳健产品设计：利用裂区混杂效应节省试验”，质量工程，13(3)，525-530
Hunter, Stuart (1985) “统计设计应用于产品设计”， 《质量技术杂志》 ，第 17 卷，第 4 期，1985 年 10 月
Montgomery, Douglas, C., (1999)，《产品和工艺设计与开发的实验设计》， 《统计学家》48 卷，第 2 部分，第 159-177 页
Box、GEP、Stephen Jones (1992)，《稳健产品实验的裂区设计》， 《应用统计学杂志》 ，第 19 卷，第 1 期
稳健设计与设计结构关系不大，而与在实验中引入噪声关系更大。
一如既往， @Victor_G的指导非常有用。
我只是认为值得澄清的是，JMP 中没有用于创建稳健性设计的特定平台或功能（我怀疑其他 DOE 软件也是如此）。
稳健性设计通常只是一个简单的 2 级设计，其因子范围围绕最优值较窄。
所以（正如 Victor 所说）您可以使用 Augment、Custom Design 甚至使用经典设计功能来设计它。
就我个人而言，我会使用 Augment，因为它会将实验不同阶段的所有数据保存在同一张数据表中。
菲尔
你好@kjwx109prime ，
您描述的情况与我之前提到的例子类似：
我做了一个简短的演示，使用顺序 DoE 对固定数据集上的算法（随机森林）进行微调，使用筛选设计，然后使用优化设计，最后使用简单的因子筛选设计来评估先前发现的因素范围的稳健性：https://www.linkedin.com/posts/victorguiller_design-of-experiments-machine-learning-activity-7122469...
这种顺序方法当然可以在 JMP 中实现。您可以分 2 个步骤完成：
- 通过之前完成的优化响应曲面设计（和模型）以及设计空间分析器，确定符合您规格的因素及其限制范围。
- 一旦确定了因素和范围，您就可以增强设计（并为新一组运行添加一个块，以更好地区分原始 DoE 和新实验的结果）或使用之前确定的因素和范围创建一个新的自定义设计，并检查第二组实验的结果是否符合您的响应均值和方差可接受性规范：
希望这个补充答案能帮助你，
我有点困惑。当然，您可以设置任何您想要的级别，并且可以在 JMP 中进行分析。如果设计点是“平衡的”（例如，CCD、面心、Box-Behnken），则分析会大大简化，但可以在任何点使用回归。想想空间的几何形状。想象一下您正在尝试对该空间进行采样以创建响应的轮廓图。通常，最好对空间进行平衡采样，因为它的偏差较小。
稳健设计通常与了解模型在变化的噪声下工作效果有关。在这些设计中，噪声在实验中通常以区组、分割图或交叉乘积阵列的形式变化。目标是找到在变化的噪声下效果一致的因子，并减轻噪声的影响。
你好@Victor_G ，
感谢您指出查询中的歧义。我实际上对所附的场景很感兴趣。
外层立方体与响应面建模相关，它描述了一个设计空间。根据响应面模型，在这个立方体内的任何一点的操作都应该完全满足可接受性的要求。
中心点描述设定点条件。
我对一种着眼于内部立方体的设计感兴趣。在这种情况下，这与对现有设定点周围微小变化的稳健性无关，而是外表面的略小版本。我们相信在外表面的任何一点进行操作都是合适的，但如果操作限制在较小的表面内，我们会更有信心。
在 JMP 中，是否可以使用针对这一更受限制的操作空间的设计来跟踪响应曲面模型？或者，是否可以在开始时更详细地研究更受限制的空间，作为原始响应曲面研究的一部分。
艾伦
你好@kjwx109prime ，
欢迎加入社区！
稳健性可能有多种定义，创建稳健性 DoE 的方法也各不相同，具体取决于您要针对哪些因素来测试实验空间/最佳点的稳健性：针对外部噪声因素、针对过程/实验因素的变化，还是针对两种因素的组合。以下是来自 Stat-Ease 的一系列文章，根据您感兴趣的稳健性情况来解释设计类型：
- 抵御外部噪声因素的鲁棒性： https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-1/
- 针对过程因素设定点变化的稳健性： https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-2/
- 前两种类型的组合： https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-3/
我做了一个简短的演示，使用顺序 DoE 对固定数据集上的算法（随机森林）进行微调，使用筛选设计，然后使用优化设计，最后使用简单的因子筛选设计来评估先前发现的因素范围的稳健性： https://www.linkedin.com/posts/victorguiller_design-of-experiments-machine-learning-activity-7122469274148868096-Qhif
一些可能也有帮助的资源：
设计稳健的产品 (2020-US-30MP-539)
如何设计稳健的生产流程 | JMP
希望这个第一个讨论能对你有所帮助，
