1.
|
选择实验设计 > 经典 > 混料设计。
|
图 13.12 五个因子的范围
4.
|
图 13.13 极端顶点设计示例的“显示和修改”面板
6.
|
在“选择所需的样本大小”框中输入 10,然后点击查找子集来生成设计。
|
注意:查找子集选项使用行交换方法(不是坐标交换)来查找最佳行子集。
图 13.14 试验次数为 10 的最优极端顶点设计
7.
|
点击制表。
|
8.
|
从设计表中,选择图形 >三元图。
|
9.
|
图 13.15 五因子设计的三元图的部分输出
1.
|
选择实验设计 > 经典 > 混料设计。
|
2.
|
图 13.16 Snee 和 Piepel 示例的值和线性约束
4.
|
点击极端顶点设计按钮。
|
5.
|
点击制表。
|
6.
|
从设计表,选择图形 > 三元图。
|
7.
|
图 13.17 显示带有约束的 Piepel 示例的三元图
若存在线性约束,JMP 使用 R.E. Wheeler 开发的 CONSIM 算法,该算法在 Snee (1979) 中进行了说明,由 Piepel (1988) 作为 CONVRT 提供。该方法在 Cornell (1990, Appendix 10a) 中也有说明。方法中结合了约束和检查,以查看顶点是否与它们冲突。若冲突,它会删除顶点并计算新顶点。用来计算重心点的名为 CONAEV 的方法是由 Piepel (1988) 提出的。
若不存在线性约束(只有范围约束),则会使用 Snee and Marquardt (1974) 以及 Snee (1975) 开发的 XVERT 方法构造极端顶点设计。找到顶点之后,单纯形重心设计方法会生成直到指定阶数的顶点组合。
XVERT 方法首先使用具有最小范围的 nf – 1 个因子的给定低值和高值创建完整的 2nf – 1 设计。然后,它根据因子值总和必须为 1 的限制计算剔除的一个因子的值。它保留不在因子范围之内的点。若不在范围之内,该方法会增大或减小该值使其位于范围之内,并且相应地让其他每个因子的值减小或增大相同的量。该方法使这些点仍满足最初的限制。
上述算法可在因子约束定义的单纯形中创建可行域的顶点。不过,Snee (1975) 已证明具有可行域的边和面的重心也会很有用。可行域的广义 n 维面通过 nf – n 条边界来定义,而面的重心通过落在面上的顶点的平均值来定义。该算法生成边界条件的所有可能组合,然后对第一步生成的顶点取平均值。