Box-Behnken 设计（BBD）是一种用于工艺优化的高效实验方法。当您需要探索多个变量对结果的影响，但又必须避开那些同时将所有参数调至最大或最小的极端实验条件时，该方法是您的理想选择。它能以较少的实验次数，清晰地捕捉变量间的交互作用与二次趋势。
更安全的实验矩阵设计
在许多实验室场景中，将多个核心参数同时设为上限值（如最高温度配合最高压力）可能会导致设备过载或产生危险的反应。Box-Behnken 设计通过其独特的几何构建方式，天然规避了这些极端组合。
该方法主要通过中心点与边中点的配合，在确保工艺安全的前提下，提供足够的数据点来分析变量间复杂的二次项曲率和交互作用。
专注于寻找最优窗口
如果您已经完成了初步筛选，确定了哪些因子是关键的，那么接下来的目标就是寻找最优的工艺参数范围。Box-Behnken 设计专注于此，它生成的实验矩阵旨在构建平滑的响应曲面模型，帮助您从数据中识别出性能最优的坐标区间。
相比于其他旨在筛选因子的方案，这种设计直接将实验资源投入到寻找局部最优解上，让工艺调优过程更加有的放矢。
实验效率与确定性
Lattice 中的 Box-Behnken 工具采用完全确定性的生成逻辑。无论您运行多少次，只要输入的因子数和中心点数一致，生成的实验矩阵结构始终保持一致。这种确定性为您后续的数据分析和结果复现提供了坚实的数学基础。
此外，通过合理设置中心点（center points）的数量，该方法还能在执行过程中帮助您评估实验的随机误差，验证模型在中心区域的稳定性。
1 · Intent → method
An LLM picks doe_generate_bbd from a fixed catalog.
2 · Method → numbers
Deterministic Python engine runs the math. Same input → same output.
3 · Numbers → plain language
A second LLM translates the result into your domain’s vocabulary.
Box-Behnken 设计与全因子设计有什么区别？
全因子设计要求测试所有可能的因子组合，实验量会随因子数指数级增长。而 Box-Behnken 设计通过剔除极端的角点组合，仅测试中心点和边中点，能以更少的实验次数获得同样高质量的二次项拟合效果。
为什么我的实验方案里没有因子同时达到最大值的情况？
这是 Box-Behnken 设计的核心特性。为了保护设备或避免危险的工艺操作，该方法刻意避开了因子空间中的极端角点。它主要通过在各因子的中间值附近移动来探测效应，因此不会出现所有参数同时处于最高水平的设置。
Tool 输入字段
Schema for doe_generate_bbd not exported yet (run pnpm export:registry).