贝叶斯优化方法在探索生产条件方面是否有效？——通过应用实例验证——由于存在众多解释变量、交互作用和实验混杂因素，利用回归模型构建来寻找生产条件的最优解并非易事，而且找到改进条件也并非易事。本报告介绍了应用贝叶斯优化作为一种替代方法的结果，并验证了其有效性和局限性。利用贝叶斯优化搜索焊接条件，我们无需构建回归模型即可找到改进条件。以金属含量配方优化为目标，旨在最大限度地降低铸造缺陷率为例，贝叶斯优化在运行次数相近的情况下，找到了缺陷率低于广义回归模型的条件。在水泥粒度优化中，即使初始数据与目标粒径20相差甚远，我们也仅用2到8次实验就达到了目标粒径20。在反应器产量优化中，贝叶斯优化得到的最佳产量比回归模型低近20%，这表明包含交互作用的回归模型可能比贝叶斯优化更具优势。在改善生产条件方面，像实验设计那样进行大量实验是不可接受的，但贝叶斯优化方法可以按顺序提出改进条件，使其更易于实施。此外，每次实验都可能发现传统方法无法获得的改进条件。
