Skip to content
Kembali ke hasil pencarian

Desain Komposit Pusat — Desain Eksperimental Permukaan Respons

Diperkenalkan oleh
George E. P. Box and K. B. Wilson
Tahun
1951
Jenis
Response surface experimental design
Keluarga
Engineering methods

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Desain Komposit Pusat (CCD) adalah desain permukaan respons orde kedua yang memungkinkan peneliti untuk secara efisien menyesuaikan model kuadratik penuh yang menghubungkan beberapa faktor masukan kontinu ke satu atau lebih variabel respons.

Diperkenalkan oleh Box dan Wilson pada tahun 1951, desain ini menggabungkan inti faktorial (atau faktorial pecahan) dengan titik aksial (bintang), dan replikasi titik tengah ke dalam satu desain terpadu, menjadikannya desain yang paling banyak digunakan untuk optimasi proses dalam bidang teknik, kimia, dan manufaktur.

Intuisi di balik metode

Misalkan Anda mengoptimalkan hasil reaksi kimia dengan memvariasikan suhu dan tekanan. Desain faktorial sederhana memberi tahu Anda tentang efek utama dan interaksi pada hanya dua tingkat per faktor, tetapi melewatkan permukaan melengkung yang sering ada di dekat optimum. CCD menambahkan dua titik ekstra di luar sudut faktorial di sepanjang setiap sumbu faktor — titik aksial atau bintang — sehingga eksperimen menjangkau cukup jauh di setiap arah untuk memperkirakan kelengkungan. Beberapa pengulangan titik tengah ditambahkan untuk mengukur kesalahan eksperimental murni dan memeriksa apakah hubungannya benar-benar melengkung daripada linier. Bersama-sama ketiga set titik ini memungkinkan Anda memetakan seluruh permukaan respons dengan jumlah pengulangan yang jauh lebih sedikit daripada yang dibutuhkan oleh faktorial tiga tingkat penuh.

Sejarah

Desain Komposit Pusat diperkenalkan oleh George E. P. Box dan K. B. Wilson dalam makalah penting mereka tahun 1951 di Journal of the Royal Statistical Society, yang secara bersamaan memperkenalkan konsep metodologi permukaan respons. Box dan Wilson menunjukkan bahwa menggabungkan desain faktorial dengan titik aksial memungkinkan kelengkungan permukaan respons diperkirakan dan optimum ditemukan dengan eksperimen yang jauh lebih sedikit daripada yang dibutuhkan metode yang ada. Desain ini menjadi sentral dalam optimasi proses industri sepanjang tahun 1950-an dan 1960-an dan dipopulerkan oleh buku teks Box dan Draper, Empirical Model-Building and Response Surfaces (1987). Saat ini CCD tetap menjadi desain eksperimental orde kedua yang paling banyak dikutip dan diterapkan di bidang teknik, kimia, dan ilmu hayati.

Kapan digunakan

Gunakan CCD ketika Anda perlu menyesuaikan model orde kedua (kuadratik) untuk memetakan dan mengoptimalkan respons kontinu di atas wilayah k faktor kuantitatif (biasalnya k = 2–6). Ini adalah pilihan standar dalam studi optimasi proses di teknik kimia, pengembangan farmasi, ilmu pangan, dan manufaktur ketika Anda mengharapkan kelengkungan dalam hubungan faktor-respons atau ketika model orde pertama telah menunjukkan ketidakcocokan yang signifikan. CCD lebih disukai daripada desain Box-Behnken ketika Anda mampu (atau membutuhkan) pengaturan faktor pada titik aksial ekstrem di luar jangkauan faktorial, dan daripada faktorial penuh 3^k ketika ekonomi pengulangan penting. JANGAN gunakan CCD dengan faktor kategorikal, variabel respons biner atau hitungan, atau ketika wilayah eksperimental dibatasi secara geometris sehingga titik aksial jatuh di luar rentang operasi yang layak (dalam hal ini desain Box-Behnken atau D-optimal lebih tepat). Juga hindari CCD jika model orde pertama dengan strategi pendakian tercuram belum digunakan untuk memindahkan desain ke dekat optimum — menyesuaikan kuadratik jauh dari optimum membuang-buang pengulangan.

Batasan dan pertimbangan

  • Membutuhkan semua faktor untuk menjadi kontinu dan kuantitatif; tidak dapat menangani faktor kategorikal tanpa modifikasi.
  • Titik aksial pada jarak alfa > 1 meluas di luar kubus faktorial, yang mungkin tidak layak ketika tingkat faktor dibatasi secara fisik.
  • Seiring bertambahnya k (k > 5), jumlah total pengulangan meningkat pesat dan tuntutan sumber daya menjadi substansial.
  • Model kuadratik adalah aproksimasi lokal; jika permukaan respons sebenarnya memiliki nonlinieritas orde lebih tinggi, model CCD mungkin masih menunjukkan ketidakcocokan di dekat optimum.

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Secara efisien memperkirakan semua koefisien polinomial orde kedua penuh dengan lebih sedikit pengulangan daripada desain faktorial 3^k.
  • Rotatabilitas: CCD berpusat muka atau rotatable memberikan varians prediksi yang sama pada semua titik yang berjarak sama dari pusat desain, memberikan presisi prediksi yang seragam.
  • Replikasi titik tengah menyediakan perkiraan independen dari kesalahan murni, memungkinkan uji ketidakcocokan yang valid.
  • Fleksibel: dapat dibangun secara berurutan — jalankan inti faktorial terlebih dahulu (sebagai desain penyaringan), kemudian tambahkan dengan titik aksial dan titik tengah jika kelengkungan terdeteksi.
  • Didukung dengan baik dalam perangkat lunak statistik standar (JMP, Minitab, paket R rsm, SAS PROC RSREG).

Penerapan

  • Pengembangan proses farmasi: mengoptimalkan gaya kompresi tablet, kelembaban granulasi, dan konsentrasi pengikat untuk memaksimalkan laju disolusi dan kekerasan secara bersamaan.
  • Teknik kimia: memetakan hasil dan selektivitas sebagai fungsi suhu reaksi, tekanan, dan pembebanan katalis untuk menemukan optimum operasi.
  • Ilmu pangan: mengoptimalkan kondisi pemanggangan atau fermentasi (waktu, suhu, rasio bahan) untuk tekstur dan kualitas sensorik.
  • Teknik lingkungan: memodelkan efisiensi penghilangan polutan sebagai fungsi pH, waktu kontak, dan dosis adsorben dalam studi pengolahan air.
  • Manufaktur: mengoptimalkan parameter pemesinan (kecepatan potong, laju umpan, kedalaman potong) untuk meminimalkan kekasaran permukaan dan keausan alat.
  • Ilmu material: menyesuaikan kekuatan atau konduktivitas sebagai fungsi komposisi dan kondisi pemrosesan untuk memandu formulasi paduan atau polimer.

Cara kerjanya

Cara kerjanya

1

Identifikasi k faktor kuantitatif kontinu yang akan dipelajari dan tetapkan tingkat faktorial rendah dan tingginya (dikodekan -1 dan +1). Pilih jarak aksial alfa — untuk rotatabilitas alfa = (2^k)^(1/4); untuk CCD berpusat muka alfa = 1. Tentukan jumlah replikasi titik tengah n0 (biasanya 3–6) untuk memperkirakan kesalahan murni dan menstabilkan varians.

2

Susun ketiga komponen: (1) inti faktorial penuh 2^k atau faktorial pecahan 2^(k-p) yang sesuai yang menyediakan 2^k (atau lebih sedikit) pengulangan sudut; (2) 2k titik aksial (bintang) yang ditempatkan pada jarak alfa dari pusat di sepanjang setiap sumbu faktor; dan (3) n0 pengulangan titik tengah di titik asal. Jumlah total pengulangan adalah N = 2^k + 2k + n0. Untuk k=2 faktor, ini biasanya 13 pengulangan; untuk k=3, sekitar 20 pengulangan.

Rumus
N = 2^k + 2k + n_0
3

Lakukan N pengulangan eksperimental dalam urutan acak untuk mencegah bias sistematis dari tren waktu atau pergeseran peralatan. Catat nilai respons untuk setiap pengulangan. Jika sumber daya memungkinkan, memblokir bagian faktorial dan aksial ke dalam sesi eksperimental terpisah mempertahankan rotatabilitas sambil mengendalikan variasi antar hari.

4

Gunakan regresi kuadrat terkecil untuk menyesuaikan polinomial orde kedua penuh: y = beta0 + sum(beta_i * x_i) + sum(beta_ii * x_i^2) + sum(beta_ij * x_i * x_j) + epsilon. Model ini menangkap efek utama, efek kuadrat murni (kelengkungan), dan interaksi dua faktor. Struktur titik CCD memastikan semua koefisien orde kedua dapat diperkirakan.

Rumus
y = \beta_0 + \sum_{i}\beta_i x_i + \sum_{i}\beta_{ii}x_i^2 + \sum_{i<j}\beta_{ij}x_ix_j + \varepsilon
5

Evaluasi kecukupan model melalui analisis varians (ANOVA), koefisien determinasi (R^2 dan R^2 yang disesuaikan), plot residual, dan uji ketidakcocokan (dimungkinkan oleh replikasi titik tengah). Konfirmasikan bahwa model memenuhi asumsi regresi — normalitas dan varians residual yang konstan — sebelum menarik kesimpulan.

6

Gunakan permukaan respons yang disesuaikan untuk menemukan optimum — maksimum, minimum, atau titik pelana — melalui analisis kanonik, plot kontur, atau optimasi fungsi keinginan numerik. Verifikasi optimum yang diprediksi dengan satu atau lebih pengulangan konfirmasi pada pengaturan faktor optimal sebelum melakukan perubahan operasional.

Kesalahan umum

  • Menjalankan desain jauh dari optimum sebenarnya — CCD adalah desain orde kedua yang ditujukan untuk penyempurnaan di dekat optimum, bukan untuk eksplorasi luas; gunakan desain penyaringan dan pendakian tercuram terlebih dahulu.
  • Mengabaikan uji ketidakcocokan — titik tengah ada justru untuk menguji apakah model kuadratik cocok; sinyal ketidakcocokan yang signifikan berarti model tidak memadai dan kesimpulan optimasi tidak dapat diandalkan.
  • Gagal mengacak urutan pengulangan — eksekusi sistematis blok faktorial diikuti oleh blok aksial dan titik tengah tanpa pengacakan mengacaukan efek waktu dengan efek faktor.
  • Memilih alfa tanpa memeriksa kelayakan — CCD rotatable (alfa = (2^k)^(1/4)) menempatkan titik aksial jauh di luar jangkauan faktorial; selalu verifikasi bahwa tingkat faktor yang dihasilkan dapat dicapai secara fisik sebelum menyelesaikan desain.
  • Interpretasi berlebihan permukaan jauh dari wilayah desain — kuadratik yang disesuaikan hanya andal di dalam wilayah eksperimental; ekstrapolasi untuk menemukan optimum global di luar wilayah itu tidak dibenarkan secara statistik.

Pertanyaan yang sering diajukan

Apa perbedaan antara CCD berpusat muka dan CCD rotatable?

Dalam CCD berpusat muka (alfa = 1) titik aksial terletak pada muka kubus faktorial, sehingga semua pengaturan faktor tetap dalam rentang [-1, +1] — berguna ketika ekskursi aksial tidak layak. Dalam CCD rotatable alfa = (2^k)^(1/4), menempatkan titik aksial lebih jauh keluar; ini memberikan varians prediksi yang sama pada semua titik yang berjarak sama dari pusat (rotatabilitas) tetapi membutuhkan tingkat faktor di luar jangkauan faktorial. Pilih berpusat muka ketika kendala fisik mencegah pengaturan ekstrem; pilih rotatable ketika presisi prediksi seragam di seluruh bola desain adalah prioritas.

Berapa banyak replikasi titik tengah yang harus saya gunakan?

Rekomendasi standar adalah 3–6 replikasi titik tengah. Tiga adalah minimum praktis untuk mendapatkan uji ketidakcocokan yang bermakna dan perkiraan kesalahan murni yang stabil. Menggunakan 5–6 titik tengah meningkatkan stabilitas perkiraan varians dan disarankan ketika kebisingan eksperimental diperkirakan tinggi. Lebih dari enam titik tengah jarang memberikan nilai proporsional dan meningkatkan jumlah total pengulangan.

Bisakah saya menggunakan CCD ketika saya memiliki lebih dari enam faktor?

Ya, tetapi ekonomi pengulangan memburuk. Untuk k > 5, inti faktorial penuh 2^k menjadi mahal, sehingga praktisi biasanya menggantinya dengan faktorial pecahan resolusi V, menciptakan desain komposit pusat pecahan. Perangkat lunak seperti JMP atau Minitab mengotomatiskan konstruksi ini. Untuk k > 6, desain yang dihasilkan komputer D-optimal atau I-optimal sering kali memberikan alternatif yang lebih efisien dalam hal pengulangan daripada CCD klasik mana pun.

Bagaimana perbandingan CCD dengan desain Box-Behnken?

Keduanya adalah desain permukaan respons orde kedua untuk k >= 3 faktor. CCD mencakup titik sudut (faktorial) ditambah titik aksial ditambah titik tengah; Box-Behnken hanya menggunakan titik tengah tepi dan titik tengah, sehingga tidak pernah membutuhkan kombinasi faktor di sudut ekstrem ruang desain. Box-Behnken lebih disukai ketika pengaturan sudut berbahaya atau tidak layak secara fisik dan ketika titik aksial alfa > 1 tidak dapat dicapai. CCD lebih disukai ketika pengaturan sudut layak dan ketika strategi berurutan (augmentasi) diinginkan, karena blok faktorial dapat berfungsi ganda sebagai eksperimen penyaringan sebelumnya.

Perangkat lunak apa yang dapat saya gunakan untuk menyiapkan dan menganalisis CCD?

Semua paket statistik utama mendukung CCD: Minitab (Response Surface > Central Composite), JMP (Custom Design atau platform Response Surface), SAS PROC RSREG, dan R dengan paket rsm (fungsi ccd()). Paket rsm tersedia secara gratis dan menyediakan pembuatan desain penuh, penyesuaian model, dan plot permukaan dalam satu alur kerja.

Metode terkait

Sumber

  1. Box, G. E. P., & Wilson, K. B. (1951). On the experimental attainment of optimum conditions. Journal of the Royal Statistical Society: Series B, 13(1), 1–45.

    Buka referensi DOI
    Disalin.
  2. Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.

    ISBN: 978-1119492443
    Disalin.