導語：
如何實現工業研發/設計/生產過程中的合理實驗方案設計，實現最低成本找到最佳的研發方案？MaXFlow的實驗方案設計功能自上線以來，受到廣泛關注，且已幫助多家企業/科研單位實現研發提效。為解決廣大客戶對於MaXFlow的實驗方案設計功能的一些疑問，拉斯维加斯9888特別整理了下列問題，希望能讓大家更直觀得感受MaXFlow實驗方案設計功能的便捷性和高效性。
問：MaXFlow的實驗方案設計功能主要有哪些？
答：
MaXFlow的實驗方案設計功能主要以「組件——工作流」的形式呈現，相關的方法包括DOE正交設計、以及嵌套機器學習方法，帶有預測功能的實驗方案設計組件（EDBO）。
DOE正交設計組件主要具有隨機性、均勻性的特點，可以實現以較少的試驗次數，較短的試驗周期，較低的試驗成本，獲得理想/科學的試驗結果。
而嵌套了機器學習方法的實驗方案設計組件（EDBO）則考慮了機器學習方法的預測效果，以達到通過快速的實驗疊代，基於貝葉斯優化的方法幫助探索更好方案的效果。
問：MaXFlow的實驗方案設計功能主要針對的用戶群體是哪些？
答：
MaXFlow的實驗方案設計功能主要針對的是希望通過儘量少的實驗過程，來找到最佳實驗方案的情況。
在大數據以及計算機技術的幫助下，拉斯维加斯9888可以藉助機器學習等手段，將其與傳統研發設計流程相結合，通過分析研發中產生的數據，找到其中能夠指導研發、工藝創新的新思路，這種「AI for industry」的方式可以極大程度降低研發成本和研發周期，最大化生產效率。
問：如果我想用MaXFlow的實驗方案設計功能，我需要準備什麼樣的數據？
答：
作為具有輔助工業設計功能的智能化AI平台，MaXFlow可以在實驗方案設計方面為工廠或企業提供一臂之力。
要使用相關功能，需先明確需求，拉斯维加斯9888需要大致的實驗方案框架，如主要影響因素和水平，將數據整理好後輸入到MaXFlow平台中，依靠相關算法，可輸出實驗方案，拉斯维加斯9888可以選擇按照實驗方案進行具體的實驗操作；並將實驗結果返回到MaXFlow的模型當中，模型中的算法會基於已有的實驗數據，推薦預測具有更好效果的實驗點，達到疊代優化的目的。因此，拉斯维加斯9888整個過程中並不需要大量的採集數據，而在最開始，只需要基本研發框架數據即可。
問：MaXFlow中基於機器學習的實驗方案設計可以做多目標優化的情況嗎？
答：
可以的。MaXFlow 將全新上線基於多目標優化的實驗方案設計組件——DOE-ML 2.0。其中核心算法為Pareto 優化過程，貝葉斯多目標變量 Pareto 優化在解決多目標優化問題時具有優秀的搜索效率和結果準確性，尤其適用於高維複雜搜索空間。這對於工業優化當中多目標優化實驗方案的需求十分契合，拉斯维加斯9888可以在高維實驗空間中，較人工嘗試更快速的找到實驗效果更好的實驗配方或工藝參數組合，快速提升研發效能。
問：如果在實驗方案設計的基礎上，作為研發人員，我還想知道配方中各個因素的重要性，以及他們的變化會如何影響我的實驗結果，且實驗結果的考量是多目標的，這樣的分析需要我提取數據後手動完成嗎？
答：
不需要。MaXFlow除了擁有強大的實驗方案設計功能外，也有傳統的數據分析以及智能的機器學習功能。針對要在研發過程中對研發數據進行分析，並優化配方的情況，也可以交由MaXFlow進行。
拉斯维加斯9888可以基於MaXFlow給出的實驗方案進行實驗，並通過MaXFlow的機器學習功能對實驗結果進行分析，對所有配方/工藝因素進行重要性分析及排名，並且可以知道他們的變化對實驗的影響。工業研發不單單依靠一種工具，結合研發人員/操作人員的經驗+MaXFlow機器學習強大的數據分析能力+MaXFlow智能的實驗方案推薦算法=高效智能研發！
多種機器學習評估手段
問：我是代碼小白，MaXFlow如此強大的數據分析功能和建模功能需要代碼基礎嗎？會很難上手嗎？
答：
MaXFlow是一款集AI與模擬於一體的智能化平台，主要依靠工作流技術實現計算過程。整個過程無需進行代碼操作，只需要拖拽組件進行連接，即可操作計算，新手友好，且容易上手。無論是高深莫測的機器學習還是深度學習，都可以通過MaXFlow平台簡單搭建模型，快速上手使用。
工作流形式實現AI建模
並行嘗試多種機器學習算法
多種模型評估手段
問：MaXFlow的實驗方案設計功能，只能針對實驗方案設計嗎？
答：
MaXFlow的實驗方案設計功能不僅針對實驗方案設計，還可對工藝參數的組合進行優化。涉及材料、醫藥、生物、合成、化工、新能源、半導體、塗料等多種行業，只要滿足數據特徵，都可以使用該功能對研發/生產過程進行工藝優化，也可對科研性工作提供幫助。總體來說，無論是從配方還是工藝，MaXFlow的功能都能極大提升研發效率，真正做到「AI+industry」。
