JMP 的自訂設計平台可讓實驗人員透過建立最優設計來創建滿足其特定實驗需求的客製化設計。自訂設計器使用座標交換演算法，透過最大化多個最優性準則之一來產生最優設計。座標交換演算法透過在每個因子和運行指定的區域內選擇隨機值來建立初始設計。找到的設計只是局部最優的，因此需要重複多次座標交換演算法以提高找到全局最優設計的機率。自訂設計會提供在所有建置的設計中最大化最優性準則的設計。
最優性準則包括：
可以在自訂設計中的紅色三角形下方指定最優性標準。
建議的（預設的）最優性準則如下：
| 客製化設計中指定的型號 |
預設最優性準則 |
| 使用 RSM 按鈕的完整二次模型 |
I-最優性 |
| 透過互動按鈕新增包含雙因素交互作用的模型 |
A-最優性 |
| 在其他所有情況下 |
D-最優性 |
設計的目標在於解釋所使用的預設最優性準則，以及何時從預設最優性準則變更為其他最優性準則（例如別名最優性準則）。
從宏觀角度來看，實驗設計有兩個目標：辨識有效效應（篩選）和最佳化反應（預測）。一階模型（主效應模型）用於在篩選設計中識別有效效應。 D-optimal 方法著重於最小化係數誤差，因此非常適合用於識別有效效應。
在優化製程流程的操作參數時，如果響應預測優先於精確的參數估計，則可以使用二階模型（主效應加上二次項和雙向交互項）。 I-optimal 指標用於解決預測變異數問題，因此是使用 RSM 按鈕在自訂設計中定義模型時，建議的（預設）二階模型最適性準則。
| 最優性準則 |
實驗設計的目標 |
實際目標 |
| I-最優 |
最小化預測方差 |
準確預測 |
| D-最優 |
最小化係數誤差 |
理解因素關係 |
| 最優 |
將模型的不同部分加權 |
理解各因素之間的關係，並著重在特定因素。 |
| 別名最優性 |
消除主效果 (ME) 與雙因子交互作用 (2FI) 的相關性。 |
了解因子關係，其中 ME 不受可能存在的大型活性 2-FI 的影響 |
以下範例展示如何在自訂設計中指定和確定最優性標準：
