混料設計 DOE 分析你好，
我最初有一個包含 3 個因子和 6 次運行的混合設計來執行我的實驗，在執行實驗之前我想知道我的設計是否有效？我使用了 I 最佳標準，並進行了 6 次沒有中心點的運行，在 2 個級別中有 3 個混合因子
實驗設計回覆：混料設計 DOE 分析嗨@Statexplorer ，
由於沒有提供足夠的資訊或上下文，可能很難回答您。
但基於有限的信息，我可能還有一些疑問和討論。
在與您相同的條件下重新創建設計，您似乎只假設了一個主效應模型：
- 您此設計的目標是什麼？
- 您的系統複雜度是多少？為什麼您為具有很少因素的混合設計假設如此簡單的模型 (3) ？您將無法使用此設定評估因素的混合（每個實驗僅涉及 1 個因素），因此您可能會錯過良好的組件組合，因為您沒有研究混合物。
- 我對 I 最優性的使用也感到有點驚訝，因為您假設模型僅具有主效應。這裡的最優標準不會改變任何東西，無論你的設定的最優標準如何，你最終都會得到相同/相似的設計。
我建議嘗試其他混合設計模型，具體取決於假設的複雜性和您的實驗預算：
- 使用自訂設計並指定 2 因素交互作用，您最終會得到包含最多 2 個組件的混合物，預設建議運行次數為 12（最少運行 6 次）：
- 如果您對混合因子的範圍沒有限制，我還建議嘗試和比較經典的混合設計： 混合設計類型的範例
- 通常， Simplex Centroïd 設計是一個有趣的選擇，它提供至少7 次運行（您可以添加重複運行）、三個具有1 個組分的實驗、三個2 個組分的混合物以及一個具有3 個組分的中心點：
- 另一個有趣的選項是使用增強單純形質心（可透過「 ABCD 設計」選項獲得），它提供與單純形質心設計相同的點，並添加對應於具有 3 個組分的混合物的 3 個點。您可以使用這 3 個添加點作為 Simplex Centroïd 設計和相關模型（主效應和 2 因子交互作用）的驗證點，和/或使用它們來更精確地估計模型參數：
- 最後，如果您想均勻地探索您的實驗空間而不假設特定模型，您也可以嘗試空間填充混合設計或單純形格子設計。然而，為了提高效率，這些設計通常需要比基於模型的設計更多的運行次數：對於空間填充，JMP 建議每個因子運行 10 次（但您可以根據需要調整運行總數），對於單純形針對3 個混合因子的晶格設計，JMP 建議運行21 次。大量的運作和良好的實驗空間覆蓋有助於使用靈活的模型，例如機器學習模型。
希望這幾點對你有幫助
回覆：混料設計 DOE 分析嗨，維克多，感謝您的回复，
目的是篩選來自不同供應商的不同批次的物料，我們可以將物料數量以百分比表示，加起來應該是100。
沒有預算限制，因為這將是我這邊的第一個 DoE，我想從更少的實驗開始，我已經考慮了所有具有 2 個重複的雙向交互作用，並且沒有具有最佳標準的中心點。
我給的所有 2FI 如果可能的話，它可以包含在模型中
我認為我是最佳的，因為有人告訴我，我是混合設計的最佳標準。
由於這是第一個 DOE，我考慮了很少的實驗來檢查是否發生任何錯誤
回覆：混料設計 DOE 分析你好，我們又見面了，
既然你提到了對供應商不同批次的篩選，我想知道你是否真的處於只有混合物設計的情況？聽起來您可以使用因子設計（如果一次只有一批原材料）或定制設計（以在存在不同批次的情況下啟用混合物）。
我不明白你的設計因素以及原材料和批次之間的聯繫是什麼。您也可以分享一個匿名設計表以更好地了解您的設計設定嗎？
您能否提供更多資訊？ ：
- 你們的配方中是否有 3 種原料（加起來為 100%），每種 RM 都有多個批次選項？
- 比率/相對數量是否相似，或者它們之間是否有很大差異（例如 A+B 代表配方的 98-99%，C 代表剩餘部分？）？
- 您需要篩選多少批次？你如何選擇它們？與您可能從供應商收到的批次總體相比，這個小批次子集的代表性如何？
希望我的問題與您的主題有意義，
回覆：混料設計 DOE 分析你好維克多
- 你們的配方中是否有 3 種原料（加起來為 100%），每種 RM 都有多個批次選項？ RM 從不同供應商收到了 5 至 6 批
- 比率/相對數量是否相似，或者它們之間是否有很大差異（例如 A+B 代表配方的 98-99%，C 代表剩餘部分？）？
- 您需要篩選多少批次？ - 基於其良好的結果
回覆：混料設計 DOE 分析
