为什么要做试验设计?
如果有很多个因素,而且每个因素都有多个可能的取值,把所有组合都试一遍会非常耗时。
试验设计就是用一套有规律的试验方案,挑出少量有代表性的组合进行测试,
再根据测试结果判断哪些因素更重要、哪些取值更合适。
例如 4 个因素、每个因素 4 个水平,全部组合需要测试
4⁴ = 256 次。合理的试验设计可以大幅减少需要实际测试的次数。
什么时候用响应面法?
当你已经知道几个关键因素的大致范围,而且怀疑“中间某个位置可能最好”,
响应面法比单纯比较几个离散水平更合适。
它会安排一组包含边缘点、轴点和中心点的试验,再拟合一个二次模型。
最后给出模型在你设置范围内预测的较优位置。
注意:这里的“最优”是模型预测结果,不等于已经实际验证过的最优值。
找到候选点后,最好再做一次验证试验。
响应面法怎么用?
响应面法适合已经筛出少数关键因素、并且每个因素都有一个可以实际操作的连续范围时使用。
它不是用来一开始就筛几十个因素,而是用来在较小的范围内研究“哪里更好”。
- 确定因素:通常保留 2~5 个关键因素。
- 填写范围:给每个因素填写实际下限和上限,例如温度 20~40℃。
- 生成方案:程序使用中心复合设计(CCD),安排析因点、轴点和中心点。
- 实际试验:严格按照表中的实际值进行试验,并把测得的结果填入“结果 y”。
- 开始分析:程序拟合二次模型,并在你给定的范围内寻找模型预测的较优点。
- 最后验证:预测点必须再做实际试验确认,不能把模型预测直接当成最终最佳值。
它是怎样安排试验的?
- 析因点:把每个因素放在编码值 -1 或 +1,组合起来观察因素共同变化时的影响。
- 轴点:每次只让一个因素走到范围的一端,其他因素保持在中心,用来识别曲线弯曲程度。
- 中心点:所有因素都取中间值,并重复做几次。重复结果可以反映实验波动;不过当前程序尚未把纯误差单独拆出,也没有做失拟检验。
实际范围与编码值:填写的下限、上限会被换算到编码区间
-α 到 +α;本页面当前固定使用 α = √2。因此轴点位于所填范围两端,
析因点 ±1 位于范围内部,中心点为 0。
模型怎样得出?程序把每次试验的因素值整理成一组数学项:
常数项、各因素的一次项、平方项,以及因素两两相乘的交互项;
再用最小二乘法拟合系数。简单说,就是找一张尽量贴近实测数据的“弯曲曲面”,
用它估计不同因素组合下的结果。
较优点怎样寻找?拟合完成后,程序在设定范围内从多个起点反复搜索,
比较模型预测值,找出望大或望小时预测较好的位置。它是数值搜索结果,不是数学上保证的全局最优解。
算法边界:当前版本对所有因素数都固定使用 α = √2;
这并不等于 3~5 个因素时的标准可旋转全析因 CCD 设置。
若要求可旋转设计,全析因 CCD 通常按因素数取
α = (2^s)^(1/4)。因此本工具输出的结果应视为当前设定下的 CCD 方案,
不应仅凭“CCD”名称就认为它一定满足可旋转性。
最后验证:R²、调整 R² 和 RMSE 只能帮助检查模型对已有数据的拟合情况,
不能单独证明模型正确。找到候选点后,应安排实际验证试验;
若模型拟合欠佳或候选点靠近边界,应谨慎解释。