JMP 的自定义设计平台允许实验人员通过构建最优设计来创建满足其特定实验需求的定制设计。自定义设计器使用坐标交换算法，通过最大化多个最优性准则之一来生成最优设计。坐标交换算法通过在每个因子和运行指定的区域内选择随机值来构建初始设计。找到的设计只是局部最优的，因此需要重复多次坐标交换算法以提高找到全局最优设计的概率。自定义设计会提供在所有构建的设计中最大化最优性准则的设计。
最优性准则包括：
可以在自定义设计中的红色三角形下方指定最优性标准。
推荐的（默认的）最优性准则如下：
| 定制设计中指定的型号 |
默认最优性准则 |
| 使用 RSM 按钮的完整二次模型 |
I-最优性 |
| 通过交互按钮添加包含双因素交互作用的模型 |
A-最优性 |
| 在其他所有情况下 |
D-最优性 |
设计的目标在于解释所使用的默认最优性准则，以及何时从默认最优性准则更改为其他最优性准则（例如别名最优性准则）。
从宏观角度来看，实验设计有两个目标：识别有效效应（筛选）和优化响应（预测）。一阶模型（主效应模型）用于在筛选设计中识别有效效应。D-optimal 方法侧重于最小化系数误差，因此非常适合用于识别有效效应。
在优化工艺流程的操作参数时，如果响应预测优先于精确的参数估计，则可以使用二阶模型（主效应加上二次项和双向交互项）。I-optimal 指标用于解决预测方差问题，因此是使用 RSM 按钮在自定义设计中定义模型时，推荐的（默认）二阶模型最优性准则。
| 最优性准则 |
实验设计的目标 |
实际目标 |
| I-最优 |
最小化预测方差 |
准确预测 |
| D-最优 |
最小化系数误差 |
理解因素关系 |
| 最优 |
对模型的不同部分进行加权 |
理解各因素之间的关系，重点关注特定因素。 |
| 别名最优性 |
消除主效应 (ME) 与双因素交互作用 (2FI) 的相关性。 |
了解因子关系，其中 ME 不受可能存在的大型活性 2-FI 的影响 |
以下示例展示了如何在自定义设计中指定和确定最优性标准：
