做配方优化或者工艺参数调整的时候，试验要跑多少回，经常直接关系到整个项目的花销，所以很多人都会去琢磨，在Design Expert里面用Box-Behnken设计到底合不合适，以及那个试验次数该怎么去定，这个事不能光看软件最后列举了几行数据，还应该把因素有多少个、因素是数值型的还是分类型的、中心点设了几个，以及建模到底要达到什么目的，这几个东西放在一块考虑，因为Box-Behnken这种设计，它主要就是用来拟合二次模型的，对于每个数值因素只取低、中、高三个水平，而且有个很关键的地方，就是它从来不会把所有因素同时逼到最极端的状态下去做组合。
一、Design Expert Box-Behnken设计适合用在哪里
如果你的项目已经做完了前头的筛选，正准备钻进一个相对窄小的工艺窗口里去找更好的条件，那Box-Behnken就比较对路，这种方法偏向于优化设计，而不是一上来就对着十几二十个还没摸透的因素乱撒网。
1、适合有三个或更多个数值因素的情况
当数值因素的数量达到三个或者更多的时候，Box-Behnken就能把它的长处给亮出来，比如温度、时间、转速、浓度、添加量这种可以在一个连续区间里面拨动的参数，都是它擅长对付的类型，如果因素就孤零零一个，那基本上就没它什么事了，就算只有两个因素，多数情况下大家也会先去翻翻别的响应面设计，看有没有更省事的方案。
2、适合特意避开极端组合的情况
有些实验是不允许好几个因素同时去到最高点或者最低点的，像高温再叠上过长的时间，材料很容易就失效了，或者高浓度再配上高转速，操作里头会冒出不小的风险，而Box-Behnken在设计里压根没有放立方体的角点试验，于是很自然就绕开了这些麻烦的组合。
3、适合想拟合一个二次曲面的时候
要是你打算去分析主效应、交互作用，还有响应面上的弯曲情况，想从中摸清楚响应值比较漂亮的那片区域在哪里，那把Box-Behnken搬出来就正好，但如果你只不过想先快跑一轮，把那些真正关键的因素挑出来，就犯不着直接怼响应面，先用筛选设计溜一遍会省事很多。
4、分类因素一多就得当心
等到方案里头还夹带了供应商、材料型号、设备种类这种分类因素的时候，试验的总次数可就要按分类组合的方式成倍往上翻了，官方文档里也提到过，万一你塞了俩三水平的分类因素进去，原本数值因素对应的那部分试验次数就得被乘上个九倍，碰到这种局面，不如调头去想一想Optimal设计，说不定更聪明一些。
二、Design Expert Box-Behnken的试验次数怎么去判断
试验次数不是靠人手在那东减一刀西删一下就定下来的，进到软件的【New Design】→【Response Surface】→【Box-Behnken】，把因素有几个、水平是什么填好，基础的那张试验表自己就出来了，中心点也会被附带生成，接下来我们就要从底下几个角度去盘它。
1、先把数值因素有几个看清楚
最打头要搞明白的，就是手头到底攥着几个数值因素，通常的规矩是，三个因素对应的试验次数在15次上下，四个因素就变成27次，五个因素46次，六个因素54次，NIST做过一份不同响应面设计的对照表，里头也列了这些数，可以拿来比对比对。
2、接着把眼光移到中心点的数目上
紧跟着就要去数一数中心点设了多少个，Box-Behnken天生就带着中心点，这些点是用来估量纯误差的，也好顺便观察实验的重现性怎么样，Design-Expert默认给出的中心点个数，会依照因素个数和分区的情况自己变动，你也可以动手再添上几个，不过中心点可别由着性子乱删，删狠了会拉低整个设计的精度。
3、再去查查是不是混进了分类因素
然后就得仔细检查一番，看有没有分类因素夹带进来，这东西一掺和，试验表立马就要胀大，比方说基础设计本来只要做15次，当你塞进来一个两水平的分类因素之后，经常就得照着两个分类的组合分别去跑，试验的总量呼地一下就上去了。
4、最后靠重现性的好坏来决定补不补点
末了还得结合实验本身波不波动来定要不要补点，如果实验的起伏本来就大，或者设备、原料批次老是不稳，那多安插几个中心点也说得过去；要是整个试验的周期拉得老长，还能琢磨琢磨分区间实施，但前提是得先弄稳当，当前这个Box-Behnken的结构能不能撑住你规划的那个区组数量。
三、Design Expert Box-Behnken结果怎么去看够不够用
等到Box-Behnken的试验表生成出来之后，千万不能只盯着次数是不是够少，次数说到底就是个花多少钱的问题，往后搞分析的时候，模型究竟能不能把数据里头那点门道说清楚，这才是真正吃劲的地方。
1、先去检查试验范围有没有设偏
先要盘一盘试验的高低范围是怎么样定的，每个因素的低值和高值，都得是在实验室里头真能跑出来的，范围要是掐得太窄，响应上面那点起伏压根就看不着；可要是拉得太宽，又容易冒出一堆根本执行不了的失败点。
2、再去核对中心点的重复结果
接着就去对一对中心点那些重复试验的结果，要是它们之间离得八丈远，就得赶快回头去查实验的手艺、设备的状态，还有量测里头带进来的偏差，只要重现性还没稳下来，后面画出来的响应面再顺眼也白搭。
3、留意有没有试验被弄丢的情况
另外也得去翻翻有没有哪回试验跑丢了，或者数据不太灵光，Box-Behnken对那些剩下来的观测点到底准不准其实特别敏感，官方资料也提醒过，假如你的实验三天两头就有缺失，或者量测老是不准，那换成中央复合设计通常会稳妥一些。
4、最后检查模型诊断的那些指标
等到全部数据都填进去了，就要拐到模型诊断那一边，去瞅瞅显著性、失拟项、残差图的形状，还有预测值和实际值能不能对上榫头，要是模型的表现不给劲，先别手忙脚乱地去碰优化图，要折回去重新把数据、范围，还有可能藏在里头的异常点都捋一捋。
总结
整体来看，一个试验设计摆出来到底合适不合适，光依赖软件里那点默认配置是远远不够的，想把Design Expert里面Box-Behnken设计适合什么情形、试验次数该怎么看这两件事琢磨透，完全可以从下面几个口子进去：数值因素的个数、极端组合带来的风险、分类因素复不复杂、中心点怎样安排，以及实验本身重现性好不好，当因素数目不算太多，你的目标是去搭一个二次模型，极端组合又不方便去跑的时候，Box-Behnken通常是个挺不错的选择，反过来，如果分类因素缠成一团，或者实验上老是这里那里受到限制，那还是该去琢磨琢磨别的、弹性更大的设计方式。
