在本博客系列的第 1 部分中，我们将进行筛选实验，考虑 PET 瓶灯亮度的四个因素：液体类型、体积、浓度（转换为常用对数）和 PET 瓶形状（褶皱、可乐） ). 进行了。
实验证实，塑料瓶的体积、浓度和形状会影响亮度。因此，在第2部分中，我们将根据筛选实验的结果，考虑灾害时的实用性。通过应用响应面模型，我们将研究使用折叠 PET 瓶中的运动饮料作为灯笼时的最佳容量和浓度。
参考：上一篇博客
使用实验设计 (DOE) 找出使塑料瓶灯最亮的条件 ~ 第 1 部分。 筛选实验~
优化实验
让我们创建一个计划来使用“自定义设计”来拟合响应面模型。设置响应和因子如下，并在“模型”中[RSM] （对于响应曲面模型）按钮指定响应曲面模型（包含主效应、二次相互作用和平方项的模型）。实验次数默认为12，点击【创建设计】按钮即可创建设计。
■实验数据输入、实验数据可视化
我对创建的计划进行了实验，并输入从照度计读取的亮度（勒克斯）。
同时，我们使用Graph Builder创建了一个显示实验点与实验区域亮度之间关系的图表。在这个实验中
实验点为实验区域的顶点、轴点（各因子下限与上限之间的水平点）、中心点。这样的计划中央综合体规划这是拟合响应面的典型计划。
在实验区域，右上方（容量和浓度都较大）似乎更亮。
■分析报告
这是拟合响应面模型时的分析报告。
- 查看《预测值和实际值报告》，R 平方为 0.93，可以看到，没有明显偏离红线（测量值和预测值匹配的区域）的实验点。对于使用两个因子的模型，该模型具有良好的拟合度。
- 查看“参数估计”报告，log10（浓度）的平方项显着，即存在表面效应。
■预测概况
在预测配置文件中，给出最大预测亮度值的因子的条件是【满意度最大化】我尝试使用选项。
将运动饮料放入飞驒飞驒瓶中时，体积为500ml、浓度为100%时亮度最大，此时的亮度为25.9（勒克斯）。
由此我们了解到，如果想用运动饮料当塑料瓶灯笼使用，只需使用未开封的瓶子即可，无需调整容量或浓度。
■轮廓轮廓
让我们使用等高线可视化拟合的响应曲面模型。下面的“等高线轮廓”是以容量为横轴、以log10（浓度）为纵轴时的等高线。此外，预测亮度值为20或更高的区域以白色显示。
如果亮度为 20（勒克斯）或更高就足够了，最好考虑在白色区域内设置该系数。
即使喝大约一半的运动饮料（容量为250ml），预计亮度也将超过20（勒克斯），因此认为可以获得足够的亮度。
确认实验
最后，我们在未来想要设定的因素的条件下，比如最优条件下，再次进行了实验，并确认了测量值和模型得到的预测值是接近的。
本例中，当体积为500ml、浓度为100%时，亮度达到最大，因此我们与之前的实验分开，再次测量该条件下的亮度，发现：测量值为25.5（勒克斯）已成为。
在预测曲线确定的最佳条件下预测值为25.9（勒克斯）因此，测量值和预测值很接近，证实了最佳条件下亮度的再现性。
我作为业余爱好者一直在尝试...
我分两部分介绍了塑料瓶灯笼实验，但实验却出奇的困难。我必须调整浓度和体积，所以我在家里的厨房里做了。我在昏暗的灯光下用量杯调整浓度并输入实验数据，不知不觉间已经是午夜了。 。 。
尽管如此，我们还是获得了足够的实验结果来向大家解释。然而，由于我在独立科学研究的水平上进行了实验，我对结果是否真的准确、是否可重复或可推广表示怀疑。如果您有兴趣，请尝试尝试。
塑料瓶灯是在紧急情况下提供足够亮度的一种方法。请记住这一点。
作者：Naohiro Masukawa（JMP 日本）
Naohiro Masukawa - JMP 用户社区
