感謝所有參與者！請隨時在下面詳細闡述或提出問題。
影片 1：不按照規定的順序遵循 DOE 會產生什麼後果（邏輯上和數學上）？ ——理查‧拉卡巴
評論
@Victor_G -您可以在表格中記錄實驗的順序，看看實驗順序是否對反應有影響。
@bdclark23 - 我經常收到這個問題，並將蒙哥馬利的這個問題提供給我的客戶：隨機化是實驗設計中使用統計方法的基石。隨機化的意思是實驗材料的分配和實驗的各個運行的順序都是隨機決定的。統計方法要求觀測值（或誤差）是獨立分佈的隨機變數。隨機化通常使這個假設成立。透過適當地隨機化實驗，我們也有助於「平均」可能存在的無關因素的影響。
影片 2：增強設計（順序 DOE）- John Szarka ( @jszarka )
問題來自 塔利塔·科皮尼·蘇亞雷斯 ( @THCS
在這種情況下，您可以執行第一個實驗中不同範圍的變數嗎？
答案：
@喬納斯_林內 - 是的，如果需要，您也可以更改它。
@Victor_G - Yes，您可以變更因子的範圍. 這可以讓您專注於最佳區域（縮小範圍、限制實驗空間），或者如果您沒有感興趣的區域可供搜尋/優化，則可以將設計空間進一步移動一些
@Paul_J - 或者可能在下一組中添加一個新因素？
@喬納斯_林內 - 這是一個社區帖子，您可以在其中查看如何執行此操作： 已解決：如何透過設計增強向 DoE 添加新的連續因子？ - JMP 使用者社群。請注意，該因素在您先前的實驗中必須保持不變。
問題來自 塔利塔·科皮尼·蘇亞雷斯 ( @THCS所以，明星t使用PB來減少實驗次數，然後僅使用窄範圍的主要因素進行完整的設計?
回答
@Victor_G - 或者使用另一種篩選設計，在此處的範例中，DSD 可能會有所幫助：沒有約束且連續因子數量較多，因此它可以幫助更好地估計主效應，並可能檢測交互作用和二次效應。
一旦您的篩選完成，為什麼不在狹窄範圍的增強中添加更高階的效應（交互作用、二次效應等），以擴展您對系統的了解並擁有更好/更準確的模型？
影片 3：即使主效應不顯著，在 DoE 模型中保留主效應是否合理？這些「無關緊要」因素的效果量估計有多可靠？ - 約翰·克里斯托夫·德特曼 ( @JohannD124 )
影片 4：DOE 與其他方法的整合：ML、化學資訊學等...- Victor Guiller ( @Victor_G )
評論
@ruskicar - SVEM（自驗證整合建模）是一種有時用於模擬空間填充 DOE 的方法
@Victor_G - 實驗設計和機器學習應用於工業實驗|統計論文 (springer.com)
實驗設計和機器學習應用於工業實驗
統計論文 - 在產品創新的背景下，在實驗設計 (DOE) 的支持下使用機器學習 (ML) 模型已成為一種新興趨勢。該論文首先旨在...
設計選擇和機器學習模型性能 - Arboretti - 2022 - Quality and Reliability Engineering International - Wiley Online Library
@Paul_J - JMP“最佳”設計可以基於機械模型嗎？
@maria_astals - 空間填充設計： https://www.jmp.com/support/help/en/18.0/index.shtml#page/jmp/overview-of-spacefilling-designs.shtml
@Victor_G - 混合設計支援向量機分析的空間填充設計範例： https://community.jmp.com/t5/Online-Abstracts/Synergy-Between-Design-of-Experiments-and-Machine-Learning-對於/ec -p/708147#M2
影片 5：對包含整區的 DoE 結果進行建模，尤其是添加到整區效應中的隨機誤差。 - Drejc Kopač ( @ruskicar )
