Disegno Centrale Composito — Disegno Sperimentale a Superficie di Risposta
- Introdotto da
- George E. P. Box and K. B. Wilson
- Anno
- 1951
- Tipo
- Response surface experimental design
- Famiglia
- Engineering methods
Questo testo è una traduzione automatica e non è ancora stato revisionato. Leggi l’originale in inglese
A cosa serve?
Il Disegno Centrale Composito (CCD) è un disegno a superficie di risposta del secondo ordine che consente ai ricercatori di adattare in modo efficiente un modello quadratico completo che mette in relazione molteplici fattori di input continui con una o più variabili di risposta.
Introdotto da Box e Wilson nel 1951, combina un nucleo fattoriale (o fattoriale frazionario), punti assiali (a stella) e repliche di punti centrali in un unico disegno unificato, rendendolo il disegno più utilizzato per l'ottimizzazione dei processi in ingegneria, chimica e produzione.
L’intuizione alla base del metodo
Supponiamo di ottimizzare la resa di una reazione chimica variando temperatura e pressione. Un semplice disegno fattoriale fornisce informazioni sugli effetti principali e sulle interazioni a soli due livelli per fattore, ma non coglie la superficie curva che spesso esiste vicino a un ottimo. Il CCD aggiunge due punti extra oltre agli angoli fattoriali lungo ciascun asse del fattore — i punti assiali o a stella — in modo che l'esperimento si estenda sufficientemente in ogni direzione per stimare la curvatura. Alcune esecuzioni di punti centrali vengono aggiunte per misurare l'errore sperimentale puro e verificare che la relazione sia effettivamente curva piuttosto che lineare. Insieme, questi tre insiemi di punti consentono di mappare l'intera superficie di risposta con molte meno esecuzioni rispetto a quanto richiederebbe un disegno fattoriale completo a tre livelli.
Storia
Il Disegno Centrale Composito è stato introdotto da George E. P. Box e K. B. Wilson nel loro fondamentale articolo del 1951 sul Journal of the Royal Statistical Society, che introduceva contemporaneamente il concetto di metodologia delle superfici di risposta. Box e Wilson dimostrarono che la combinazione di un disegno fattoriale con punti assiali permetteva di stimare la curvatura della superficie di risposta e di localizzare un ottimo con molti meno esperimenti rispetto a quanto richiesto dai metodi esistenti. Il disegno divenne centrale nell'ottimizzazione dei processi industriali durante gli anni '50 e '60 e fu reso popolare dal libro di testo di Box e Draper Empirical Model-Building and Response Surfaces (1987). Oggi il CCD rimane il disegno sperimentale del secondo ordine più citato e applicato in ingegneria, chimica e scienze della vita.
Quando usarlo
Utilizzare il CCD quando è necessario adattare un modello del secondo ordine (quadratico) per mappare e ottimizzare una risposta continua su una regione di k fattori quantitativi (tipicamente k = 2–6). È la scelta standard negli studi di ottimizzazione dei processi in ingegneria chimica, sviluppo farmaceutico, scienza alimentare e produzione quando si prevede curvatura nella relazione fattore-risposta o quando un modello del primo ordine ha già mostrato una significativa mancanza di adattamento. Il CCD è preferito al disegno Box-Behnken quando si possono permettere (o si necessitano) impostazioni dei fattori nei punti assiali estremi oltre l'intervallo fattoriale, e a un disegno fattoriale completo 3^k quando l'economia di esecuzione è importante. NON utilizzare il CCD con fattori categorici, variabili di risposta binarie o di conteggio, o quando la regione sperimentale è geometricamente vincolata in modo tale che i punti assiali cadano al di fuori degli intervalli operativi fattibili (nel qual caso un disegno Box-Behnken o D-ottimale è più appropriato). Evitare anche il CCD se non è ancora stata utilizzata una strategia di massima pendenza con un modello del primo ordine per spostare il disegno in prossimità dell'ottimo — adattare un modello quadratico lontano dall'ottimo spreca esecuzioni.
Limiti e considerazioni
- Richiede che tutti i fattori siano continui e quantitativi; non può gestire fattori categorici senza modifiche.
- I punti assiali a distanza alpha > 1 si estendono oltre il cubo fattoriale, il che può essere infattibile quando i livelli dei fattori sono fisicamente vincolati.
- Man mano che k cresce (k > 5), il numero totale di esecuzioni aumenta rapidamente e le richieste di risorse diventano considerevoli.
- Il modello quadratico è un'approssimazione locale; se la superficie di risposta reale presenta non linearità di ordine superiore, il modello CCD può comunque mostrare mancanza di adattamento vicino all'ottimo.
Le condizioni della fonte non sostituiscono una revisione scientifica indipendente né la validazione da parte di un motore di analisi.
Punti di forza
- Stima in modo efficiente tutti i coefficienti di un polinomio completo del secondo ordine con meno esecuzioni rispetto a un disegno fattoriale 3^k.
- Rotatabilità: il CCD face-centered o rotatable fornisce una varianza di predizione uguale in tutti i punti equidistanti dal centro del disegno, garantendo una precisione predittiva uniforme.
- Le repliche di punti centrali forniscono una stima indipendente dell'errore puro, consentendo un test di mancanza di adattamento valido.
- Flessibilità: può essere costruito sequenzialmente — eseguire prima il nucleo fattoriale (come disegno di screening), quindi aumentare con punti assiali e centrali se viene rilevata curvatura.
- Ben supportato dal software statistico standard (JMP, Minitab, pacchetto R rsm, SAS PROC RSREG).
Applicazioni
- Sviluppo di processi farmaceutici: ottimizzazione della forza di compressione delle compresse, dell'umidità di granulazione e della concentrazione del legante per massimizzare simultaneamente la velocità di dissoluzione e la durezza.
- Ingegneria chimica: mappatura della resa e della selettività in funzione di temperatura, pressione e caricamento del catalizzatore per trovare gli ottimi operativi.
- Scienza alimentare: ottimizzazione delle condizioni di cottura o fermentazione (tempo, temperatura, rapporti degli ingredienti) per la qualità della consistenza e sensoriale.
- Ingegneria ambientale: modellazione dell'efficienza di rimozione degli inquinanti in funzione di pH, tempo di contatto e dose di adsorbente negli studi di trattamento delle acque.
- Produzione: ottimizzazione dei parametri di lavorazione (velocità di taglio, avanzamento, profondità di taglio) per minimizzare la rugosità superficiale e l'usura dell'utensile.
- Scienza dei materiali: adattamento della resistenza o della conducibilità in funzione della composizione e delle condizioni di processo per guidare la formulazione di leghe o polimeri.
Come funziona
Come funziona
Identificare i k fattori quantitativi continui da studiare e impostare i loro livelli fattoriali basso e alto (codificati -1 e +1). Scegliere la distanza assiale alpha — per la rotatabilità alpha = (2^k)^(1/4); per il CCD face-centered alpha = 1. Determinare il numero di repliche di punti centrali n0 (tipicamente 3–6) per stimare l'errore puro e stabilizzare la varianza.
Assemblare le tre componenti: (1) un nucleo fattoriale completo 2^k o un adatto nucleo fattoriale frazionario 2^(k-p) che fornisce 2^k (o meno) esecuzioni d'angolo; (2) 2k punti assiali (a stella) posizionati a distanza alpha dal centro lungo ciascun asse del fattore; e (3) n0 esecuzioni di punti centrali all'origine. Il numero totale di esecuzioni è N = 2^k + 2k + n0. Per k=2 fattori, questo è tipicamente di 13 esecuzioni; per k=3, circa 20 esecuzioni.
Formula
N = 2^k + 2k + n_0
Condurre le N esecuzioni sperimentali in ordine randomizzato per prevenire bias sistematici dovuti a trend temporali o deriva dell'apparecchiatura. Registrare il valore (i) di risposta per ciascuna esecuzione. Se le risorse lo consentono, bloccare le porzioni fattoriali e assiali in sessioni sperimentali separate preserva la rotatabilità controllando la variazione giorno per giorno.
Utilizzare la regressione dei minimi quadrati per adattare il polinomio completo del secondo ordine: y = beta0 + sum(beta_i * x_i) + sum(beta_ii * x_i^2) + sum(beta_ij * x_i * x_j) + epsilon. Questo modello cattura effetti principali, effetti quadratici puri (curvatura) e interazioni a due fattori. La struttura dei punti del CCD garantisce che tutti i coefficienti del secondo ordine siano stimabili.
Formula
y = \beta_0 + \sum_{i}\beta_i x_i + \sum_{i}\beta_{ii}x_i^2 + \sum_{i<j}\beta_{ij}x_ix_j + \varepsilonValutare l'adeguatezza del modello tramite analisi della varianza (ANOVA), il coefficiente di determinazione (R^2 e R^2 aggiustato), i grafici dei residui e un test di mancanza di adattamento (abilitato dalle repliche di punti centrali). Verificare che il modello soddisfi le assunzioni di regressione — normalità e varianza costante dei residui — prima di trarre conclusioni.
Utilizzare la superficie di risposta adattata per localizzare l'ottimo — un massimo, un minimo o un punto di sella — tramite analisi canonica, grafici di contorno o ottimizzazione numerica basata sulla funzione di desiderabilità. Verificare l'ottimo previsto con una o più esecuzioni di conferma alle impostazioni ottimali dei fattori prima di impegnarsi in modifiche operative.
Errori comuni
- Esecuzione del disegno lontano dall'ottimo reale — il CCD è un disegno del secondo ordine destinato alla messa a punto vicino a un ottimo, non all'esplorazione ampia; utilizzare prima disegni di screening e la strategia di massima pendenza.
- Ignorare il test di mancanza di adattamento — i punti centrali sono lì precisamente per testare se il modello quadratico si adatta; un segnale significativo di mancanza di adattamento indica che il modello è inadeguato e le conclusioni sull'ottimizzazione non sono affidabili.
- Mancata randomizzazione dell'ordine di esecuzione — l'esecuzione sistematica del blocco fattoriale seguita dai blocchi assiali e centrali senza randomizzazione confonde gli effetti temporali con gli effetti dei fattori.
- Scelta di alpha senza verificare la fattibilità — un CCD rotatable (alpha = (2^k)^(1/4)) posiziona i punti assiali ben oltre l'intervallo fattoriale; verificare sempre che i livelli dei fattori risultanti siano fisicamente realizzabili prima di finalizzare il disegno.
- Sovra-interpretazione della superficie lontano dalla regione del disegno — il modello quadratico adattato è affidabile solo all'interno della regione sperimentale; estrapolare per trovare un ottimo globale al di fuori di tale regione è statisticamente ingiustificato.
Domande frequenti
Qual è la differenza tra un CCD face-centered e un CCD rotatable?
In un CCD face-centered (alpha = 1) i punti assiali si trovano sulle facce del cubo fattoriale, quindi tutte le impostazioni dei fattori rimangono nell'intervallo [-1, +1] — utile quando le escursioni assiali non sono fattibili. In un CCD rotatable alpha = (2^k)^(1/4), posizionando i punti assiali più lontano; questo fornisce una varianza di predizione uguale in tutti i punti alla stessa distanza dal centro (rotatabilità) ma richiede livelli di fattori oltre l'intervallo fattoriale. Scegliere face-centered quando i vincoli fisici impediscono impostazioni estreme; scegliere rotatable quando la priorità è la precisione predittiva uniforme in tutta la sfera del disegno.
Quante repliche di punti centrali dovrei usare?
La raccomandazione standard è di 3–6 repliche di punti centrali. Tre è il minimo pratico per ottenere un test di mancanza di adattamento significativo e una stima stabile dell'errore puro. L'uso di 5–6 punti centrali migliora la stabilità della stima della varianza ed è consigliabile quando ci si aspetta un rumore sperimentale elevato. Più di sei punti centrali raramente aggiungono valore proporzionale e aumentano il numero totale di esecuzioni.
Posso usare il CCD quando ho più di sei fattori?
Sì, ma l'economia di esecuzione peggiora. Per k > 5 il nucleo fattoriale completo 2^k diventa costoso, quindi i professionisti sostituiscono tipicamente un fattoriale frazionario di risoluzione V, creando un disegno centrale composito frazionario. Software come JMP o Minitab automatizzano questa costruzione. Per k > 6 un disegno generato al computer D-ottimale o I-ottimale fornisce spesso un'alternativa più efficiente in termini di esecuzioni rispetto a qualsiasi CCD classico.
Come si confronta il CCD con il disegno Box-Behnken?
Entrambi sono disegni a superficie di risposta del secondo ordine per k >= 3 fattori. Il CCD include punti d'angolo (fattoriali) più punti assiali più punti centrali; il Box-Behnken utilizza solo punti medi dei bordi e punti centrali, quindi non richiede mai combinazioni di fattori agli angoli estremi dello spazio di disegno. Il Box-Behnken è preferito quando le impostazioni d'angolo sono fisicamente pericolose o infattibili e quando i punti assiali con alpha > 1 non possono essere raggiunti. Il CCD è preferito quando le impostazioni d'angolo sono fattibili e quando si desidera la strategia sequenziale (di aumento), poiché il blocco fattoriale può servire a doppio scopo come esperimento di screening precedente.
Quale software posso usare per impostare e analizzare un CCD?
Tutti i principali pacchetti statistici supportano il CCD: Minitab (Response Surface > Central Composite), JMP (Custom Design o piattaforma Response Surface), SAS PROC RSREG e R con il pacchetto rsm (funzione ccd()). Il pacchetto rsm è liberamente disponibile e fornisce generazione completa del disegno, adattamento del modello e plotting della superficie in un unico flusso di lavoro.
Metodi correlati
Fonti
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.
Apri il riferimento DOICopiato.Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.
ISBN: 978-1119492443Copiato.