RSM 模型不准确（与历史数据不符） - 如何修复以及哪里出了问题嗨，大家好，
目前我们已经有了一个相当明确的工艺，但我们现在正在消除起始材料中潜在的工艺可变性的风险。 目的是最大限度地提高纯度，并最大限度地提高该单元操作的回收率。
我们知道有 2 个参数是重要因素，因为它们已在之前的 DoE 中建模，并且只是众所周知的参数 (B、C)。 第三个参数 (A) 正在研究中，因为它在理论上可能会产生影响。 这是材料的起始纯度，它可以是可变的（并且我们无法完全控制）。
通过偶然的实验，我已经证明了在很宽的 A 范围内（~30-50% 起始纯度）的成功纯化。 我想调查失败点在哪里（起始原料纯度是多少时，是否无法达到目标最终纯度）。 我还想围绕此充分描述我们的设计空间，以便我们可以了解 B 和 C 的最佳条件是否随着 A 的变化而变化。
我执行了一个 RSM 模型，该模型在其正常测试范围内的范围为 B 和 C，A 的纯度范围为约 5% 到约 85% 纯度。 它确实将 A 确定为一个重要参数，但总体而言，该模型是从历史数据向下转移的。 例如，在简化模型后，它预测到操作结束时 30% 的材料将达到约 60% 的纯度，但我们有多个数据点表明这一数字被低估了，应该接近 85%。
这项研究的执行中出现了一个问题。 目标A条件如下：5%、40%、85%。 执行后发现实际测试的中间条件接近55%，所以这是一个性能错误。 这可能是导致问题的原因吗？
总体而言，模型拟合度非常好，RSME 较低。 低纯度条件绝对是一种压力测试，而不是我们期望在生产中看到的情况，但探索广阔的工艺理解空间似乎是有益的。 我的理论是发生的实验错误导致了问题，或者范围太宽，并且反复努力纯化的较低 A 条件降低了模型。
1.) 如何修复此 DOE 以提高准确性？
我可以增加运行并将数据集集中在我们期望的“MFG 范围”中
我可以添加一个三阶项来评估 A 的更多条件，而不仅仅是 3 个条件。
2.) 将来如何避免模型不准确？
如果我没有历史数据，我就不会质疑这个数据集，因为它从表面上看是正确的。
实验设计视窗回复：RSM 模型不准确（与历史数据不符） - 如何修复以及哪里出了问题谢谢您的详细描述。 最近的 RSM 实验中的模型残差分析显示了什么？
此外，是否有任何 RSM 运行与之前的实验或测试相同，因此可以作为对照？
回复：RSM 模型不准确（与历史数据不符） - 如何修复以及哪里出了问题澄清一下，“A”不是你能控制的？是来自供应商的“原材料”吗？如果是这样，在我看来，您应该开发一个混合模型，其中 A 作为模型中的随机变量（协变量）。
附加想法：
1. 您是否评估过 A 和纯度的测量系统？
2. 当你在之前的实验中研究B&C时，A在哪里（例如，它处于什么水平）？如果它与 B 和/或 C 相互作用，那么您之前的模型将是有条件的。
3.我不明白你的意思“修复这个 DOE 以提高准确性”？我猜你想改进模型，能源部是达到目的的手段。
4. 模型是近似值，希望有用。 它们可用于解释或预测目的。他们的预测能力取决于你的研究（例如能源部的）对未来的代表性。 从设计上来说，能源部的推理空间很窄。这是因为您正在删除/大幅减少时间序列，从而防止 DOE 中的因素发生变化。为了克服这个障碍，您应该夸大实验中的噪声，并使用适当的策略来处理噪声（例如，重复、重复、块、裂区、协变量等）
回复：RSM 模型不准确（与历史数据不符） - 如何修复以及哪里出了问题感谢您的答复！
澄清一下，“A”不是你能控制的？是来自供应商的“原材料”吗？如果是这样，在我看来，您应该开发一个混合模型，其中 A 作为模型中的随机变量（协变量）。
“A”在 MFG 中是不可控的，但在本实验中是可控的。 我将两个高纯度和低纯度的起始材料组合在一起，尽管我的中间目标未达到纯度目标（我使用了加权平均方法）。
附加想法：
1. 您是否评估过 A 和纯度的测量系统？
这里的纯度测量非常精确。 我们通常可以估计在 5% 以内，通常比较准确，但这是保守的。
2. 当你在之前的实验中研究B&C时，A在哪里（例如，它处于什么水平）？如果它与 B 和/或 C 相互作用，那么您之前的模型将是有条件的。
美国能源部之前的实验中的“A”纯度保持在 40-45% 左右。 规模化运行率低至 30%，对最终纯度没有明显影响。
3.我不明白你的意思“修复这个 DOE 以提高准确性”？我猜你想改进模型，能源部是达到目的的手段。
正确，我的术语不正确。 我该如何改进模型，以及为什么它不准确的理论是什么。
4. 模型是近似值，希望有用。 它们可用于解释或预测目的。他们的预测能力取决于你的研究（例如能源部的）对未来的代表性。 从设计上来说，能源部的推理空间很窄。这是因为您正在删除/大幅减少时间序列，从而防止 DOE 中的因素发生变化。为了克服这个障碍，您应该夸大实验中的噪声，并使用适当的策略来处理噪声（例如，重复、重复、块、裂区、协变量等）
我完全理解这一点，问题是这个模型表明“A”是一个已被证明不是的空间中的重要因素。 我试图确定这是否是我在能源部设计中做错的事情，或者是否是实验性的，等等。
回复：RSM 模型不准确（与历史数据不符） - 如何修复以及哪里出了问题“A”在 MFG 中是不可控的，但在本实验中是可控的。 我将两个高纯度和低纯度的起始材料组合在一起，尽管我的中间目标未达到纯度目标（我使用了加权平均方法）。
我知道你在实验过程中管理了A，这不是问题。问题是，你以后愿意去管理A吗？ 我所说的愿意是指；你有能力、有钱、有意愿管理A吗？如果不是，A 就是噪声。 我不建议将 A 视为设计因素。
这里的纯度测量非常精确。 我们通常可以估计在 5% 以内，通常比较准确，但这是保守的。
我不确定我是否理解你的术语。准确度和精确度之间存在差异，但您似乎可以互换使用它们？准确度是衡量测量值与被测量量的真实值或可接受值（例如参考标准）的接近程度的量度。 精度是衡量一系列测量结果彼此接近程度的指标（即重复性和再现性）。但无论如何，你建议测量不是问题。
美国能源部之前的实验中的“A”纯度保持在 40-45% 左右。 规模化运行率低至 30%，对最终纯度没有明显影响。
这是一个潜在的问题。由于 A 是恒定的，在之前的实验中，没有估计 A 与其他因素之间的潜在相互作用效应。此外，您的模型还取决于 A 的纯度水平恒定在 40-45%。如果 A 发生变化，我们不知道您的模型将如何执行。
我完全理解这一点，问题是这个模型表明“A”是一个已被证明不是的空间中的重要因素。 我试图确定这是否是我在能源部设计中做错的事情，或者是否是实验性的，等等
我不确定我是否遵循您的逻辑...您如何“证明”A 在设计空间中不重要？如果你已经知道 A 是微不足道的，那你为什么要对其进行实验呢？无论您进行了适当的设计还是实验中存在其他问题，我只能推测。如果您已经有了 B 和 C 的模型，并且只想将 A 添加到模型中，我不确定您为什么要运行响应曲面类型的设计。此外，对于优化类型的设计，统计显着性不太重要。 您应该已经建立了模型，现在您只需选择模型中因素的水平来优化响应。 某种等高线映射是典型的。 同样，如果 A 确实是噪声，则不应将其分析和解释为设计因素（也许作为协变量）。
回复：RSM 模型不准确（与历史数据不符） - 如何修复以及哪里出了问题你好@MetaLizard62080
我将采用与其他答案不同的方法来解决此问题，重点是实验方法和数据质量 - 如果我理解正确，您的中间条件是 55%，而不是预期的 40%？ 如果是这样，这可能是后退一步并评估您对 A 的控制准确性的情况 - 您需要确定您能够控制您在设计中选择的 5%、40% 和 85%（如果您有）固有的可变性这将增加设计的不确定性。 您对每个点执行了多少次重复？
您使用的建模类型是什么？ 不幸的是，标准最小二乘回归的局限性在于它对因子范围内的较大变化和异常值很敏感（这通常意味着您错过了数据中的“微妙”变化，可能导致您在此处描述的低估）。我也遇到过类似的问题，RSM 中的预测模型与我对理论/历史数据的理解不符，这归结为我的数据集中的异常值 - 为了解决这个问题，我查看了我的数据点的 Cooks D 影响分数 -一个好的经验法则是点的值 > 4/n 才能找到异常值。 另一种选择是探索不同的预测建模形式，例如 GenReg。
另一个考虑因素是，A 在您之前的实验中是否保持不变，而您现在正在改变它 - A 的质量/类型是否发生了变化（上一个实验与本次实验之间的时间间隔是多少？ 是否还存在与 A 相关的潜在“隐藏因素”对流程产生影响？
