Skip to content
返回搜索结果

中心复合设计 — 响应面实验设计

提出者
George E. P. Box and K. B. Wilson
年份
1951
类型
Response surface experimental design
类别
Engineering methods

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

中心复合设计(CCD)是一种二阶响应面设计,研究人员可以利用它来有效地拟合一个完整的二次模型,将多个连续输入因子与一个或多个响应变量联系起来。该设计由Box和Wilson于1951年提出,它将析因(或分数析因)核心、轴向(星点)点和中心点重复组合成一个统一的设计,使其成为工程、化学和制造领域过程优化中最广泛使用的设计。

方法背后的直觉

假设您正在通过改变温度和压力来优化化学反应的产率。简单的析因设计可以告诉您在每个因子仅两个水平下的主效应和交互作用,但会忽略优化点附近经常存在的曲面。CCD在每个因子轴上的析因角点之外增加了两个额外的点——轴向点或星点——这样实验在每个方向上都能充分延伸以估计曲率。添加了几个中心点运行来测量纯实验误差,并检查关系是否确实是曲面的而不是线性的。这三组点结合起来,可以使您用比完整的3水平析因设计少得多的运行次数来绘制整个响应面。

历史学

中心复合设计由George E. P. Box和K. B. Wilson在其1951年发表于《皇家统计学会杂志》的里程碑式论文中提出,该论文同时引入了响应面方法学的概念。Box和Wilson证明,将析因设计与轴向点结合起来,可以估计响应面的曲率,并以比现有方法少得多的实验次数找到最优值。该设计在20世纪50年代和60年代成为工业过程优化的核心,并由Box和Draper的教科书《经验模型构建与响应面》(1987)推广。如今,CCD仍然是工程、化学和生命科学领域应用最广泛的二阶实验设计。

何时使用

当您需要拟合二阶(二次)模型来绘制和优化k个定量因子(通常k=2-6)区域内的连续响应时,使用CCD。当您期望因子-响应关系存在曲率,或者一阶模型已显示显著的失拟时,它是化学工程、制药开发、食品科学和制造领域过程优化研究的标准选择。当您能够负担得起(或需要)因子设置在析因范围之外的极端轴向点时,CCD优于Box-Behnken设计;当运行经济性很重要时,它优于3^k完整析因设计。请勿将CCD与分类因子、二元或计数响应变量一起使用,或者当实验区域在几何上受到约束,导致轴向点落在可行操作范围之外时(在这种情况下,Box-Behnken或D-最优设计更合适)。如果尚未使用一阶模型和最速上升策略将设计移动到优化点附近,也应避免使用CCD——在远离优化的区域拟合二次模型会浪费运行次数。

局限与注意事项

  • 要求所有因子都是连续和定量的;未经修改不能处理分类因子。
  • 距离alpha > 1的轴向点延伸到析因立方体之外,当因子水平受到物理约束时可能不可行。
  • 随着k的增长(k > 5),总运行次数迅速增加,资源需求变得很大。
  • 二次模型是局部近似;如果真实的响应面具有更高阶的非线性,CCD模型在优化点附近可能仍然显示失拟。

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

  • 比3^k析因设计用更少的运行次数有效地估计完整二阶多项式的所有系数。
  • 可旋转性:面心或可旋转CCD在距离设计中心等距的所有点上提供相等的预测方差,提供均匀的预测精度。
  • 中心点重复次数提供了纯误差的独立估计,能够进行有效的失拟检验。
  • 灵活性:可以顺序构建——先运行析因核心(作为筛选设计),然后如果检测到曲率,再添加轴向点和中心点。
  • 在标准统计软件(JMP、Minitab、R rsm包、SAS PROC RSREG)中得到良好支持。

应用

  • 制药工艺开发:同时优化片剂压缩力、制粒水分和粘合剂浓度,以最大化溶出速率和硬度。
  • 化学工程:将产率和选择性作为反应温度、压力和催化剂负载的函数进行绘制,以找到操作最优值。
  • 食品科学:优化烘烤或发酵条件(时间、温度、配料比例),以获得所需的质地和感官质量。
  • 环境工程:在水处理研究中,将污染物去除效率作为pH、接触时间和吸附剂剂量的函数进行建模。
  • 制造:优化加工参数(切削速度、进给率、切削深度),以最小化表面粗糙度和刀具磨损。
  • 材料科学:将强度或导电性作为成分和加工条件的函数进行拟合,以指导合金或聚合物配方。

使用方式

使用方式

1

确定要研究的k个连续定量因子,并设定它们的低和高析因水平(编码为-1和+1)。选择轴向距离alpha——对于可旋转性alpha = (2^k)^(1/4);对于面心CCD alpha = 1。确定中心点重复次数n0(通常为3-6),以估计纯误差和稳定方差。

2

组装三个组成部分:(1)一个2^k的完整析因设计或一个合适的2^(k-p)分数析因核心,提供2^k(或更少)的角点运行;(2)2k个轴向(星点)点,位于每个因子轴上距离中心alpha处;(3)n0个位于原点的中心点运行。总运行次数为N = 2^k + 2k + n0。对于k=2个因子,通常为13次运行;对于k=3个因子,约为20次运行。

公式
N = 2^k + 2k + n_0
3

以随机顺序进行N次实验运行,以防止时间趋势或设备漂移造成的系统偏差。记录每次运行的响应值。如果资源允许,将析因部分和轴向部分分块到单独的实验会话中,可以在控制日常变化的同时保持可旋转性。

4

使用最小二乘回归拟合完整的二阶多项式:y = beta0 + sum(beta_i * x_i) + sum(beta_ii * x_i^2) + sum(beta_ij * x_i * x_j) + epsilon。该模型捕捉主效应、纯二次(曲率)效应和二因子交互作用。CCD点结构确保所有二阶系数都可估计。

公式
y = \beta_0 + \sum_{i}\beta_i x_i + \sum_{i}\beta_{ii}x_i^2 + \sum_{i<j}\beta_{ij}x_ix_j + \varepsilon
5

通过方差分析(ANOVA)、决定系数(R^2和调整后的R^2)、残差图和失拟检验(由中心点重复次数启用)来评估模型充分性。在得出结论之前,确认模型满足回归假设——残差的正态性和恒定方差。

6

使用拟合的响应面通过典范分析、等高线图或数值期望函数优化来定位最优值——最大值、最小值或鞍点。在承诺进行操作更改之前,通过一次或多次确认运行在最优因子设置下来验证预测的最优值。

常见陷阱

  • 在远离真实优化点的地方运行设计——CCD是一种二阶设计,用于在优化点附近进行微调,而不是广泛探索;首先使用筛选设计和最速上升法。
  • 忽略失拟检验——中心点正是为了检验二次模型是否拟合而存在的;显著的失拟信号意味着模型不充分,优化结论不可靠。
  • 未能随机化运行顺序——系统地执行析因块,然后是轴向和中心运行,而不进行随机化,会将时间效应与因子效应混淆。
  • 在未检查可行性的情况下选择alpha——可旋转CCD(alpha = (2^k)^(1/4))将轴向点放置在析因范围之外很远的地方;在最终确定设计之前,务必验证由此产生的因子水平是否在物理上可实现。
  • 过度解释设计区域之外的曲面——拟合的二次模型仅在实验区域内可靠;推断以找到该区域之外的全局最优值在统计上是不合理的。

常见问题

面心CCD和可旋转CCD有什么区别?

在面心CCD(alpha = 1)中,轴向点位于析因立方体的面上,因此所有因子设置都保持在[-1, +1]范围内——当轴向偏移不可行时很有用。在可旋转CCD中,alpha = (2^k)^(1/4),将轴向点放置得更远;这在距离中心等距的所有点上提供相等的预测方差(可旋转性),但需要析因范围之外的因子水平。当物理约束阻止极端设置时,选择面心;当整个设计球体上的均匀预测精度是优先事项时,选择可旋转。

我应该使用多少个中心点重复次数?

标准建议是3-6次中心点重复。三次是获得有意义的失拟检验和稳定的纯误差估计的实际最小值。使用5-6次中心点可以提高方差估计的稳定性,当预期实验噪声较高时建议使用。超过六次中心点很少能带来成比例的价值,并且会增加总运行次数。

我可以在有超过六个因子时使用CCD吗?

可以,但运行经济性会下降。对于k > 5,完整的2^k析因核心变得昂贵,因此实践者通常会替换为分辨率为V的分数析因设计,从而创建一个分数中心复合设计。JMP或Minitab等软件会自动完成此构建。对于k > 6,D-最优或I-最优计算机生成的设计通常比任何经典CCD都提供更节省运行次数的替代方案。

CCD与Box-Behnken设计相比如何?

两者都是用于k >= 3个因子的二阶响应面设计。CCD包括角点(析因点)、轴向点和中心点;Box-Behnken仅使用边缘中点和中心点,因此它从不需要设计空间极端角点的因子组合。当角点设置在物理上危险或不可行,并且无法实现alpha > 1的轴向点时,首选Box-Behnken。当角点设置可行且需要顺序(增强)策略时,首选CCD,因为析因块可以作为早期筛选实验的双重用途。

我可以使用什么软件来设置和分析CCD?

所有主要的统计软件包都支持CCD:Minitab(Response Surface > Central Composite)、JMP(Custom Design或Response Surface平台)、SAS PROC RSREG,以及带有rsm包的R(ccd()函数)。rsm包是免费提供的,并在一个工作流程中提供完整的设计生成、模型拟合和曲面绘图。

相关方法

参考文献

  1. Box, G. E. P., & Wilson, K. B. (1951). On the experimental attainment of optimum conditions. Journal of the Royal Statistical Society: Series B, 13(1), 1–45.

    打开 DOI 文献
    已复制。
  2. Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.

    ISBN:978-1119492443
    已复制。