太多的路径你好，
我做过几次实验设计 (DOE)，但一个反复出现的挑战是所需的试验次数太多。例如，当使用包含 7 次实验的筛选设计时，我们通常每次运行测试 4 到 6 次重复实验来评估可重复性。这意味着每个 DOE 总共需要进行 28 到 42 次试验。
然而，在进行所有这些试验之后，模型性能往往不尽如人意——R² 值在 0.35 到 0.65 之间。此外，由于置信区间过宽且参数估计不一致，我们很难找到一个可靠或可重复的模型。在许多情况下，即使在受控条件下在同一测试的两个不同区域收集 Y 值数据，模型也缺乏一致性，无法提供结论性的见解。
这越来越令人沮丧。我们如何才能有效地解决这个问题，减少浪费的努力，同时提高模型的可靠性？
实验设计
