Central Composite vs. Box-Behnken: Welches Design, wann

Sie haben drei Faktoren, eine Screening-Studie hinter sich, und brauchen ein quadratisches Modell, um ein Optimum zu finden und einen Design Space zu verteidigen. Das Lehrbuch gibt Ihnen zwei Optionen: Central Composite (CCD) oder Box-Behnken (BBD). Die Wahl fällt meist allein anhand der Lauf-Zahl - der falsche Grund. Der eigentliche Unterschied ist, welche Ecken Ihres Faktorraums jedes Design tatsächlich von Ihnen fahren lässt.

Dieser Artikel baut mit covadoe_create_design beide Designs über dieselben drei Faktoren, vergleicht sie dann mit covadoe_compare_designs und covadoe_power_analysis. Jede Zahl unten ist Tool-Ausgabe im Wortlaut.

Die kurze Antwort

Verwenden Sie Box-Behnken, wenn die extremen Ecken Ihres Faktorraums chemisch oder betrieblich unplausibel sind oder wenn die Axialpunkte eines CCD außerhalb eines machbaren Bereichs liegen würden. Verwenden Sie Central Composite, wenn Sie die Ecken fahren können, einen breiteren Bereich erkunden wollen und eher ein bestehendes zweistufiges Faktorielles erweitern als neu beginnen wollen.

Der Aufbau

Drei Faktoren, realistische Bereiche für eine Kupplungsreaktion:

• Temperatur: 70 bis 110 C
• Katalysatorbeladung: 1 bis 6 mol%
• Zeit: 4 bis 14 h

Beide Designs wurden mit n_center_points=4 angefordert, sodass die Center-Replikation identisch ist und der Vergleich fair bleibt.

Was das Tool tatsächlich lieferte

covadoe_create_design mit design_type="central_composite" lieferte 18 Läufe: 8 faktorielle Ecken, 6 axiale (Stern-)Punkte, 4 Center-Punkte.

covadoe_create_design mit design_type="box_behnken" lieferte 16 Läufe: 12 Kantenmittelpunkte, 4 Center-Punkte. Keine Ecken, keine Axialpunkte.

Quelle: zwei covadoe_create_design-Aufrufe, gleiche Faktordefinitionen, gleiches n_center_points.

Der entscheidende Befund: Die CCD-Axialpunkte verlassen Ihren Bereich

Das ist der Teil, den ein reiner Lauf-Zahl-Vergleich verbirgt. Die CCD-Axialpunkte kamen bei einem codierten Abstand von plus/minus 2.236 zurück, was in realen Einheiten bedeutet:

Zwei dieser Läufe sind keine Experimente. Sie können nicht -2.09 mol% Katalysator einwiegen, und Sie können keine Reaktion für -2.18 Stunden fahren. Ein dritter, 134.72 C, liegt über dem Siedepunkt vieler gängiger Lösungsmittelsysteme.

Das ist das praktische Argument für Box-Behnken in einer Tabelle. Die BBD überschreitet bei keinem Faktor jemals das angegebene Minimum/Maximum - ihr extremster Lauf ist ein Kantenmittelpunkt bei codiertem Radius 1.414, z. B. 110 C bei 6 mol% und 9 h (mittlere Zeit). Jeder der 16 Läufe liegt innerhalb der Box, die Sie angegeben haben.

Zwei ehrliche Einschränkungen zur CCD-Zahl. Erstens ist der codierte Axialabstand von 2.236 größer als der klassische rotierbare Wert für drei Faktoren, nämlich 2^(3/4) = 1.682. Wenn Rotierbarkeit für Sie wichtig ist, prüfen Sie die Axial-Spalte des zurückgegebenen Designs, bevor Sie Gerätezeit buchen, statt sich auf einen Standardwert zu verlassen. Zweitens: Können Sie die Axialpunkte nicht wie zurückgegeben fahren, kappen Sie sie nicht stillschweigend auf den Bereich - ein "face-centred" CCD (Axialpunkte bei plus/minus 1) ist ein anderes Design mit anderen Varianzeigenschaften, und Sie sollten es bewusst anfordern.

Effizienz und Power am selben Problem

covadoe_compare_designs (Ziel optimization, dieselben drei Faktoren, Standard-Center-Punkte des Tools) rankte fünf Kandidaten. Die Lauf-Zahlen weichen leicht vom obigen Abschnitt ab, weil dieses Tool seine eigene Standard-Center-Replikation anwendet (3, nicht 4):

Empfohlen: box_behnken. Die unteren drei Zeilen schätzen nominell dieselben Terme, aber mit 9 bis 11 Läufen gegen 10 Modellparameter haben sie praktisch keine Rest-Freiheitsgrade, was die Power-Werte von null aussagen. Die D-Effizienz-Werte sind die interne Normalisierung des Tools: Behandeln Sie sie als Ranking innerhalb eines Aufrufs, nicht als Zahl, die Sie gegen ein anderes Paket zitieren.

Separat dazu covadoe_power_analysis auf dem 18-Lauf-CCD und dem 16-Lauf-BBD aus dem ersten Abschnitt, beide gegen ein 10-Term-quadratisches Modell bei einem 1.0-Sigma-Effekt und alpha 0.05:

• CCD, n=18, 10 Terme: Power 0.951, Fehler-df 7
• BBD, n=16, 10 Terme: Power 0.887, Fehler-df 5

Das CCD kauft sich also rund 6 Prozentpunkte Power für 2 zusätzliche Läufe. Ob sich das lohnt, hängt vollständig davon ab, ob diese zusätzlichen Läufe die nicht durchführbaren Axialpunkte sind.

covadoe_suggest_design liefert für 3 Faktoren, Ziel optimization, standardmäßig central_composite ("CCD provides full quadratic model for 3 factors") und führt Box-Behnken als Alternative auf, die "avoids extreme corners". Die beiden Tools sind sich beim Trade-off einig und gewichten ihn unterschiedlich. Genau das ist der Punkt: Die Entscheidung ist ein fachliches Urteil, kein statistisches.

Wie Sie wählen, der Reihe nach

1. Listen Sie die Ecken auf. Schreiben Sie die 8 Kombinationen von Minimum/Maximum über alle drei Faktoren auf. Würde eine davon das Produkt zersetzen, eine Druckgrenze überschreiten oder eine nicht messbare Probe erzeugen, verwerfen Sie das CCD. 2. Berechnen Sie die Axialpunkte. Nehmen Sie Ihr Zentrum plus/minus das zurückgegebene alpha in realen Einheiten. Landet einer davon unter null oder außerhalb der Anlagengrenzen, erweitern Sie entweder den Faktorbereich so, dass die Axialpunkte hineinfallen, oder nehmen Sie die BBD. 3. Prüfen Sie, ob Sie bereits ein Faktorielles haben. Haben Sie ein 2^3-Screening gefahren, ist ein CCD günstig zu erreichen - Sie ergänzen Axial- und Center-Punkte zu dem, was Sie schon haben (covadoe_augment_design). Eine BBD würde bedeuten, neu zu beginnen. 4. Schauen Sie dann auf die Lauf-Zahl. Hier war der Unterschied 18 vs. 16, bei 3 Faktoren selten der entscheidende Faktor. Er wächst bei 4 und 5 Faktoren zugunsten der BBD.

Noch eine physische Einschränkung: BBD braucht 3 Stufen pro Faktor, CCD braucht 5. Ist ein Faktor eine diskrete Einstellung (eine fixe Drehzahlstufe, ein verfügbarer Siebschnitt), sind 3 Stufen möglicherweise alles, was Sie einstellen können.

Was dieser Vergleich Ihnen nicht sagt

• Nichts über Ihre Chemie. Das sind Geometrie- und Varianzeigenschaften einer Designmatrix. Sie sagen Ihnen nicht, ob ein quadratisches Modell das richtige Modell ist oder ob Ihre Zielgröße über den Bereich monoton verläuft.
• Keine Garantie für Lack-of-Fit. Beide Designs unterstützen einen Lack-of-Fit-Test nur wegen der replizierten Center-Punkte. Mit 4 Center-Punkten haben Sie 3 reine Fehler-Freiheitsgrade. Das ist dünn. Versagt das Modell, wissen Sie, dass es versagt hat, aber nicht viel darüber, warum.
• BBD extrapoliert an den Ecken. Die BBD beobachtet die Ecken nie, jede Vorhersage dort ist also Extrapolation aus einem gefitteten Quadratischen. Wandert Ihr Optimum in Richtung einer Ecke, ist die BBD-Vorhersage genau dort weniger vertrauenswürdig, wo es zählt.
• Die Power-Werte setzen ein Modell und ein Rauschniveau voraus. Die 0.951 und 0.887 oben gelten für einen 1.0-Sigma-Effekt gegen ein 10-Term-Modell. Halbieren Sie die Effektgröße, brechen beide ein. Führen Sie covadoe_power_analysis mit Ihrer eigenen Assay-Wiederholpräzision aus, bevor Sie sich festlegen.
• Das ist Design-Unterstützung, kein Filing. Eine Designmatrix aus CovaDOE ist der Ausgangspunkt für eine Studie, die Sie noch fahren, auswerten und verteidigen müssen. Sie ersetzt weder Bestätigungsläufe im Labor noch ein validiertes Statistikpaket in einer regulatorischen Einreichung.

Häufige Fragen

Weiterführende Artikel

• Definitive Screening Designs: Wenn 13 Läufe 67 schlagen
• Von der RSM zum Design Space: NOR, PAR und Monte Carlo
• Wie viele Läufe brauche ich? Power-Analyse für DoE

Beide Designs oben wurden auf der kostenlosen Stufe der CovaSyn-MCP-Tools erzeugt, Sie können sie also für Ihre eigenen Faktorbereiche nachbauen, bevor Sie auch nur einen Reaktorslot buchen.