Design-Expert专题讲座(2013-4-19).ppt

效应面优化法(Response Surface Methodology, RSM)是集数学和统计学方法于一体的实验设计，首先通过描绘效应对考察因素的效应面，然后从效应面上选择较佳的效应区，从而最终回推出自变量取值范围，即最佳实验条件的优化法。 以CCD为例说明Design-Expert的使用，实验数据来源于：星点设计-效应面法优化叶黄素提取工艺（赵洁，李超鹏，尹俊涛，陈文. 食品科技，2011，36(9): 234-237。 表1 因素、水平代码值及实际操作物理量 将响应曲面图和等高线图导入WORD 选择 Optimization下的Numerical，由RSM预测最优值 确定各因素的 取值范围 确定响应值的目标（最大值、最小值、目标值、范围值），本实验选择Maximize 1.低值取默认值，高值项中输入一个尽可能大的无法达到的值 2.点击Solutions 选项卡 第一个方案即为各因素取最优值后的响应所能取到的最大值 多元线性拟合结果： Y=0.407+0.012X1+0.082X2，R=0.6651 二项式拟合结果： Y=-0.817+0.0229X1+ 0.585X2-0.00203X1X2-0.0467X22,R=0.9382 模型拟合 工艺验证 10.49 1.160 1.296 5.7 26 X2/mL X1/min 偏差/% 实测值/% 预测值/% 因素 邱颖, 朱玲, 孙晓英. 星点设计-效应面优化法与正交设计和均匀设计的比较及其在药剂研究中的应用 [J]. 海峡药学, 2011, 23(2): 18-19. 刘艳杰, 项荣武. 星点设计效应面法在药学试验设计中的应用 [J] [J]. 中国现代应用药学, 2007, 24(6): 455-457. 3.吴伟, 崔光华. 星点设计—效应面优化法及其在药学中的应用 [J]. 国外医学: 药学分册, 2000, 27(5): 292-298. 4.徐向宏，何明珠.试验设计与Design-Expert、SPSS应用[M].北京：科学出版社，2010. 参考文献及著作 combined：组合设计，结合过程变量，混合各组成和分类的因素 Mixture：配方设计，找到最佳配方 Factorial：因子设计，屏蔽无关因素，指出重要因素 Response Surface：星点设计，达到最佳性能 1.第一个表：多种模型方差分析情况：线性模型vs平均模型、双因素 vs 线性模型、二次方程vs 双因素、三次方程vs二次方程剩余及残差；平方和、自由度、均方、F值、概率F 2.第二个表：R2综合分析：线性模型、双因素、二次方程、三次方程；标准偏差、R2、R2校正值、R2 预测值；aliased:较差 1.析因设计：实验所有因素的所有水平组合都被研究到，只适用于因素水平数较少的情况。结果分析：采用软件SPSS ，进行方差分析 2.正交设计：只宜于用于水平数不多的试验中，结果分析 ：极差大小和方差分析：推荐软件：正交设计助手I 3.均匀设计：可以很好适用于多因素、水平数较多的情况，结果分析：推荐软件：均匀设计 4. 均匀设计和正交设计是基于线性模型的设计, 不适于二次以上多项式模型。 Company Logo 星点设计-效应面优化法 主讲人：郭亚可 2013-4-19 析因设计 正交设计 设计方法 优点：考察全面 缺点：实验次数太多 优点：均匀分散、整齐可比 缺点：精度不够、预测性差 优点：精度高 预测性强 优点：均匀分散 缺点：精度不够 预测性差 星点设计 均匀设计 表1 因素、水平代码值及实际操作物理量 1 2 3 1. 筛选：单因素考察、正交设计或均匀设计； 2.设计: CCD法(Central Composite Design)或 BBD法(Box-Behnken Design) 对模型进行多元线性和多项式拟合， 通过复相关系(R2)和P进行评判。 (SAS、SPSS、Statistica和Design Expert) 1.画三维效应面和二维等高线图； （Minitab和Origin ） 2.选取最优工艺，进行工艺验证 实验设计 模型拟合 优化工艺 析因设计部分：2k或2k×1/2，k是因素数 星点部分：star point, axial point 为各因素的极值水平　 中心点 x1 －1 +? +1 0 －? (??,0,…,0) (0, ??, …,0) (0,0,…, ?? ) x1 x2 … xk ?? 0 …