3D-Flächendiagramm (3D Surface Plot)

Das 3D Surface Plot stellt eine Zielgröße Z über zwei numerischen Variablen X und Y dar, zum Beispiel die Ausbeute über Temperatur und Zeit. Verwenden Sie es, um statistisch geplante Versuche oder Prozessstudien mit zwei Einstellgrößen auszuwerten und Betriebsfenster zu wählen. Die Fläche interpoliert die Daten, statt ein Modell anzupassen: Akima-Interpolation bei Gitterdaten, Distance- oder Akima-Methode bei gestreuten Punkten.

Zuletzt geprüft

Kernaussage

Ein 3D-Flächendiagramm stellt eine Zielgröße Z als Fläche über zwei Variablen X und Y dar und zeigt, wo die Zielgröße ihr Maximum oder Minimum erreicht und ob der beste Bereich eine scharfe Spitze oder ein breites Plateau ist.

Auf dieser Seite
  1. Zweck
  2. Wichtigste Funktionen
  3. Statistische Methoden
  4. Eingabefelder und Optionen
  5. Beschreibung der Ausgabe
  6. Beispiel

Zweck

Das 3D Surface Plot stellt eine Zielgröße Z als Fläche über zwei Variablen X und Y dar, zum Beispiel die Ausbeute über Temperatur und Reaktionszeit. Es zeigt, wo die Zielgröße ihr Maximum oder Minimum erreicht, wie steil sie sich ändert und ob der beste Bereich eine scharfe Spitze oder ein breites Plateau ist. Verwenden Sie es, um Ergebnisse eines statistisch geplanten Versuchs oder einer Prozessstudie mit zwei Einstellgrößen auszuwerten und Betriebsfenster zu wählen. Das Diagramm lässt sich mit der Maus drehen und zoomen.

Wichtigste Funktionen

  • Fläche aus Gitterdaten (jede X/Y-Kombination vorhanden) oder aus gestreuten X/Y-Punkten.
  • Zwei Interpolationsmethoden für gestreute Daten: Distance (inverse Distanzgewichtung) oder die Polynommethode nach Akima.
  • Automatische oder benutzerdefinierte Gittergröße.
  • Kombinierbare Darstellungselemente: Fläche, Drahtgitter, Datenpunkte (Symbole), Projektionslinien von jedem Punkt zur Grundfläche und auf die Fläche projizierte Höhenlinien.
  • Wahl der Farbskala, mit Farbleiste für Z.

Statistische Methoden

Die Fläche ist eine Interpolation der Daten, kein angepasstes Modell. Ist jede X/Y-Kombination vorhanden (Gitterdaten, gleichmäßige oder ungleichmäßige Abstände; Wiederholungen werden gemittelt), wird die lokale kubische Interpolation nach Akima durch das Gitter zuerst entlang Y und dann entlang X auf einem feinen Gitter (bis zu 201 Punkte je Achse) angewendet. Die Fläche verläuft durch jeden Messpunkt; Interpolationsmethode, Distanzexponent und Gittereinstellungen haben bei Gitterdaten keine Wirkung.

Bei gestreuten Daten wird die Zielgröße auf einem X × Y-Gitter (standardmäßig 15 × 15) geschätzt, das den Wertebereich der Daten abdeckt. Die Distance-Methode verwendet die inverse Distanzgewichtung nach Shepard, ẑ = Σ(zᵢ / dᵢᵖ) / Σ(1 / dᵢᵖ), wobei dᵢ der Abstand vom Gitterknoten zum Datenpunkt i und p die Distance Power (Standard 2) ist: Höhere Exponenten geben nahe gelegenen Punkten mehr Gewicht. Die Schätzungen bleiben stets innerhalb des Wertebereichs der Daten. Ist Standardize X and Y aktiviert, werden X und Y zuerst auf −1 bis 1 skaliert, damit eine Variable mit großem Zahlenbereich die Abstände nicht dominiert. Die Methode nach Akima passt glatte lokale Polynome über eine Triangulation der Punkte an; sie liefert eine glattere Fläche, kann aber über die Daten hinaus- oder unter sie schießen, insbesondere jenseits der äußersten Punkte, wo der Boundary z-value (oder das kleinste geschätzte Z) verwendet wird.

Da die Fläche nur interpoliert, können kleine Unebenheiten von Messstreuung herrühren. Um ein Optimum belastbar zu schätzen, passen Sie ein Wirkungsflächenmodell an (DOE-Wirkungsflächenversuch oder Regression) und verwenden Sie dessen angepasste Fläche.

Eingabefelder und Optionen

Feld

Beschreibung

X Variable / Y Variable

Pflichtfeld. Numerische Spalten für die beiden horizontalen Achsen.

Z Variable (Response)

Pflichtfeld. Numerische Zielgröße, dargestellt als Höhe und Farbe.

Interpolation Method

Distance Method (Standard) oder Akima's Polynomial Method. Wird bei Gitterdaten ignoriert.

Distance Power

Standard 2.0. Nur Distance-Methode; höhere Exponenten geben nahe gelegenen Punkten mehr Gewicht.

Standardize X and Y data

Standardmäßig aktiviert. Nur Distance-Methode.

Boundary z-value

Optional. Nur Methode nach Akima: Z-Wert jenseits der äußersten Datenpunkte; leer bedeutet das kleinste geschätzte Z.

Automatic Mesh / X mesh size (columns) / Y mesh size (rows)

Automatic Mesh standardmäßig aktiviert (15 × 15). Deaktivieren Sie die Option, um die Gittergrößen festzulegen (2 bis 500). Wird bei Gitterdaten ignoriert.

Surface / Wireframe / Symbols (data points) / Project lines / Project contours on surface

Darstellungselemente. Surface und Project contours on surface sind standardmäßig aktiviert; mindestens eines von Surface, Wireframe, Symbols oder Project lines muss aktiviert sein.

Color scale

Farbskala der Fläche. Standard Viridis.

Title

Optional. Bleibt das Feld leer (Standard), erhält das Diagramm den Titel „Surface Plot of Z vs Y, X“ mit den Spaltennamen; andernfalls den eingegebenen Text.

Data Options: Subset (optional)

Exclude matching rows (Standard) oder Include only matching rows; Row numbers (z. B. 3,7,12-15) und/oder eine Condition (z. B. Temperature_C <= 200) wählen die Zeilen aus.

surface-plot-inputs


Abbildung 1 – Optionen für das Beispiel: Yield_pct über Temperature_C und Time_min, mit Fläche, Datenpunkten und projizierten Höhenlinien.

Beschreibung der Ausgabe

  • Surface Plot of <Z> vs <Y>, <X> – die 3D-Fläche mit einer Farbleiste für Z sowie den aktivierten Elementen Drahtgitter, Datenpunkte, Projektionslinien und Höhenlinien; ziehen zum Drehen, scrollen zum Zoomen, mit der Maus darüberfahren zum Ablesen von Werten.
  • PDF-Export über Download.

surface-plot-output


Abbildung 2 – Ausbeute einer Reaktion auf einem 7 × 7-Gitter aus Temperatur und Zeit: eine Kuppel mit breitem, flachem Gipfel, Datenpunkte als Punkte dargestellt.

Beispiel

Ein Prozessingenieur misst die Ausbeute einer chemischen Reaktion auf einem 7 × 7-Gitter: Temperaturen von 150 bis 210 °C in Schritten von 10 Grad und Reaktionszeiten von 20 bis 60 Minuten, insgesamt 49 Versuche. Die Fragen lauten, wo die Ausbeute ihr Maximum erreicht und wie schnell sie abfällt. X Variable = Temperature_C, Y Variable = Time_min, Z Variable = Yield_pct, mit aktivierten Optionen Surface, Symbols und Project contours on surface.

Die Fläche ist eine Kuppel: Die Ausbeute ist in der Mitte des Gitters am höchsten und fällt zu allen Rändern hin ab. Der Gipfel ist flach. Fünf Einstellungen zwischen 170 und 190 °C und 33.3 bis 46.7 Minuten ergeben alle 81.4 % bis 82.0 %; der höchste Messwert beträgt 81.99 % bei 190 °C und 46.7 Minuten, die interpolierte Fläche erreicht ihr Maximum von etwa 82.2 % nahe 188 °C und 42 Minuten. Die niedrigsten Ausbeuten liegen an zwei gegenüberliegenden Ecken: 68.30 % bei 150 °C und 60 Minuten sowie 68.32 % bei 210 °C und 20 Minuten. Da die Daten ein vollständiges Gitter bilden, verläuft die Fläche durch jeden Messpunkt, und die kleinen Unebenheiten am Gipfel spiegeln Messstreuung wider, keine getrennten Maxima.

Für die Produktion bedeutet dies, dass es ein breites Betriebsfenster um 170 bis 190 °C und 35 bis 45 Minuten gibt, sodass das Team darin die günstigste oder schnellste Einstellung wählen kann, ohne Ausbeute zu verlieren. Außerhalb davon geht mehr Ausbeute verloren, vor allem an den Ecken, an denen hohe Temperatur auf kurze Zeit oder niedrige Temperatur auf lange Zeit trifft. Das Contour Plot (Höhenliniendiagramm) mit denselben Spalten zeigt dasselbe Fenster als flache Karte.

Häufig gestellte Fragen

Wann sollte man ein 3D-Flächendiagramm verwenden?

Verwenden Sie ein 3D-Flächendiagramm, um Ergebnisse eines statistisch geplanten Versuchs oder einer Prozessstudie mit zwei Einstellgrößen wie Temperatur und Reaktionszeit auszuwerten. Es zeigt, wo die Zielgröße ihr Maximum oder Minimum erreicht, wie steil sie sich ändert und ob der beste Bereich eine scharfe Spitze oder ein breites Plateau ist; das hilft bei der Wahl von Betriebsfenstern.

Ist ein Flächendiagramm dasselbe wie ein angepasstes Modell?

Nein. Die Fläche ist eine Interpolation der Daten, kein angepasstes Modell; kleine Unebenheiten können daher von Messstreuung herrühren. Um ein Optimum belastbar zu schätzen, passen Sie ein Wirkungsflächenmodell an – über einen DOE-Wirkungsflächenversuch oder eine Regression – und verwenden Sie dessen angepasste Fläche.

Was ist der Unterschied zwischen der Distance- und der Akima-Interpolation?

Bei gestreuten Daten verwendet die Distance-Methode die inverse Distanzgewichtung, bei der eine höhere Distance Power nahe gelegenen Punkten mehr Gewicht gibt; die Schätzungen bleiben stets innerhalb des Wertebereichs der Daten. Die Methode nach Akima passt glatte lokale Polynome über eine Triangulation der Punkte an und liefert eine glattere Fläche, die über die Daten hinaus- oder unter sie schießen kann. Keine der beiden Einstellungen wirkt sich auf Gitterdaten aus.

Was ist der Unterschied zwischen Gitterdaten und gestreuten Daten?

Gitterdaten enthalten jede X/Y-Kombination, mit gleichmäßigen oder ungleichmäßigen Abständen und gemittelten Wiederholungen; die Fläche verläuft dann mittels lokaler kubischer Interpolation nach Akima durch jeden Messpunkt. Gestreute Daten werden auf einem X-mal-Y-Gitter, standardmäßig 15 mal 15, mit der gewählten Interpolationsmethode geschätzt.