Response Surface Methodology, von Anfang bis Ende

Das Screening hat Ihnen gesagt, welche Faktoren zählen. Es hat Ihnen nicht gesagt, worauf Sie sie einstellen sollen. Response Surface Methodology (RSM) ist die zweite Hälfte der Aufgabe: ein gekrümmtes Modell über die verbliebenen Faktoren anpassen, das Optimum finden und einen Betriebsbereich darum legen, der die normale Prozessstreuung übersteht.

Dieser Artikel geht die Sequenz an einer dreifaktoriellen katalytischen Stufe mit den CovaDOE-Tools durch. Jede Zahl ist wörtlicher Tool-Output; der Vorbehalt zur Herkunft dieser Zahlen steht im Abschnitt zu den ehrlichen Grenzen.

Die fünf Schritte, in Reihenfolge

1. Ein Design bauen, das Krümmung schätzen kann (covadoe_create_design). 2. Es ausführen und das quadratische Modell anpassen (covadoe_fit_rsm). 3. Die Residuen prüfen, bevor Sie dem Modell glauben (covadoe_residual_diagnostics). 4. Das Optimum lokalisieren und ein Intervall darauf legen (covadoe_find_optimum, covadoe_predict). 5. Aus dem Punkt eine Region machen (covadoe_design_space).

Schritte 3 und 5 sind die, die übersprungen werden. Schritt 3 ist der Punkt, an dem Sie merken, dass das Modell lügt; Schritt 5 ist der Punkt mit dem Wert für die Einreichung.

Schritt 1: ein Design, das Krümmung sehen kann

Ein zweistufiges Screening-Design kann keinen quadratischen Term anpassen; Sie brauchen mindestens drei Stufen pro Faktor. Dieses Beispiel verwendet ein Central Composite Design (CCD) auf:

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

covadoe_create_design mit design_type="central_composite" und n_center_points=4 lieferte 18 Läufe: 8 faktorielle Eckpunkte, 6 axiale (Stern-)Punkte, 4 Zentrumspunkte, rotierbar bei alpha = 2,236.

Zwei praktische Hinweise. Die 4 replizierten Zentrumspunkte liefern den reinen Fehler, und der reine Fehler ist das, was Ihnen später den Lack-of-Fit-Test ermöglicht - kürzen Sie sie nicht, um Läufe zu sparen. Und prüfen Sie die axialen Punkte zuerst in realen Einheiten: bei alpha = 2,236 liegen sie außerhalb des angegebenen Bereichs, was für Temperatur unproblematisch, für einen Faktor mit einer harten Untergrenze bei null aber fatal ist. Wenn Ihre Axialpunkte negativ zurückkommen, verwenden Sie stattdessen Box-Behnken.

Schritt 2: das quadratische Modell anpassen

Mit den 18 Antworten in der Hand passte covadoe_fit_rsm das vollständige quadratische Modell an - 3 lineare, 3 quadratische und 3 Zweifaktor-Interaktionsterme plus Achsenabschnitt:

Lesen Sie diese beiden R2-Werte immer als Paar. R2 steigt nur, wenn Sie Terme hinzufügen; das adjustierte R2 bestraft Terme, die ihren Platz nicht verdienen. Hier beträgt die Lücke 0,0014, das Modell ist also nicht aufgebläht. Eine große Lücke - etwa R2 0,98 gegen adjustiert 0,89 - bedeutet, dass Sie mit Interaktionstermen Rauschen anpassen, und Sie sollten die nicht signifikanten Terme streichen und neu fitten.

Ein R2 von 0,9988 ist nach Laborstandard hoch. Bei echten Assay-Daten mit 2 bis 3 Prozent Wiederholpräzision erwarten Sie 0,90 bis 0,97, und seien Sie misstrauisch bei allem über 0,999, das Sie nicht selbst simuliert haben.

Schritt 3: die Residuen prüfen, bevor Sie irgendetwas davon glauben

Das trennt ein Modell, das Sie verteidigen können, von einer Zahl, die Sie aus einem Bericht abgeschrieben haben. covadoe_residual_diagnostics lieferte für dieselbe Anpassung:

• Shapiro-Wilk p = 0,036 auf den Residuen. Unter 0,05, die Normalverteilungsannahme wird also auf dem 5-Prozent-Niveau formal verworfen.
• Cook's Distance 0,277 bei Lauf 9, als einflussreichster Lauf markiert.

Keins von beiden entkräftet das Modell, und keins von beiden sollte ignoriert werden.

Löschen Sie nie einen Lauf, weil er statistisch unbequem ist - nur bei einer dokumentierten physikalischen Ursache. Fitten Sie ohne ihn neu, berichten Sie beide Anpassungen.

Schritt 4: das Optimum, mit Fehlerbalken

covadoe_find_optimum lieferte auf der angepassten Fläche, innerhalb der Design-Grenzen:

• Temperatur 91,2 °C
• Katalysator 3,76 mol%
• Zeit 9,7 h
• Vorhergesagte Ausbeute 93,5 Prozent

covadoe_predict an dieser Einstellung ergab:

Diese Unterscheidung wird häufig verwechselt. Das Konfidenzintervall ist, wo die wahre durchschnittliche Ausbeute bei dieser Einstellung liegt. Das Prognoseintervall ist, wo Ihre nächste einzelne Charge landet; es ist immer breiter, weil es zusätzlich zur Parameterunsicherheit das Lauf-zu-Lauf-Rauschen trägt. Einem Kollegen eine Ausbeute für einen Bestätigungslauf zu versprechen bedeutet, 92,73 bis 94,20 zu nennen, nicht das Konfidenzintervall.

Beachten Sie auch, dass das Optimum bei 91,2 °C gut innerhalb des Bereichs von 70 bis 110 °C liegt. Ein Optimum, das auf einer Grenze landet, ist kein Optimum; es bedeutet, dass der Bereich zu früh beschnitten wurde und die Fläche noch weiter ansteigt. Erweitern und neu laufen lassen.

Schritt 5: vom Punkt zum Design Space

Ein einzelner Sollwert ist kein fertigungsfähiger Prozess. covadoe_design_space propagiert das Modell samt Unsicherheit durch 10.000 Monte-Carlo-Stichproben und liefert die Region, in der die Antwort innerhalb der Spezifikation bleibt.

Bei einer Spezifikation von Ausbeute >= 90 Prozent:

Verschärfen Sie die Spezifikation auf >= 92 Prozent, und das Fenster schrumpft auf 80,5 bis 101,2 °C, 2,55 bis 5,01 mol%, 7,1 bis 12,0 h, mit nur noch 3,05 Prozent des abgetasteten Raums, der besteht.

Dieses Zahlenpaar bepreist die Spezifikation. Der Wechsel von 90 auf 92 Prozent Ausbeute kostet rund zwei Drittel Ihres Betriebsspielraums und schrumpft das Temperaturfenster von 42 auf 21 Grad. Führen Sie dieses Gespräch mit dem Prozessverantwortlichen, bevor die Grenze in eine Kontrollstrategie eingeht, nicht danach.

Eine Tooling-Falle: covadoe_design_space erwartet spec_lower und spec_upper. Übergeben Sie versehentlich lower/upper, liefert es still eine Bestehenswahrscheinlichkeit von 1,0 und den vollen Faktorbereich zurück. Ein Design Space, der verdächtig breit mit einer Wahrscheinlichkeit von exakt 1,0 zurückkommt, ist ein Keyword-Fehler, kein robuster Prozess.

Was RSM nicht verrät

• Das Modell gilt nur innerhalb der Design-Region. Ein zwischen 70 und 110 °C angepasstes quadratisches Modell sagt nichts über 130 °C aus. Polynomiale Extrapolation ist nicht nur unsicher, sie liegt oft mit Zuversicht in die falsche Richtung daneben.
• Ein hohes R2 ist kein korrektes Modell. Ein quadratisches Modell kann eine Sigmoid-Funktion über ein enges Fenster gut anpassen und knapp danach deutlich versagen. R2 misst die Anpassung an die durchgeführten Läufe, nicht den Mechanismus.
• Der Design-Space-Output ist modellbasiert, nicht gemessen. Die Monte-Carlo-Stichproben propagieren das angepasste Modell. Sie können nichts von einem Phasenübergang, einer Löslichkeitsgrenze oder einer Katalysatordeaktivierung wissen, die das Design nie abgetastet hat. Randbestätigungsläufe sind nicht optional.
• Dieses Beispiel ist teilweise simuliert. Das 18-Lauf-CCD ist ein echtes Design, und jede genannte Kennzahl - R2, Optimum, Intervalle, Design-Space-Bereiche, Diagnostik - ist eine echte CovaDOE-Berechnung. Die zugrunde liegenden Lauf-Ausbeuten wurden aus einer quadratischen Fläche mit Rauschen simuliert, als Ersatz für Labormessungen. Das ist, warum das R2 ungewöhnlich hoch ist. Betrachten Sie dies als Demonstration des Workflows, nicht als Benchmark der erreichbaren Ausbeute.
• Das ist Entscheidungsunterstützung, keine Einreichung. CovaDOE-Output hilft Ihnen zu entwerfen, zu analysieren und zu argumentieren. Er ersetzt keine Laborbestätigung, kein validiertes Statistikpaket und keine eigene regulatorische Prüfung.

Häufige Fragen

Weiterführende Artikel

• Central Composite vs. Box-Behnken: welches Design, wann
• Definitive Screening Designs: wenn 13 Läufe 67 schlagen
• ICH Q8 Design Space: NOR und PAR erklärt
• Wie viele Läufe brauche ich? Power-Analyse vor dem Experiment

Jeder Tool-Aufruf in diesem Walkthrough läuft auf der kostenlosen Stufe der CovaSyn-MCP-Tools, sodass Sie die Sequenz auf Ihren eigenen Faktorbereichen wiederholen können, bevor Sie Reaktorzeit investieren.