响应面设计方案

响应曲面设计方法(Response SufaceMethodology，RSM)是利用合理的试验设计方法并通过实验得到一定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的一种统计方法（又称回归设计）。

响应面曲线法的使用条件有：①确信或怀疑因素对指标存在非线性影响；②因素个数2-7个，一般不超过4个；③所有因素均为计量值数据；试验区域已接近最优区域；④基于2水平的全因子正交试验。

进行响应面分析的步骤为：①确定因素及水平，注意水平数为2，因素数一般不超过4个，因素均为计量值数据；②创建“中心复合”或“Box-Behnken”设计；③确定试验运行顺序(Display Design)；④进行试验并收集数据；⑤分析试验数据；⑥优化因素的设置水平。

响应面优化法的优点：①考虑了试验随机误差②响应面法将复杂的未知的函数关系在小区域内用简单的一次或二次多项式模型来拟合，计算比较简便，是降低开发成本、优化加工条件、提高产品质量，解决生产过程中的实际问题的一种有效方法③与正交试验相比，其优势是在试验条件寻优过程中，可以连续的对试验的各个水平进行分析，而正交试验只能对一个个孤立的试验点进行分析。

响应面优化法的局限性: 在使用响应面优化法之前，应当确立合理的实验的各因素和水平。因为响应面优化法的前提是设计的试验点应包括最佳的实验条件，如果试验点的选取不当，实验响应面优化法就不能得到很好的优化结果。

1 确定实验因素

2 确定因素水平范围 3 试验设计安排与结果

4 用软件(Design-Expert)对实验数据统计分析

由方差分析可知：模型的F=19.08，P=0.0004<0.001，表明实验所采用的二次模型是极显著的，在统计学上是有意义的。失拟项用来表示所用模型与实验拟合的程度，即二者差异的程度。本例P值为0.0855>0.05，对模型是有利的，无失拟因素存在，因此可用该回归方程代替试验真实点对实验结果进行分析。

因素A提取温度的P值<0.0001，说明因素A提取温度对提取率%的影响是极显著的。而A的2次方，B的2次方，C的2次方的P值均小于0.05，说明A2、B2、C2 对提取率均有显著影响。而因素B的P值=0.5035，因素C的P值=0.104，均大于0.05，所以因素B、因素C，即乙醇体积分数和提取功率对提取率没有显著影响。

交互项AB、AC、BC的P值均大于分别为：0.0653、0.6788、0.6455，均大于0.05，所以交互项对提取率没有显著性影响。

本文来源：https://www.bwwdw.com/article/rjw.html