大家好，
我写信是为了寻求一些建议，关于如何设计一个实验来优化一个比较复杂的化学反应。具体内容如下：
底物（1.0 当量）与两种试剂 RA 和 RB 的混合物发生反应。
RA和RB的总量始终为0.5当量。
在这两种反应物的混合物中，RA 和 RB 的比例是变化的。
RA 的范围为 38% 至 62%，RB 的范围也为 38% 至 62%。
该反应由两种催化剂 CatX 和 CatY 的混合物催化。
催化剂总量从0.1到0.5当量不等。
两种催化剂混合物中 CatX 和 CatY 的比例有所不同。
CatX 的范围是 0 到 100%，CatY 的范围是 0 到 100%。
反应时间是一个在 6 至 24 小时内进行研究的连续因素。
实验设计的目标是最大限度地提高底物转化为反应产物的转化率。
最初，我尝试使用 JMP 18 的定制设计平台来定义混合过程设计。
我如何告诉 JMP RA + RB 构成一种混合物而 CatX + CatY 构成另一种混合物？
事实上，如果没有做出这一规定，JMP 会将这四种化合物视为单一混合物的四种成分。
我尝试指定线性约束，但没有成功。
在这种情况下，模型中应包括哪些效应才能获得响应曲面设计？
在第二次尝试中，我简化了问题，将 RA 的比例视为一个从 38% 到 62% 的连续因子，且未指定 RB。同样，我将 CatX 的比例视为一个从 0 到 100% 的连续因子，且未指定 CatY。虽然 RB 和 CatY 没有出现在表中，但我知道：
RB = 1 - RA
CatY = 1 - CatX。
在这种情况下，我考虑包括主要效应、交互效应和二次效应以获得响应曲面设计。
一种方法是否比另一种方法更好？
如果以催化剂总量作为一个因素，以催化剂的比例作为另一个因素，这会有问题吗？
感谢您的帮助。
你好@Kyle_Katarn
我认为第二种方法应该效果最好（并且更简单），因为一些原材料将是完全相关的（试剂浓度和催化剂比例）。
如果您希望“独立地”优化试剂和催化剂的比例（您不研究试剂与催化剂的比例），那么您可能不需要混合设计：RA 的数量可以通过 RB 的数量确定（反之亦然），催化剂的情况相同。
- 对于试剂，只需要一个连续因子，例如数量RA，水平从0.19eq到0.31eq（38%到62%的比例应用于试剂总量：0.5eq）。其他试剂的数量可以根据这个因子水平推断出来。
- 对于催化剂，如果您也改变总量，则需要两个连续因子，一个表示单一催化剂的比例，例如 CatX从 0 到 1，另一个表示催化剂的总量，从 0.1 到 0.5eq。
就您而言，时间真的是一个可控因素吗？
愿原力与你同在，
谢谢您的帮助和建议。
直接使用 RA 的当量数作为连续因子而不是比例是一个好主意。
是的，时间是一个可控因素。我们会在指定时间采集样本并进行分析，以测量转化率。
我将比较 Box-Behnken 和 Face-Centred 中心复合设计，以确定哪个更合适。
愿原力与我们同在。
你好@Kyle_Katarn ，
好的，听起来不错。
如果您仍在寻找 Box-Benhken、中心复合设计和自定义 I-Optimal RSM 设计之间的比较分析和讨论，论坛中已经有一些讨论可供参考：
确定 Alph ：Box-Behnken 与 CCD 的比较。
具有 2 个连续和 1 个离散（2 个级别）因素的优化任务：关于使用自定义与经典 RSM 设计的建议。
为什么定制设计 RSM 中没有星点：根据星点位置（轴值）对 CCD 设计进行比较评估。
在自定义设计中将轴值指定为可旋转：如何更改自定义 I 最优 RSM 设计的默认（-1/+1）轴值。
希望这些讨论能对你有所帮助，
“再见，老朋友”
感谢您的链接！
确定哪种设计更合适并不总是那么容易。因此，阅读关于它们各自优缺点的不同观点会很有趣。
