提高产品强度，黏度却超出使用范围；降低杂质含量，收率又跟着下降，配方和工艺试验经常需要在这些指标之间作取舍。Design Expert可以把不同响应转换为期望度，再搜索兼顾各项目标的条件。不过，综合期望度偏低，既可能反映指标之间的矛盾，也可能与目标范围或模型预测有关。判断结果时，除了总分，还要看各项响应达到了什么水平。以下采用英文界面的操作名称。

做配方试验时，几种原料单独看都有可用范围，放进混料设计却可能无法生成试验点。有时软件还会自动缩小某个组分的上限，让人担心输入出了问题。混料中的各组分受到总量限制，一项增加，其他项就要相应减少，因此不能只逐行检查上下限。设置时还要把单个组分范围、组分之间的关系和总量放在一起核对。以下采用Design Expert英文界面的操作名称。

用Design Expert分析试验数据时，有时会遇到这样的结果：模型的P值很小，失拟项却也显著。模型到底能不能用，不能只看其中一项。模型显著说明拟合关系具有统计意义，失拟显著则提醒我们，模型尚未充分解释数据中的变化。下面以常见响应面分析为例，说明这两项结果怎样查看，以及出现分歧后该从哪里检查。

响应面试验做完，曲面看起来很平，几个因素也都不显著，不一定是它们没有作用。有时只是上下限挨得太近，响应变化还没超过试验本身的波动。Design Expert中的因素范围要结合预试验来定，也要覆盖后续准备使用的条件，否则模型即使拟合得不错，实际能回答的问题仍然有限。

做响应面实验设计时，因素水平输错一个数，后面的实验表、模型和优化结果都可能跟着变。比如温度原本计划在较窄的范围内变化，却把上限填高了；又或者实验已经做完，才发现某一行记录的实际投料量与设计值不同。Design Expert怎么设置实验因素水平Design Expert因素水平设置错误如何修改，得先确认错误发生在建表时、录入数据时，还是实际操作时，再决定怎么改。

做响应面实验时，软件给出的推荐条件有时会让人犯嘀咕：目标明明是提高产率，结果却把温度推到边界；想让两项指标都达标，推荐方案里却有一项表现一般。这不一定是计算出错，也可能是模型预测能力不足，或优化目标与实际要求没有设成一回事。Design Expert怎么进行响应面优化Design Expert响应面优化结果不符合预期如何调整，需要把模型、目标条件和验证实验连起来看。

Design Expert里的失拟检验，用来判断当前模型能不能把实验数据的变化描述清楚。响应面、混料设计这类实验里，模型显著并不等于拟合一定合格，还要看看失拟项。如果失拟项显著，说明模型预测值和实际观测值之间的差异已经超过重复实验本身的波动范围，这时继续拿当前模型做预测就要谨慎。处理这类结果时，先从失拟检验本身入手，再检查模型阶次、残差、数据变换和实验设计是否合适。

Design Expert完成响应面模型分析后，还可以继续做数值优化，把多个响应同时放进同一套筛选条件里。例如一个响应希望越高越好，另一个响应要求越低越好，还有一个指标只能控制在规定范围内，这时就可以用响应优化寻找合适的因素组合。多响应优化经常会给出不止一个候选方案，排名第一也不代表实际实验一定只能选它，目标范围、优先级、预测值和因素条件都要一起看。

Design Expert中的方差分析主要用于判断实验模型是否具有统计意义，并分析不同实验因素对响应结果的影响。在响应面分析、正交实验、混料设计等实验优化过程中，完成模型拟合后，需要通过方差分析结果判断模型是否适合当前实验数据。实际使用Design Expert时，部分用户会遇到模型不显著的情况，这并不一定代表实验数据无效，还需要结合失拟项、拟合效果以及残差情况进一步判断。

Box-Behnken设计是响应面法中常用的试验设计方法，适用于研究多个因素对响应结果的影响关系。相比传统正交试验，Box-Behnken设计能够通过较少的试验次数建立二次回归模型，并分析因素之间的交互作用。Design Expert怎么进行Box-Behnken试验设计，Design Expert Box-Behnken因素水平怎么设置，关键在于合理确定影响因素、设置水平范围，并确保实验数据能够真实反映因素变化对响应值的影响。