星点设计ppt课件.ppt

1、,星点设计效应面法的应用,作者：王洋,汇报概要,1 星点设计-效应面法的简介 2 星点设计-效应面法应用流程,效应面优化法(Response Surface Methodology, RSM)是集数学和统计学方法于一体的实验设计，首先通过描绘效应对考察因素的效应面，然后从效应面上选择较佳的效应区，从而最终回推出自变量取值范围，即最佳实验条件的优化法。,RSM最早用于普通剂型处方的筛选,实验设计有因子分析、基于单纯形的球面设计、CCD计等,近年来新型给药系统处方筛选和工艺优化应用较多,实验设计主要为CCD设计,考察的水平数多为2、3、4因素。 采用CCD设计法的RSM可以很好地应用于药学领域,有

2、推广应用价值。,1. 星点设计-效应面法的简介,析因设计,正交设计,设计方法,优点：考察全面 缺点：实验次数太多,析因设计,正交设计,星点设计,均匀设计,优点：均匀分散、整齐可比 缺点：精度不够、预测性差,优点：精度高 预测性强,优点：均匀分散 缺点：精度不够 预测性差,星点设计,均匀设计,名称辨析：central composite design （CCD）星点设计！ 主要特点：多因素五水平，由二水平的析因设计加上中心点和星点组成。,五水平：，1，0,x1,1,+,+1,0,(,0,0) (0, , ,0) (0,0, ),x1 x2 xk 0 0 0 0 0 0 ,析因设计部分：2k或2k

3、1/2（+1,-1） 星点部分：star point为各因素的极值水平(+,-,0) 中心点部分( 0 ),因素数,x1 x2 +1 + 1 +1 1 1 + 1 1 1 + 0 0 0 + 0 0 0,析因设计部分F2k=4,星点部分次数2k=4,中心点次数5,= (2k)1/4 或 = 2k1/2(或1/4) (k 5时,采用后者公式 ),x1 x2 x3 1 +1 + 1 +1 2 +1 +1 1 3 +1 1 +1 4 +1 1 1 5 1 + 1 +1 6 1 +1 1 7 1 1 +1 8 1 1 1 9 +1.682 00 10 1.682 0 0 11 0 +1.682 0 1

4、2 0 1.682 0 13 0 0 +1.682 14 0 0 1.682 1520 0 0 0,析因设计部分F2k=8,星点部分次数2k=6,中心点次数6,=(23)1/4=1.682,2. 星点设计-效应面法应用流程,实验设计,模型建立,模型的优化,模型的预测,模型确立、 工艺参数确定,实验设计,1 .确定因素水平的范围,当试验者欲考察因素对效应的作用时,并不知道从哪一个水平开始合适,只有试探性地在几个水平上进行实验后才能初步确定因素对效应影响的趋势。 目前多数研究者均采用在预试验的基础上凭经验直接确定水平范围的办法,一般所选范围为实验所允许的最大可能取值范围。,实验设计,2 .因素水平

5、的确定,3 .确定考察指标,（1 ) 各效应分别求“归一值“ Hassan法： 对于越小越好的效应：dmin=(ymaxyi)/(ymaxymin) 对于越大越好的效应：dmax=(yiymin)/(ymaxymin) Harrington法: 特殊的效应如：释放度数据P1、t85用: d=e-( ) 。 (2) 各“归一值”求几何平均值 OD=(d1d2dk)1/k,多元线性拟合,二项式拟合,因 素、 效应值,Design-expert、SAS软件,Y=b0+b1X1+b2X2+b3X3,Y = b0+ b1X1+ b2X2+ b3X3+ b4X21+b5X22+ b6X23+ b7X1X2

6、+ b8X1X3+ b9X2X3,模型检验,R2 、t、F,R2、F、P、RSME,模型拟合,（1）相关系数R2 越接近1，说明方程越显; （2）F越大说明方程越显著；与F对应的概率p越小越好， Pa时拒绝一些系数，即回归模型成立； （3）标准差（残差）即RMSE 越小越好。,模型的优化,确定自变量范围,1.固定中值， 带入方程，用Origin 软件绘制三维效 应面和二维等高图,2.选取效应和综合 指标较佳的区域， 确定自变量范围,3.根据自变量范围， 确定最佳效应，结合实际 得到具体的工艺参数,1 .单个指标的数据处理,2.多个指标的数据处理,OD在0.60.8 比较合理,模型的预测,模型的预测,根据优化工艺参数，平行制备 3 份样品，所得传递体各指标实测值