Skip to content
検索結果に戻る

中心複合計画法 — 応答曲面実験計画

提唱者
George E. P. Box and K. B. Wilson
年
1951
種類
Response surface experimental design
系統
Engineering methods

この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む

文字サイズ

何をする手法か?

中心複合計画法(CCD)は、複数の連続的な入力因子と1つ以上の応答変数との関係を効率的にフィッティングするための二次応答曲面設計です。1951年にBoxとWilsonによって導入されたこの手法は、因子計画(または分割因子計画)のコア、軸(スター)点、および中心点レプリケートを単一の統合された設計に組み合わせたもので、工学、化学、製造業におけるプロセス最適化で最も広く使用されている設計となっています。

手法の背後にある直感

化学反応の収率を温度と圧力によって最適化すると仮定します。単純な因子計画では、各因子で2つの水準における主効果と交互作用について知ることができますが、最適点付近にしばしば存在する曲面を見逃してしまいます。CCDは、因子軸上の各因子について、因子計画の角点のさらに外側に2つの追加点(軸点またはスター点)を追加するため、実験は各方向へ十分に伸びて曲率を推定できます。少数の中心点試行を追加して、純粋な実験誤差を測定し、関係が線形ではなく実際に曲線的であることを確認します。これら3つの点の集合により、完全な3水準因子計画よりもはるかに少ない試行回数で応答曲面全体をマッピングできます。

歴史学

中心複合計画法は、ジョージ・E・P・ボックスとK・B・ウィルソンによって、1951年の王立統計学会誌の画期的な論文で導入され、同時に応答曲面方法論の概念が導入されました。ボックスとウィルソンは、因子計画と軸点を組み合わせることで、応答曲面の曲率を推定し、既存の方法よりもはるかに少ない実験で最適点を見つけることができることを示しました。この設計は、1950年代から1960年代にかけて産業プロセス最適化の中心となり、ボックスとドレイパーの教科書『Empirical Model-Building and Response Surfaces』(1987年)によって普及しました。今日、CCDは工学、化学、生命科学全般で最も広く引用され、応用されている二次実験設計であり続けています。

使うべき場面

k個の連続的な量的因子の範囲で応答をマッピングおよび最適化するために二次(二次)モデルをフィッティングする必要がある場合(通常k=2〜6)、CCDを使用します。化学工学、製薬開発、食品科学、製造業におけるプロセス最適化研究では、因子-応答関係に曲率が予想される場合、または一次モデルが既に有意な適合度の欠如を示している場合に標準的な選択肢となります。CCDは、Box-Behnken設計よりも、因子軸上の極端な点(因子範囲を超える)での因子設定が可能(または必要)な場合に好まれ、完全な3^k因子計画よりも試行回数が節約される場合に好まれます。カテゴリカル因子、二値またはカウント応答変数、または実験領域が幾何学的に制約されており、軸点が実行可能な操作範囲外になる場合(この場合はBox-BehnkenまたはD最適設計がより適切です)には、CCDを使用しないでください。また、一次モデルと最急降下法がまだ設計を最適点の近傍に移動するために使用されていない場合もCCDを避けてください。最適点から離れた場所での二次フィッティングは試行回数の無駄になります。

限界と注意点

  • すべての因子が連続的かつ量的であることを要求し、修正なしではカテゴリカル因子を処理できません。
  • 軸点距離α > 1は因子立方体の外側に拡張され、因子水準が物理的に制約されている場合には実行不可能になる可能性があります。
  • kが増加する(k > 5)につれて、総試行回数は急速に増加し、リソースの要求は相当なものになります。
  • 二次モデルは局所的な近似です。真の応答曲面に高次の非線形性がある場合、CCDモデルは最適点の近くで適合度の欠如を示す可能性があります。

出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。

強み

  • 3^k因子計画よりも少ない試行回数で、完全な二次多項式のすべての係数を効率的に推定します。
  • 回転性:面中心または回転性CCDは、設計中心から等距離にあるすべての点で予測分散が等しく、均一な予測精度を提供します。
  • 中心点レプリケートは、純粋誤差の独立した推定値を提供し、妥当な適合度検定を可能にします。
  • 柔軟性:逐次的に構築可能 — まず因子コアを実行し(スクリーニング設計として)、次に曲率が検出された場合に軸点と中心点を追加します。
  • 標準的な統計ソフトウェア(JMP、Minitab、Rのrsmパッケージ、SAS PROC RSREG)で十分にサポートされています。

応用

  • 製薬プロセス開発:錠剤圧縮力、造粒水分、および結合剤濃度を最適化して、溶解速度と硬度を同時に最大化する。
  • 化学工学:反応温度、圧力、触媒負荷の関数としての収率と選択性をマッピングして、操作上の最適点を見つける。
  • 食品科学:食感と感覚品質のために、ベーキングまたは発酵条件(時間、温度、材料比)を最適化する。
  • 環境工学:水処理研究におけるpH、接触時間、および吸着剤用量の関数としての汚染物質除去効率のモデリング。
  • 製造:表面粗さと工具摩耗を最小化するために、機械加工パラメータ(切削速度、送り速度、切削深さ)を最適化する。
  • 材料科学:合金またはポリマー配合をガイドするために、組成と処理条件の関数としての強度または導電率をフィッティングする。

使い方

使い方

1

研究するk個の連続的な量的因子を特定し、それらの低水準と高水準(符号化された-1および+1)を設定します。軸方向の距離αを選択します — 回転性のためにはα = (2^k)^(1/4) 、面中心CCDのためにはα = 1 です。純粋誤差を推定し分散を安定させるために、中心点レプリケート数n0(通常3〜6)を決定します。

2

3つのコンポーネントを組み立てます:(1)2^kの完全因子計画または適切な2^(k-p)の分割因子計画コア(2^k(またはそれ以下)の角点試行を提供)、(2)各因子軸に沿って中心から距離αに配置された2k個の軸(スター)点、(3)原点でのn0個の中心点試行。総試行回数はN = 2^k + 2k + n0です。k=2因子の場合は通常13試行、k=3の場合は約20試行です。

数式
N = 2^k + 2k + n_0
3

系統的なバイアス(時間的傾向や装置のドリフト)を防ぐために、N回の実験試行をランダムな順序で実施します。各試行の応答値(複数可)を記録します。リソースが許せば、因子部分と軸部分を別々の実験セッションにブロック化することで、日々の変動を制御しながら回転性を維持できます。

4

最小二乗回帰を使用して、完全な二次多項式 y = β0 + Σ(β_i * x_i) + Σ(β_ii * x_i^2) + Σ(β_ij * x_i * x_j) + ε をフィッティングします。このモデルは、主効果、純粋二次(曲率)効果、および2因子交互作用を捉えます。CCDの点構造により、すべての二次係数が推定可能であることが保証されます。

数式
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

分散分析(ANOVA)、決定係数(R^2および調整済みR^2)、残差プロット、および適合度検定(中心点レプリケートによって可能になる)を使用して、モデルの妥当性を評価します。結論を出す前に、回帰仮定(残差の正規性および定数分散)を満たしていることを確認します。

6

フィッティングされた応答曲面を使用して、標準解析、等高線プロット、または数値的望ましさ関数最適化により、最適点(最大値、最小値、または鞍点)を見つけます。運用変更をコミットする前に、最適因子設定での1つ以上の確認試行で予測された最適点を検証します。

よくある落とし穴

  • 設計領域から遠く離れた場所での設計の実施 — CCDは最適点の近くでの微調整を目的とした二次設計であり、広範な探索を目的としたものではありません。まずスクリーニング設計と最急降下法を使用してください。
  • 適合度検定の無視 — 中心点はまさに二次モデルが適合するかどうかを検定するために存在します。有意な適合度の欠如の信号は、モデルが不適切であり、最適化の結論が信頼できないことを意味します。
  • 試行順序のランダム化の失敗 — ランダム化なしで因子ブロック、次に軸および中心試行を系統的に実行すると、時間効果と因子効果が混同されます。
  • 実行可能性を確認せずにαを選択すること — 回転性CCD(α = (2^k)^(1/4))は、因子範囲を大きく超える軸点を配置します。最終的な設計を確定する前に、結果の因子水準が物理的に達成可能であることを常に確認してください。
  • 設計領域から遠く離れた曲面の過度の解釈 — フィッティングされた二次関数は、実験領域内でのみ信頼性があります。その領域外の全体的な最適点を見つけるための外挿は統計的に正当化されません。

よくある質問

面中心CCDと回転性CCDの違いは何ですか?

面中心CCD(α=1)では、軸点は因子立方体の面に位置するため、すべての因子設定は[-1, +1]の範囲内に収まります。これは、軸方向の逸脱が実行不可能である場合に有用です。回転性CCD(α=(2^k)^(1/4))では、軸点はより遠くに配置されます。これにより、中心からの距離が等しいすべての点で予測分散が等しくなります(回転性)が、因子範囲を超える因子水準が必要になります。物理的制約により極端な設定ができない場合は面中心を、設計球全体での均一な予測精度が優先される場合は回転性を選択してください。

中心点レプリケートをいくつ使用すべきですか?

標準的な推奨事項は3〜6回です。3回は、意味のある適合度検定と安定した純粋誤差推定値を得るための実用的な最小値です。5〜6回使用すると、分散推定値の安定性が向上し、実験ノイズが高いと予想される場合に推奨されます。6回を超える中心点は、比例的な価値を追加することはめったになく、総試行回数が増加します。

因子が6つ以上ある場合でもCCDを使用できますか?

はい、ただし試行回数の経済性は低下します。k > 5の場合、完全な2^k因子計画コアは高価になるため、実務家は通常、解像度Vの分割因子計画を代用し、分割中心複合計画を作成します。JMPやMinitabなどのソフトウェアはこれを自動化します。k > 6の場合、D最適またはI最適のコンピュータ生成設計は、古典的なCCDよりも試行回数の効率が良い代替手段となることがよくあります。

CCDとBox-Behnken設計の比較はどうですか?

どちらもk>=3因子の二次応答曲面設計です。CCDは角点(因子)点、軸点、中心点を含みます。Box-Behnkenはエッジの中間点と中心点のみを使用するため、設計空間の極端な角での因子組み合わせを必要としません。角点設定が物理的に危険または実行不可能であり、α>1の軸点が達成できない場合にBox-Behnkenが好まれます。角点設定が可能であり、逐次(拡張)戦略が望ましい場合、CCDが好まれます。なぜなら、因子ブロックは以前のスクリーニング実験として二重の役割を果たすことができるからです。

CCDを設定および分析するためにどのようなソフトウェアを使用できますか?

すべての主要な統計パッケージがCCDをサポートしています:Minitab(Response Surface > Central Composite)、JMP(Custom DesignまたはResponse Surfaceプラットフォーム)、SAS PROC RSREG、およびRのrsmパッケージ(ccd()関数)。rsmパッケージは無料で利用でき、設計生成、モデルフィッティング、表面プロットをすべて1つのワークフローで提供します。

関連する手法

参考文献

  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.

    DOI 文献を開く
    コピーしました。
  2. Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.

    ISBN:978-1119492443
    コピーしました。