实验设计是将复杂的实验安排转化为结构化数学矩阵的工具。在 Lattice 中，我们采用三阶段架构处理您的需求：首先，由 LLM 准确理解您的实验因子、水平范围及约束条件；接着，调用确定性数学引擎，根据选定的方法（如全因子、CCD、BBD 或 D-optimal）生成精确的实验运行方案；最后，Lattice 将复杂的统计参数转化为易于执行的实验矩阵，确保您的每一步操作都具备可追溯性和统计学意义。这种流程排除了人为设计的随机性，使您的实验方案在逻辑上紧密严谨。
何时选择这一家族
- 您有 2-6 个关键因子，需要通过最少的实验方案找出最优工艺点。
- 您需要明确区分主效应与因子间的交互影响，拒绝通过直觉进行调节。
- 您受到实验室时间和物料成本的严格限制，无法执行全覆盖的遍历测试。
- 您的工艺过程中存在物理限制（例如温度与压力无法同时处于极高水平），需要带有特定约束的筛选设计。
如何构建科学的实验矩阵
实验设计方法的核心在于利用矩阵运算，在多维参数空间内选取最具代表性的数据点。无论您选择 CCD 处理二阶曲率，还是使用 BBD 避免极端边界值的风险，我们的数学引擎都会确保每一份设计矩阵在空间分布上具有统计学的代表性。
通过 Lattice 生成的矩阵不仅包含试验组合，还会自动根据您的模型复杂度调整实验次数。对于规则的因子组合，系统优先提供几何对称的方案；对于复杂或受约束的场景，则通过优化算法计算出符合目标精度的设计点。
区分不同方法的适用边界
与零散的实验记录不同，此方法集明确区分了“筛选”与“优化”阶段。部分因子设计（Fractional Factorial）旨在以较低的样本量快速锁定关键因子；而响应曲面方法（如 CCD 或 BBD）则侧重于在关键因子确定后，通过中心点和轴点捕获系统性能的二阶响应。
新手容易犯的错误是混淆方法的适用维度。例如，在因子数量较多时盲目采用全因子设计，会导致实验规模呈指数级膨胀；或在需要评估预测精度时，错误地选择了仅注重参数估算精度的算法。Lattice 会在选型阶段协助您根据因子数量和实验目的匹配最优逻辑。
常见问题
- 我不知道应该选全因子还是响应曲面设计，Lattice 能给出建议吗？
- 可以。您可以告诉 LLM 您当前的阶段是“寻找关键影响因素”还是“确定最佳工艺范围”。通常，若您处于早期阶段，建议从部分因子或筛选设计开始；若您已锁定关键因子并需要寻找最优响应，系统会推荐使用 CCD 或 BBD。
- 如果我的实验条件有特定的物理约束（比如某两项不能同时达到最大值），我该怎么办？
- 在这种情况下，建议使用 D-optimal 设计。您可以直接向 Lattice 输入您的约束条件，系统会通过交换算法在可行域内寻找最优设计矩阵，而不是局限于传统的固定几何形状。