响应表面试验设计方法及MINITAB优化(CCD_BBD)程序.ppt

响应表面试验设计及MINITAB优化CCD BBD 什么是RSM？ 适用范围 方法分类 一般步骤 基本概念 立方点(cube point) 轴向点(axial point) 中心点(center point) 区组(block) 序贯试验（顺序试验） 旋转性(rotatable)设计 α的选取 中心点的个数选择 但有时认为，这样做的试验次数多，代价太大， Nc其实取2以上也可以；如果中心点的选取主要是为了估计试验误差， Nc取4以上也够了。 总之，当时间和资源条件都允许时，应尽可能按推荐的Nc个数去安排试验，设计结果和推测出的最佳点都比较可信。实在需要减少试验次数时，中心点至少也要2-5次。 6.2.3 Box-Behnken试验设计 特点 6.2.4 分析响应曲面设计的一般步骤 6.2.5 用MINITAB实现响应曲面设计 生成响应曲面设计表 编码值与实际值 分析响应曲面设计 线性回归结果 非线性回归结果 指标最优化 例6.2-1 大豆施肥量最优化设计 6.2.5 选择优化设计(Select Optimal Design) Term Coef(coded) SE Coef T P Coef(uncoded) Constant 10.4623 0.4062 25.756 0.000 12.4512 A -0.5738 0.2695 -2.129 0.059 0.9626 B 0.1834 0.2695 0.680 0.512 -2.2841 C 0.4555 0.2695 1.690 0.122 -1.4794 A*A -0.6764 0.2624 -2.578 0.027 -0.2676 B*B 0.5628 0.2624 2.145 0.058 1.1164 C*C -0.2734 0.2624 -1.042 0.322 -0.2388 A*B -0.6775 0.3521 -1.924 0.083 -0.6001 A*C 1.1825 0.3521 3.358 0.007 0.6951 B*C 0.2325 0.3521 0.660 0.524 0.3060 输出结果：二次多项式回归系数及显著性检验 对因素实际值的回归系数 P值大的项不显著 对编码值的回归系数 Term Coef(coded) SE Coef T P Coef(uncoded) Constant 10.2386 0.3379 30.303 0.000 12.6189 A -0.5738 0.2641 -2.173 0.051 0.8848 B 0.1834 0.2641 0.694 0.501 -1.7352 C 0.4555 0.2641 1.725 0.110 -2.0904 A*A -0.6493 0.2558 -2.538 0.026 -0.2568 B*B 0.5899 0.2558 2.306 0.040 1.1702 A*B -0.6775 0.3450 -1.964 0.073 -0.6001 A*C 1.1825 0.3450 3.427 0.005 0.6951 输出结果：剔除C× C和B× C后二次多项式回归系数及显著性检验 这两个二次项回归系数有很小的改变，这是由于旋转设计只具有近似正交性 目标是最大值 下限设为10 目标值设为20 因子最优水平值 最优预测值 在研究大豆产量Y的试验中，考虑氮肥A、磷肥B、钾肥C这三种肥料的施肥量。每个因素取两个基本水平，采用中心复合试验，其中： 氮肥的编码值-1和+1对应的实际值是2.03和5.21; 磷肥的编码值-1和+1对应的实际值是1.07和2.49; 钾肥的编码值-1和+1对应的实际值是1.35和3.49; * * 响应曲面设计方法(Re