CCD結果分析大家好，
我進行了篩選設計和最陡上升，這向我展示了鞍點。 然後，我在該區域進行了實驗（普通中心組合設計）以捕獲曲率。 但我不知道如何分析結果，我的模型對於二次項並不顯著，而且缺乏擬合很顯著（只有當我將模型提高到 4 次方時，模型才變得顯著）。
有人可以幫我了解更多嗎？
實驗設計分享和交流成果回覆：CCD結果分析我試著遵循你的思考過程，但是，當然，我不明白你的調查的「科學性」。 我將分享我的一些想法。
我看到你做了一個Res。 V 具有 3 個中心點的分數階乘（儘管一個分類因子沒有 CP）。 有沒有提到有實際意義的回應？ 響應的變化有多少具有實際意義？ 統計顯著性是一個挑戰，因為您有 3 個 CP 重複項。 其中一個 DF 用於估計曲率，其他的不可分配，因此可以作為估計 MSE 的基礎。 MSE 與您通常在流程中看到的變化相比如何？ E似乎是最「活躍」的，C其次。 其餘的我看不到太多（同樣我沒有任何關於反應變數的上下文）。 為什麼你繼續做A和B？ 沒有彎曲的證據。 基於 E 和 C 的模型看起來存在一些問題（一個不尋常的事件，殘差肯定不是常態分佈的）。
您使用什麼模型來實現最陡峭的上升？ 看起來您在該模型中使用了無關緊要的因素？ 不確定為什麼您的 SA 方法的結果遠遠超出了最佳結果？
最重要的因素被設定為最不理想的水平......嗯？ 我想進一步調查這個因素。 能不能更量化一些？
不知道為什麼是CCD？ 它與您所做的其他工作有何關係？ 這裡還要小心，因為統計顯著性在優化中並沒有發揮那麼大的作用。 就優化而言，您已經知道因素很重要，那麼您在尋找什麼？ 最佳點（難以維持的局部最大值）或平坦點可提供更可靠的結果。
最後，我沒有看到任何「處理」噪音的策略？ 沒有重複/嵌套（短期噪聲，如測量誤差）或區塊或裂區（對於長期噪聲，如環境、原料批次）？
回覆：CCD結果分析好的。 我不確定最陡上升實驗中使用的 E 等級是多少 - 我假設是 SA。 我還對 CCD 因子如何映射到因子 A、B、C、D 做出了一些假設。
我把所有資料拉到一張資料表中（附後）。 我認為它很有用，但可能沒有給您所希望的答案。
最陡上升實驗和 CCD 之間似乎發生了一些奇怪的事情。 這兩個階段的結果不適合同一模型。 CCD 中使用的因子範圍與最陡上升中的最佳運行非常相似，但 CCD 中的響應要低得多（與 240 至 260 相比，<100）。 再次，我假設最陡上升和 CCD 實驗的因子 E 設定為 SA。
無論如何，我不確定我是否會推薦您採用的方法。 篩選結果本身顯示只有因素 E 和 C 是重要的，所以我不確定為什麼你仍繼續進行最陡上升實驗的其他因素。 我不明白最陡上升方法，因為我沒有使用過這種方法。 我也不建議對 CCD 使用非常窄的因子範圍，除非您的目標是確定該過程在這些範圍內是否穩健。
我希望這對您來說是一次有用的經歷，即使您沒有得到您想要的結果。 在下一個專案之前，您可能需要探索一些資源以了解有關 DOE 的更多資訊。 這解決工業問題的統計思維課程在 DOE 上有一個很好的模組。
回覆：CCD結果分析- 由於 D 因子對反應的影響較低，因此 CCD 中的 D 因子沒有變化，我將其設為 0.24。
- E 是分類因子，因此選擇 SA 而不是 SB（儘管顯示出更好的結果...， SA更環保）
- 因此，除去SB的值，篩選實驗中獲得較高的值
回覆：CCD結果分析有趣的。
因素 A、B、C、D 與 CCD 中的因素有何關係？
哪些因素 A、B、C、D 在 CCD 中不變？設定為何？
最陡上升和 CCD 實驗的因子 E 水準是多少？ （從你的篩選設計來看，這似乎是迄今為止最重要的因素）
篩選、最速上升和 CCD 的反應是否相同？ （在 CCD 之前您獲得了更高的值）
謝謝，
菲爾
回覆：CCD結果分析當然！
此模型似乎與非顯著缺乏擬合相關，p 值顯著，R2、Radj 和 R pred 也很高
所以我做了最陡的上升來知道如何增加每個因素。 第二個實驗顯示了實驗 4 和 5 之間的曲率區域。
回覆：CCD結果分析我確信這是可能的。 我對最陡上升方法一無所知。
我仍然認為將您的完整數據集與您的篩選和 CCD 實驗相結合是值得的。
（我假設篩選實驗數據不是您共享的數據的一部分 - 從您的描述來看，與篩選實驗相比，您似乎在不同的因子區域上進行了完整的 CCD。）
也許您還需要包括最陡的上升數據。
回覆：CCD結果分析非常感謝@菲爾_凱和@丹_奧伯米勒為您提供富有洞察力的評論。鑑於我以 9 步進行了最陡的上升，並且在第 3 步和第 4 步之間顯示了鞍點，這對應於我的範圍 (176-180°C)（響應從 4 降低到 9）。 這有可能只是局部最優嗎？
回覆：CCD結果分析非常感謝您的回复回覆：CCD結果分析我同意@丹_奧伯米勒。 這些因素似乎對您使用的範圍內的回應沒有太大影響。 作為一名化學家，溫度範圍確實看起來非常窄 - 直覺上，如果我將溫度從 175 度更改為 182 度，我不會期望看到響應發生大的變化。
如果這是一項穩健性研究，這可能是件好事。 這裡的結果告訴您，您可以在這些範圍內改變因素並獲得一致的回應。
但這聽起來更像是一項優化研究。 在這種情況下，你必須更大膽地進行實驗才能獲得有用的模型。 您可以使用 DOE 選單中的增強設計來新增擴展因子範圍的試驗。
一種選擇是您可以包含篩選設計中的資料。 合併的數據集可能不平衡，但我預計它將包含來自更廣泛因素空間的數據，並可能使您能夠建立更有用的模型。
我已將資料作為 JMP 資料表附在您的附件中。
我希望這一切都有幫助。
菲爾
回覆：CCD結果分析我在這裡也不認為有什麼重要意義。 事實上，我沒有看到明顯的不擬合，因為使用完整響應曲面模型進行測試的 p 值為 0.2195。 主要問題似乎是您選擇的範圍內的響應沒有太大變化。
即使從設計中刪除軸點並擬合完整的因子模型也不會顯示任何顯著的影響（也不會顯示不擬合）。 我認為中心點的變異性（標準差 = 5.22）相對於其餘數據的標準差來說很大。 我會說你的變數的範圍不是很寬。 通常，您希望範圍足夠寬以便能夠偵測到效果。 從低軸點到高軸點的擺動為 7 度，-1 和 +1 水平之間僅相差 4 度，這並不是很大。
回覆：CCD結果分析嗨，亞倫
外觀溫度是一個重要的因子。
從3D圖來看，任2個維度組成的曲線看起來都不是一條拋物線。因此第二次單體效果會不好，高次單體會造成過度單體。
同理，如果把溫度設為Z軸，剩下的兩個參數設為X和Y軸，也看不出一個拋物曲面（想像一座山）。因此響應曲面應該不會很好。
高次的雕刻會做出更好的R平方，但很有可能是過度雕刻。
希望可以幫助你。
