响应表面试验设计及MINITAB优化.pptxVIP

响应表面试验设计及MINITAB优化CCD BBD 响应曲面设计方法(Response Surface Methodology，RSM)是利用合理的试验设计方法并通过实验得到一定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的一种统计方法。 什么是RSM？ 1 概述 确信或怀疑因素对指标存在非线性影响； 因素个数2-7个，一般不超过4个； 所有因素均为计量值数据； 试验区域已接近最优区域； 基于2水平的全因子正交试验。 适用范围 中心复合试验设计 (central composite design，CCD)； Box-Behnken试验设计； 方法分类 确定因素及水平，注意水平数为2，因素数一般不超过4个，因素均为计量数据； 创建“中心复合”或“Box-Behnken”设计； 确定试验运行顺序(Display Design)； 进行试验并收集数据； 分析试验数据； 优化因素的设置水平。 一般步骤 立方点 轴向点 中心点 区组 序贯试验 旋转性 基本概念 2 中心复合试验设计 立方点(cube point) 立方点，也称立方体点、角点，即2水平对应的“-1”和“+1”点。各点坐标皆为+1或-1。在k个因素的情况下，共有2k个立方点 轴向点(axial point) 轴向点，又称始点、星号点，分布在轴向上。除一个坐标为+α或-α外，其余坐标皆为0。在k个因素的情况下，共有2k个轴向点。 中心点(center point) 中心点，亦即设计中心，表示在图上，坐标皆为0。 三因素下的立方点、轴向点和中心点 区组(block) 也叫块。设计包含正交模块，正交模块可以允许独立评估模型中的各项及模块影响，并使误差最小化。 但由于把区组也作为一个因素来安排，增加了分析的复杂程度。 序贯试验（顺序试验） 先后分几段完成试验，前次试验设计的点上做过的试验结果，在后续的试验设计中继续有用。 旋转性(rotatable)设计 旋转设计具有在设计中心等距点上预测方差恒定的性质，这改善了预测精度。 α的选取 在α的选取上可以有多种出发点，旋转性是个很有意义的考虑。在k个因素的情况下，应取 α = 2 k/4 当k=2， α =1.414；当k=3， α =1.682；当k=4， α =2.000；当k=5， α =2.378 按上述公式选定的α值来安排中心复合试验设计(CCD)是最典型的情形，它可以实现试验的序贯性，这种CCD设计特称中心复合序贯设计(central composite circumscribed design,CCC)，它是CCD中最常用的一种。 如果要求进行CCD设计，但又希望试验水平安排不超过立方体边界，可以将轴向点设置为+1及-1，则计算机会自动将原CCD缩小到整个立方体内，这种设计也称为中心复合有界设计(central composite inscribed design,CCI)。 这种设计失去了序贯性，前一次在立方点上已经做过的试验结果，在后续的CCI设计中不能继续使用。 对于α值选取的另一个出发点也是有意义的，就是取α=1，这意味着将轴向点设在立方体的表面上，同时不改变原来立方体点的设置，这样的设计称为中心复合表面设计 (central composite face-centered design,CCF)。 这样做，每个因素的取值水平只有3个(-1,0,1)，而一般的CCD设计，因素的水平是5个(-α,-1,0,1,α),这在更换水平较困难的情况下是有意义的。 这种设计失去了旋转性。但保留了序贯性，即前一次在立方点上已经做过的试验结果，在后续的CCF设计中可以继续使用，可以在二阶回归中采用。 中心点的个数选择 在满足旋转性的前提下，如果适当选择Nc，则可以使整个试验区域内的预测值都有一致均匀精度(uniform precision)。见下表： 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 将各试验点取在立方体棱的中点上 在因素相同时，比中心复合设计的试验次数少； 没有将所有试验因素同时安排为高水平的试验组合，对某些有安全要求或特别需求的试验尤为适用； 具有近似旋转性，没有序贯性。 特点 拟合选定模型； 分析模型的有效性：P值、R2及R2(adj)、s值、 失拟分析、残差图等； 如果模型需要改进，重复1-3步；