Box-Behnken Design — 三水平响应面方法
- 提出者
- George E. P. Box and Donald W. Behnken
- 年份
- 1960
- 类型
- Response surface design (incomplete three-level factorial)
- 类别
- Engineering methods
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
Box-Behnken 设计(BBD)是一种高效的响应面方法设计,它使用每个因子(因素)的三个水平来拟合一个全二阶多项式模型。该设计由 Box 和 Behnken 于 1960 年提出,其实验点位于超立方体边之中点和中心,避开了所有因子同时处于极端水平的顶点。这种结构使得 BBD 在极端水平组合在物理上不可能、成本高昂或不安全时尤其具有吸引力。
方法背后的直觉
假设您正在优化一个化学反应,有三个可控因子——温度、压力和催化剂浓度,每个因子都有低、中、高三个设置。三水平全因子设计需要 27 次运行。Box-Behnken 设计通过巧妙地选择要测试的因子-水平组合,仅用 15 次运行(加上中心点)即可达到相同的二阶拟合目标:它总是至少保持一个因子处于其中间水平,因此没有任何实验同时将所有因子推向极端。可以将其视为对实验空间的一种战略性抽样,它使用的运行次数要少得多,同时仍能捕捉曲率和交互作用。
历史学
George Box 和 Donald Behnken 在他们 1960 年发表于 Technometrics 的里程碑式论文中引入了该设计,他们提出了一系列三水平设计,可以在避免设计立方体极端顶点的情况下估计二阶多项式的所有系数。他们的动机既有经济上的——角落运行可能成本高昂——也有实际上的,因为许多工业和化学过程无法承受所有极端水平的操作条件。该设计通过 Box 和 Draper (1987) 以及 Myers、Montgomery 和 Anderson-Cook 的教科书得到广泛传播,成为响应面方法中的标准,并已在 JMP、Minitab 和 R 的 rsm 包等统计软件中得到常规实现。
何时使用
当您需要拟合一个全二阶(二次)响应面模型,并且有 3 到 7 个连续因子,同时实验空间的角落点测试不安全、不可行或成本过高时,请使用 Box-Behnken 设计——例如,当多个过程变量的同时极端设置可能损坏设备或带来安全隐患时。当必须保持实验运行次数适中,并且所有因子都能单独达到其高低水平时,BBD 是合适的。如果需要估计二次项以外的高阶项,如果存在分类因子,如果目标是推断到极端顶点点,或者只研究了两个因子(此时中心复合设计更有效),则请勿使用 BBD。当角落点运行实际上需要满足下游规格要求时,也应避免使用 BBD。
局限与注意事项
- 不适合顺序实验:与中心复合设计不同,BBD 不能从先前的两水平筛选实验构建。
- 无法估计极端因子组合下的交互作用,因为不存在角落点;如果角落点的行为至关重要,则需要中心复合设计或全因子设计。
- 对实验区域的覆盖不均匀——超立方体的角落完全未被采样,如果真实最优值接近角落,可能会引入预测偏差。
- 对于五个或更多因子,运行次数会显著增加,从而降低其相对于中心复合设计的效率优势。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 与三水平全因子设计相比,所需的实验运行次数更少,这使得它在拟合二阶模型时具有成本和时间效益。
- 无角落点运行——当所有因子的同时极端设置在物理上危险、成本过高或工艺上不可行时,这一点尤其有价值。
- 设计矩阵中的所有因子-水平组合都位于近中心或中边位置,这些通常是最安全和最具代表性的操作条件。
- 近乎可旋转性:预测方差在距离设计中心相等的位置上近似恒定,在实验区域内提供均匀的估计精度。
- 易于通过中心点重复进行扩充,这些重复提供了实验误差的纯估计,并支持失拟检验。
应用
- 药物制剂优化,其中同时存在的极端赋形剂浓度可能导致片剂无法压制或不稳定。
- 化学工程中的工艺参数优化——反应器温度、压力和进料速率——其中组合极端值可能超出安全裕度。
- 食品科学实验,优化纹理、颜色或感官属性作为配料比例和加工条件函数的应用。
- 材料科学研究,拟合烧结温度、压力和时间对陶瓷或粉末金属零件性能的关系。
- 农业田间实验,优化肥料用量、灌溉水平和种植密度,但后勤限制阻止测试所有极端组合。
- 环境修复研究,优化 pH、氧化剂剂量和接触时间以进行污染物降解,其中极端组合可能具有腐蚀性或危险性。
使用方式
使用方式
实验者确定 k 个连续的定量因子(通常为 3 到 7 个),并为每个因子设置三个编码水平:低(-1)、中心(0)和高(+1)。响应变量必须是可测量的连续变量。一个关键的前提是每个因子的极端水平都是单独可行的——该设计避开了角落顶点,但确实测试了每个因子在其极端水平,而其他因子保持在其中心水平。
BBD 矩阵是通过将因子两两组合成不完全区组来构建的。对于每对因子,创建一个两水平因子设计(四次运行),同时其余因子保持在其中心水平。在完整设计中添加中心点重复(通常为 3-5 次)。对于三个因子,这产生 15 次运行;对于四个因子,则产生 27 次运行。所得设计是可旋转的或近乎可旋转的,并且没有所有因子同时处于极端设置的角落点。
实验按随机顺序进行,以防止潜在变量和时间趋势的影响。每个设计行指定一次实验运行的因子设置。对每次运行的响应进行仔细测量,并辅以适当的随机化和必要的区组化,对于有效的模型估计至关重要。
将数据拟合一个二阶多项式回归模型:响应被建模为所有因子的线性效应、它们的平方(二次)项以及所有双因子交互作用项的函数。普通最小二乘法(或加权最小二乘法)估计提供回归系数。方差分析和失拟检验评估模型的充分性。
公式
\hat{y} = \beta_0 + \sum_{i=1}^{k}\beta_i x_i + \sum_{i=1}^{k}\beta_{ii}x_i^2 + \sum_{i<j}\beta_{ij}x_i x_j一旦确认了满意的模型,就会探索拟合的响应面以找到最优值——即最大化、最小化或达到响应目标值的因子设置组合。方法包括典范分析、最速下降/上升法以及在涉及多个响应时的数值期望函数优化。
常见陷阱
- 将 BBD 与中心复合设计(CCD)混淆:CCD 包括两水平因子(角落)区块以及超出因子范围的轴向(星形)点;BBD 既没有角落点也没有星形点。根据实验约束选择错误的设计会导致运行次数浪费或实验不可行。
- 将 Box-Behnken 设计应用于少于三个因子:对于 k = 2,BBD 简化为一个比 CCD 效率低得多的设计;对于双因子研究,始终优先选择 CCD 或简单的可旋转设计。
- 中心点重复不足:仅使用 1-2 个中心点会导致纯误差估计定义不清,从而削弱失拟检验和整体方差分析。强烈建议至少使用 3 个中心点。
- 忽略随机化的必要性:以非随机顺序运行 BBD(例如,将所有低温运行分组)会将因子效应与时间相关的干扰变量混淆,从而使模型无效。
常见问题
Box-Behnken 设计与中心复合设计有何区别?
两种设计都用于响应面分析拟合二阶多项式模型,但它们的结构不同。中心复合设计(CCD)包括一个两水平因子(角落)区块以及超出因子范围的轴向(星形)点,并且可以从先前的筛选实验中顺序构建。BBD 没有角落点,也没有超出因子范围的点——它每因子只使用三个水平。当角落运行不可行时选择 BBD;当顺序构建或角落极端点的性质很重要时选择 CCD。
Box-Behnken 设计需要多少次运行?
运行次数取决于因子数 k。对于 k = 3:15 次运行(12 个边中点 + 3 个中心点);对于 k = 4:27 次运行;对于 k = 5:46 次运行。这些计数包括标准数量的中心点重复。与三水平全因子设计相比,后者对于 k = 3、4 和 5 分别需要 27、81 和 243 次运行——BBD 提供了显著的节省。
我可以使用 Box-Behnken 设计处理超过七个因子吗?
BBD 通常用于 3 到 7 个因子。对于超过七个因子,运行次数会显著增加,而像确定性筛选设计或最优计算机生成设计这样的替代方法通常更有效。原始的 Box 和 Behnken (1960) 论文描述了多达七个因子的设计。
什么软件可以运行 Box-Behnken 分析?
BBD 在大多数主要的统计软件包中都有支持:JMP(实验设计模块)、Minitab(DOE 的响应面部分)、SAS(PROC OPTEX 或 PROC RSREG)以及 R(带有 bbd() 函数的 rsm 包)。Python 用户可以使用 pyDOE2 库。所有这些都可以生成设计矩阵、拟合二阶模型,并提供方差分析、响应面图和优化输出。
Box-Behnken 设计是可旋转的吗?
BBD 近乎可旋转,意味着预测方差在距离设计中心相等的位置上近似恒定,但严格的可旋转性取决于因子数。对于 k = 3,标准 BBD 在常用中心点数量下是严格可旋转的。对于其他 k 值,可旋转性是近似的。在实践中,这种近乎可旋转性足以满足大多数工程和科学应用。
相关方法
参考文献
Box, G. E. P., & Behnken, D. W. (1960). Some new three level designs for the study of quantitative variables. Technometrics, 2(4), 455–475.
打开 DOI 文献已复制。Myers, R. H., Montgomery, D. C., & Anderson-Cook, C. M. (2016). Response Surface Methodology: Process and Product Optimization Using Designed Experiments (4th ed.). Wiley.
ISBN:978-1118916025已复制。