感谢所有参与者！请随意详细说明或在下面提问。
视频 1：不按照指定顺序遵循 DOE 会产生什么后果（从逻辑和数学上来说）？ - Richard Lacaba
评论
@Victor_G -您可以在表中记录实验的顺序，看看实验顺序是否对响应有影响。
@bdclark23 - 我经常被问到这个问题，Montgomery 向我的客户介绍了这个问题：随机化是统计方法在实验设计中的应用的基石。随机化是指实验材料的分配和实验的每次运行顺序都是随机确定的。统计方法要求观测值（或误差）是独立分布的随机变量。随机化通常使这一假设成立。通过适当地随机化实验，我们还有助于“平均化”可能存在的无关因素的影响。
视频 2：增强设计（顺序 DOE）- John Szarka ( @jszarka )
问题来自 塔利塔·科皮尼·苏亚雷斯 ( @THCS
在这种情况下，您能运行第一个实验中不同范围的变量吗？
答案：
@乔纳斯_林内 - 是的，如果需要，您也可以更改它。
@Victor_G - Y你可以改变因素的范围. 如果您没有有趣的区域可以搜索/优化，这可以使您专注于最佳区域（缩小范围，限制实验空间）或将设计空间稍微移动一点
@Paul_J — 或者也许在下一组中添加一个新因素？
@乔纳斯_林内 - 您可以在此处查看如何执行此操作： 已解决：如何通过设计增强向 DoE 添加新的连续因子？ - JMP 用户社区。请注意，此因子在您之前的实验中必须是恒定的。
问题来自 塔利塔·科皮尼·苏亚雷斯 ( @THCS所以，明星t使用 PB 来减少实验次数，然后仅使用范围较窄的主要因素进行完整设计?
回答
@Victor_G - 或者采用另一种筛选设计，在本例中，DSD 可能会有所帮助：没有约束和大量连续因子，因此它可以帮助更好地估计主效应并可能检测相互作用和二次效应。
一旦完成筛选，为什么不在窄范围的增强中添加更高阶的效应（相互作用、二次效应等）来扩展您对系统的了解并拥有更好/更准确的模型？
视频 3：即使主效应不显著，将其保留在 DoE 模型中是否合理？这些“不显著”因素的效应量估计有多可靠？ - Johann-Christoph Dettmann ( @JohannD124 )
视频 4：DOE 与其他方法的集成：ML、化学信息学等... - Victor Guiller（ @Victor_G ）
评论
@ruskicar - SVEM（自验证集成建模）是一种有时用于模拟空间填充 DOE 的方法
@Victor_G - 实验设计和机器学习及其在工业实验中的应用 | 统计论文 (springer.com)
实验设计和机器学习及其在工业实验中的应用
统计论文 - 在产品创新的背景下，使用机器学习 (ML) 模型并借助实验设计 (DOE) 的新兴趋势正在兴起。本文首先旨在...
设计选择和机器学习模型性能 - Arboretti - 2022 - 质量与可靠性工程国际 - Wiley 在线图书馆
@Paul_J - JMP“最佳”设计可以基于机械模型吗？
@maria_astals - 空间填充设计： https://www.jmp.com/support/help/en/18.0/index.shtml#page/jmp/overview-of-spacefilling-designs.shtml
@Victor_G - 混合设计中使用支持向量机分析的空间填充设计示例： https://community.jmp.com/t5/Online-Abstracts/Synergy-Between-Design-of-Experiments-and-Machine-Learning-for/ec-p/708147#M2
视频 5：对包含整个图的 DoE 结果进行建模，尤其是添加到整个图效应中的随机误差。 - Drejc Kopač（ @ruskicar ）
