软件功能
一、图形大大升级，更快速地获得了实验结果的图片
1、多重图形视图(因素分析器)：从输入变量并排的效果看出它们的相对影响。
2、数值优化中的所有回应选择：将各个最佳结果与整体的可取性并列比较，以便从性能的高峰获得完整的视图。
二、用户界面更加引人入胜
1、设计向导为不太复杂的用户提供指导：如果您不确定从哪里开始实验，请仔细阅读这一系列的问题以获得答案。
2、在设计布局中使用新的查看器工具箱展开“撤消/重做”选项：哎呀，输入的号码不正确，但现在没有问题：按下撤消按钮可以取消一切。
三、计算能力大大提高
1、64位版本现在可用：充分利用内置在CPU中的技术，以便更快的性能进行统计计算，渲染图形等。
2、数学引擎进行了更快的计算：为什么需要等待?
3、最佳构建现在并行运行，使其快3到17倍。
4、设计不再限于32K的运行：这样可以通过计算机模拟或机器人设备实现非常大的实验。
四、许多设计添加和更多功能
1、响应面和组合(混合过程)设计的最佳分割图：当某些因素不容易随机化时，将其做得更加容易，例如，首先通过批次(硬)混合蛋糕，然后以不同的方式烘烤温度(硬)不同时间(容易)。
2、阻止最终筛选设计(DSD)：DSD提供了快速优化的轨迹(因此在v10中它们在响应面选项卡上提供) - 这些新发现的设计现在更好，可以将其分解成块。
3、限制性随机中央复合设计(CCD)：将这种试验和真实的响应面法(RSM)设计转换为分裂图，从而可以处理难以改变的因素。
4、组合设计的历史数据选择：利用设计专家评估，模型拟合，统计，诊断，绘图和数值优化中的所有工具，查看在您的事件数据集合中是否可以找到最佳位置，即使它包括过程因素和混合组分。
5、电源和样品量计算器在构建期间的二项式响应：设计一个具有足够运行的实验，以确保您不会忽视重要的发现。
五、建模工具增压
1、确定筛选设计(DSD)移动到响应面选项卡，可以将其作为二次建模的过饱和矩阵进行分析：DSD通过优化提供了筛选的潜在快捷方式，因此这是一个放置它们的好地方Design-Expert功能强大的回归建模工具。
2、AICc，BIC和算法选择中调整的R平方标准：利用统计学家开发的优化产生更好的预测模型。
3、用于选择标准和选择方法的自动模型选择工具：让设计专家根据您进行的实验类型，确定最佳方法。
软件特色
1、泊松回归
带有计数数据的响应（例如0、1、2、3、4，...）将在“配置”选项卡上具有“泊松回归”选项。与使用平方根变换相反，这提供了更精确的拟合和模型系数的直接解释。
2、多重分析
现在，您可以为一个响应创建多个分析。尝试不同的模型或不同的转换，而不必覆盖其他分析或重复响应列。
3、修改设计空间向导
修改设计空间”向导提供了逐步说明，以移动，扩展或缩小现有设计空间。然后将添加运行，以对新的或修改的空间进行最佳分析。
4、设计增强
现在，“约束”节点允许您在构建设计之后修改现有约束。以前，需要重新设计以修改这些约束。
使用“导入数据集”选项可以更轻松地导入数据。您只需要粘贴数据并表示每列的属性即可。从数据中推算出因子编码。
现在，您可以通过右键单击列标题来舍入因子值。对于非混合因子，您可以四舍五入为十进制或有效数字。由于等式约束，混合分量只能四舍五入到多个有效数字。
5、图表
因子工具中的新选项卡使您可以同时控制多个图形。滑动量规以获取因数会更新该因数不在轴上的所有可见图形。
design expert使用教程
创建设计
1、输入缺少的数据
留空；仅当零代表真实结果时才使用“0”。
响应列中仅允许数字数据。
2、设计变更
右键单击因子列标题并选择“编辑信息”，可以更改设计布局屏幕上的许多内容。
右键单击行标题可删除运行或将其状态更改为忽略，突出显示或验证。
如果需要更改设计的创建方式，通常最容易重建设计。单击文件，新建设计，然后在“使用以前的设计信息？”上单击是。对话。这样做会保留所有因子名称和水平以及响应名称。进行必要的更改并重新构建，而无需重新键入所有内容。
如果仅调整因子名称和数字因子限制，请使用“设计版面”屏幕中的“列信息表”视图。
3、无法运行因子水平的一种组合
如果只有一种组合很难执行或无法执行，则可以将其用尽，然后将其视为丢失的数据。另一种选择是构建仅包含可能组合的候选集并构建最佳设计。如果两个因素的特定组合不能成为设计的一部分，请合并因素。您会失去互动，但仍可以测试组合之间的差异（效果）。如果排除的组合仅涉及数字因素，则最佳设计也可以应用约束。
4、混乱的编码水平
如果设计中的因子设置被替换为实验中使用的实质上不同的设置，则可能会发生这种情况。
按着这些次序：
右键单击混乱的因子列标题
从列表中选择“重新编码”选项。
在对话框中单击“是”。
对其他混乱因素重复上述步骤。
不幸的是，这种技巧不适用于混合物。复制当前数据集，重建设计以匹配真实的组件范围，然后将数据集粘贴到“新”设计中。
5、计划两因素实验
如果实验仅包含一个或两个因素，则必须重复。当所有两个因素组合的结果每次仅收集一次时，则没有足够的信息（自由度）来测试所有效果。可以估计效果（系数，但没有p值），但是效果基于可能的最小样本量。
双因素设计的一个单独的附加复制足以允许估计p值。更多设计复制将有助于进一步提高设计能力。
该建议适用于仅具有两个因素的两级和多级分类设计。
6、多级分类设计上运行过多
多级分类设计提供的设计具有因子处理的所有可能组合。当因子具有多个水平或存在大量因子时，运行太多，无法进行有效的实验。
最佳设计是将组合减少到仅适合合理模型所需组合的正确方法。默认情况下，最佳因子设计是针对两因素交互模型设计的。通过省去估计三因子和更高阶相互作用的能力，可以节省许多运行。
在具有分类因素的设计中，每个处理必须至少使用一次。如果最佳设计仍然太大，则需要从设计中删除一些处理方法和/或级别以适合您的预算。
7、我需要几个级别？
使用数值因子时，假定真实的响应面是整个感兴趣区域的连续函数。连续函数可以通过泰勒多项式近似。所需的级别数取决于您认为最能代表真实响应曲面形状的多项式的阶数。如果您认为响应面的形状是丘陵，山谷，山脊或马鞍形，那么二次模型仅需要三个级别（极低，极高和中间）。如果您认为曲面是波浪形的，则三次函数需要四个级别。默认情况下，这些级别在测试范围内是均匀间隔的，但不需要均匀间隔。
级别越高，分析就可以适合更高阶的多项式模型。如果不需要对数据趋势建模使用高阶多项式，则更多的层次将无法帮助拟合正确的模型。最佳的RSM设计包括缺乏拟合点，这超出了拟合模型所需的水平。这提供了检查以确保模型适合整个感兴趣的区域。
设计的实验用于使模型适合数据。几个响应的模型被组合以优化过程。设计的实验不打算用于蛮力方法，在该方法中测试了许多可能的组合并选择了获胜者。
除非构建局限于离散因素或分类因素，否则最佳设计的每个因素可能具有比实际需要更多的层次，但是设计中只会选择这些层次的少数几个组合。
8、拟合多项式的最小级别数
