在利用Design Expert软件开展工艺优化的时候，通常不能够把系统直接推荐出来的那个“最佳方案”当成最终的工艺条件，因为优化出来的结果在本质上只是建立在前面回归模型基础上的一个预测数值，要是模型本身不怎么稳当的话，后面算出来的最优点往往也不会太稳定；特别是在面对多响应优化的时候，像产率、纯度、成本、时间、粒径、强度等指标之间往往会互相发生冲突，如果目标设置得不够明确，软件就只能按照填进去的那些规则去寻找一个在数学层面上看起来更合适的点，但这并不一定就是实际生产现场真正好用的工艺条件。

　　一、Design Expert优化目标怎么设置

　　在Design Expert软件里面，数值优化功能通常是依靠desirability函数来完成的，这个desirability其实可以被理解为“满意度”或者“期望度”，它的数值是在0到1之间发生变化的，数值越是接近1，就代表着结果越接近我们设定的目标，多个因素和多个响应目标最终都会被合并到一个综合的desirability里面，以此来寻找相对较好的方案。

　　1、先分清因素目标和响应目标

　　当进入到优化设置的界面时，首先需要弄清楚哪些是因素，哪些是响应，通常来说，温度、时间、浓度、转速、配比这些输入条件被归为因素，而产率、纯度、硬度、粒径、成本、残留量这些输出的结果则属于响应；一般来说，因素目标主要是用来把可操作的范围限定住，而响应目标才算得上是真正需要去优化的结果。

　　2、根据实际目的选择目标类型

　　在软件的数值优化选项中，常见的目标类型包括了maximize、minimize、target、within range还有none，另外对于因素来说还可以被设定为固定值；这就意味着，响应值能够被设置为最大化、最小化、达到某一个目标值、或者是保持在某个范围之内，甚至也可以选择不参与优化。

　　比方说，产率这种指标通常会被设置为最大化，而杂质含量这种指标一般就要设置为最小化，至于像pH、粒径、黏度这一类的指标，很多时候并不是越高就越好的，而是需要让它们接近某个特定的目标值，或者保持在合格的范围之内。

　　3、不要把所有响应都设成最大化

　　在设置优化目标的时候，经常容易出现一个误区，那就是一看到响应值就想把它们全部都设置成maximize，但实际上，有些指标确实是越大越好，有些却是越小才越好，还有一些只要能稳定在某个区间里就行了；例如产品强度可以去追求最大化，但是成本、能耗以及残留量这些通常是要追求最小化的，而pH、含水率、粒径分布这些指标，可能反而更适合被设置为target或者是within range。

　　二、Design Expert优化结果可信度怎么判断

　　想要判断优化结果的可信度，光去看desirability是不行的，更全面的判断往往需要重新回到模型质量、诊断图、预测区间以及验证实验这些方面来进行；软件里的Confirmation功能，主要就是用来确认模型在最优的设置下能不能把真实的结果预测出来，具体的操作方法就是通过增加确认实验，然后拿确认实验的平均值去跟预测的区间进行对比。

　　1、先看前面模型是否可靠

　　在正式开展优化之前，回归模型必须要先通过检验才可以，至少需要去检查一下Model是不是显著的、Lack of Fit是不是不显著的、Adjusted R²和Predicted R²之间的差距有没有过大、Adeq Precision是不是足够高、以及残差图看起来正不正常；要是模型本身表现出了明显的失拟，那么优化出来的结果就只能留作参考，而不能够直接拿来当成结论。

　　2、看预测区间是否太宽

　　优化结果里面所显示的预测值其实并不是一个绝对的数值，而是一个带有不确定性的估计范围，如果发现预测的区间被拉得很宽，这就说明模型在这个位置上的预测精度是不太够的；比如预测的产率虽然是90%，但是预测的区间跨度特别大，这时候在写论文的时候就不太适合写成“在该条件下产率可达到90%”，而是更适合表述为“模型预测该区域可能具有较高的产率”。

　　3、做验证实验确认结果

　　最稳妥的办法莫过于在软件推荐的最优条件附近去亲自动手做验证实验，通常情况下，至少需要做几次重复的实验，接着把实测出来的平均值去跟软件的预测值进行比对；若是实测值刚好落在了预测的区间里面，并且偏差也是在可以接受的范围之内的，这就说明优化结果的可信度是比较高的，但要是实测值明显偏离了预测的区间，那就得回头去检查检查模型、异常的点、因素的范围以及目标的设置了。

　　三、Design Expert优化结果怎么看

　　在优化结果的页面里，系统通常会排列出好多个solution，每一个方案里面都包含了因素的组合方式、预测的响应值以及desirability的大小；在这个时候，不能够只盯着排在第一位的那个方案去看，也不能只看desirability最高的方案，而是需要把模型的可靠程度和现场实际的可执行性结合在一起去进行判断。

　　1、先看desirability数值

　　当desirability的数值越接近1的时候，就说明这个方案越符合之前所设定的目标，但是需要注意的一点是，desirability高也仅仅只能代表它符合当前的优化规则，并不能保证实验就一定能够百分之百复现出来；要是目标一开始就设置得不合理，那么desirability就算再高，其实也没有什么实际的意义。

　　2、看最优点是否贴近边界

　　要是看到软件推荐出来的最优条件总是落在了某个因素的最高值或者最低值附近，这时候就需要提高警惕了，因为这可能意味着真正的最优点其实是在当前实验范围之外的，又或者说明模型在边界处的预测不怎么稳定；在响应面优化的实际过程里，边界最优的条件并不是说绝对不能使用，只不过是相比于中心区域的最优点来说，它会更需要进行实验验证。

　　3、看多个solution是否集中

　　如果发现排在前几位的方案里，因素的条件差得不太多，并且响应的预测值也比较接近，这就说明优化出来的区域是相对比较稳定的；反过来，如果各个solution之间的差异非常大，但是它们的desirability却都差不多，这便说明可能存在着多个可以选择的区域，这时候就可以结合着成本、设备条件以及操作的稳定性来挑一个，并不一定非得去选排在第一条的方案。

　　总结

　　关于Design Expert优化目标怎么设置，以及Design Expert优化结果可信度怎么判断，这里的关键就在于需要先把目标的规则给设置清楚，然后再去判断模型的预测到底靠不靠谱；在设置优化的目标时，要按照实际的需求去选择最大化、最小化、目标值或者是范围的控制，并且要把上下限、权重和重要性进行合理的设置；而在判断优化的结果时，不能只盯着desirability最高的方案看，还得去看看模型的质量、最优点所在的位置、预测的区间、响应面图以及验证实验的结果，只有在模型可靠、目标合理、并且验证实验能够对得上的情况下，Design Expert所给出来的优化方案才能够更放心地下结论，从而用于后续的工艺确认。