视频字幕
DOE实验设计是一种系统性的实验方法，能够同时研究多个因子对响应变量的影响。与传统的单因子实验相比，DOE方法可以检测因子间的交互效应，大大提高实验效率。图中展示的是最基本的2的2次方因子设计，包含两个因子，每个因子有高低两个水平，形成四个实验点。
标准的2的2次方设计虽然高效，但存在重要局限性：只能检测线性效应，无法识别响应面的曲率效应。当响应面存在非线性特征时，仅凭四个角点无法准确描述。因此引入中心点概念：所有因子都取中间水平的实验点，位于设计空间的几何中心。中心点能够检测曲率效应，提供纯误差估计，并增强设计的稳健性。
中心点模型的数学原理基于线性回归模型，通过比较角点平均响应与中心点响应的差异来检验曲率效应。具体方法是计算角点响应的平均值减去中心点响应的平均值。然后使用t检验统计量进行显著性检验，当t值的绝对值大于临界值时，说明存在显著的曲率效应，响应面呈现非线性特征。
中心点设计相比传统设计具有四大显著优势。首先是曲率检验能力，能够检测响应面的非线性特征。其次提供纯误差估计，为统计分析提供独立的误差估计。第三是增强设计稳健性，减少对异常值的敏感性。最后为后续的响应面方法分析奠定基础。在实际应用中，中心点数量通常选择3到5个，既能提供足够的统计功效，又不会过度增加实验成本。
通过化工过程优化实例来演示中心点模型的完整应用。设置温度和压力两个因子，响应变量为产品收率。实验设计包含4个角点和3个中心点，共7次实验。计算结果显示：温度主效应为5.5，压力主效应为12.5，交互效应为负0.5，曲率效应为负0.33。分析表明压力效应显著，而曲率效应不明显，说明在当前实验区域内响应面基本呈线性关系。