优化实验设计
DoE 使用 R：响应曲面方法、失拟、中心复合设计、Box-Behnken 设计
讲师：Rosane Rech
口袋资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！
用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。
你将学到什么
- – 回归模型的基本概念；
- – 带中心点的因子设计；
- – 失拟检验；
- – 设计因素水平不准确且缺少观察结果
- – 响应面法；
- – 最陡的上升路径；
- – 中央复合设计；
- – 以面为中心的复合设计；
- – Box-Behnken 设计。
- – 同时分析多个响应。
要求
- 学生必须熟悉实验设计的基本概念，例如：
- – 方差分析（ANOVA）
- – 因子设计
- 块设计和分数设计等概念也有助于理解。
描述
欢迎来到“优化实验设计”！
实验在科学、技术、产品设计和配方、商业化和工艺改进中发挥着重要作用。一旦从实验中得出的结果和结论取决于数据收集的方式，精心设计的实验就至关重要。
本课程将涵盖响应面方法和最大化或最小化响应变量的实验设计背后的基本概念。
这不是初学者课程，因此要充分利用它，您需要熟悉实验设计的一些基本概念，例如方差分析和因子设计。
您可以在我的课程“实验设计与分析”或市场上的其他几门课程和资源中找到它。
本课程首先介绍线性回归模型以及如何构建回归模型来拟合实验数据并检查模型的充分性。下一节将介绍线性模型的实验设计以及使用中心点来检查模型的线性（失拟）。在本节结束时，我们将使用线性模型来拟合设计因子不准确和缺失观测值的实验。
到那时，我们就可以为响应面方法论做好准备了。我们将从因子设计开始，以拟合线性模型并找到最陡上升的路径。然后，我们将使用中心复合设计来拟合二次模型并找到最大化响应的实验条件。此外，我们将了解如何使用两个非常说明性且广泛的示例同时分析多个响应。
最后，我们将了解如何使用三层设计：Box-Behnken和面心复合设计。
整个学习过程通过行业和学术研究的真实例子进行说明。
数据分析将使用 R-Studio 进行。虽然这不是 R 课程，但即使是不熟悉 R 的学生也可以报名参加。课程中使用的R代码和数据文件可以下载，功能将被简要解释，并且可以轻松地修改代码来分析学生自己的数据。
但是，如果您已经熟悉使用其他 DoE 软件，请随时下载数据并使用您选择的软件重现分析。结果将完全相同。
任何进行实验的人都可以从本课程中受益，主要是学术界和工业界的研究人员、硕士和博士生以及工程师。
本课程适合谁：
- 研究人员；
- 研究生；
- 工程师;
- 任何执行和分析实验的人。
