Дизайн Бокса-Бенкена — Методология поверхности отклика трех уровней
- Автор метода
- George E. P. Box and Donald W. Behnken
- Год
- 1960
- Тип
- Response surface design (incomplete three-level factorial)
- Семейство
- Engineering methods
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Дизайн Бокса-Бенкена (BBD) — это эффективный дизайн методологии поверхности отклика, который подбирает полную полиномиальную модель второй степени, используя три уровня каждого фактора.
Предложенный Боксом и Бенкеном в 1960 году, он размещает экспериментальные точки в серединах ребер гиперкуба и в центре, избегая угловых точек, где все факторы одновременно находятся на крайних уровнях. Такая структура делает BBD особенно привлекательным, когда комбинации крайних уровней физически невозможны, дорогостоящи или небезопасны для тестирования.
Интуиция метода
Предположим, вы оптимизируете химическую реакцию и имеете три управляемых фактора — температуру, давление и концентрацию катализатора — каждый с низким, средним и высоким значением. Полный факторный эксперимент на трех уровнях потребовал бы 27 запусков. Дизайн Бокса-Бенкена достигает той же цели подгонки модели второй степени всего за 15 запусков (плюс центральные точки), искусно выбирая, какие комбинации фактор-уровень тестировать: он всегда удерживает по крайней мере один фактор на среднем уровне, поэтому ни один эксперимент не приводит одновременно все факторы к их крайним значениям. Думайте об этом как о стратегической выборке экспериментального пространства, которая использует гораздо меньше запусков, но при этом улавливает кривизну и взаимодействия.
История
Джордж Бокс и Дональд Бенкен представили дизайн в своей знаковой статье 1960 года в журнале Technometrics, где они предложили семейство трехмерных дизайнов, которые могли бы оценить все коэффициенты полиномиальной модели второй степени, избегая при этом крайних вершин куба дизайна. Их мотивация была как экономической — угловые запуски могут быть дорогими — так и практической, поскольку многие промышленные и химические процессы не могут выдерживать рабочие условия со всеми крайними уровнями. Дизайн стал стандартом в методологии поверхности отклика, широко распространенным в учебниках Бокса и Дрейпера (1987) и Майерса, Монтгомери и Андерсон-Кука, и теперь он регулярно реализуется в статистическом программном обеспечении, таком как JMP, Minitab и пакет rsm в R.
Когда применять
Используйте дизайн Бокса-Бенкена, когда вам нужно подобрать полную полиномиальную модель второй степени (квадратичную) для поверхности отклика с 3–7 непрерывными факторами, а угловые точки экспериментального пространства небезопасны, неосуществимы или непомерно дороги для тестирования — например, когда одновременные крайние настройки нескольких переменных процесса могут повредить оборудование или создать угрозу безопасности. BBD подходит, когда количество экспериментальных запусков должно быть умеренным, и все факторы могут индивидуально достигать своих высоких и низких настроек. НЕ используйте BBD, если вам нужен дизайн, поддерживающий члены более высоких порядков, чем квадратичные, если у вас есть категориальные факторы, если целью является экстраполяция к крайним вершинным точкам, или если изучаются только два фактора (центральный композиционный дизайн более эффективен для k = 2). Также избегайте BBD, когда угловой запуск фактически необходим для удовлетворения последующего требования спецификации.
Ограничения и замечания
- Не подходит для последовательного экспериментирования: в отличие от центральных композиционных дизайнов, BBD не может быть построен на основе предыдущего двухфакторного скринингового эксперимента.
- Не оценивает взаимодействия в крайних комбинациях факторов, поскольку угловые точки отсутствуют; если поведение в углах критично, необходим центральный композиционный или полный факторный дизайн.
- Покрытие экспериментальной области не является равномерным — углы гиперкуба полностью не охвачены, что может привести к смещению предсказания, если истинный оптимум находится вблизи угла.
- Для пяти и более факторов количество запусков может значительно возрасти, снижая его преимущество в эффективности по сравнению с центральными композиционными дизайнами.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Требует меньше экспериментальных запусков, чем трехмерный полный факторный эксперимент, что делает его экономически и временным эффективным для подгонки моделей второй степени.
- Отсутствие запусков в угловых точках — особенно ценно, когда одновременные крайние настройки всех факторов физически опасны, непомерно дороги или технологически неосуществимы.
- Все комбинации фактор-уровень в матрице дизайна находятся вблизи центра или на середине ребер, что часто является наиболее безопасными и репрезентативными условиями эксплуатации.
- Приблизительная ротативность: дисперсия предсказания примерно постоянна на равных расстояниях от центра дизайна, обеспечивая равномерную точность оценки по всей области эксперимента.
- Простота дополнения репликатами центральных точек, которые обеспечивают чистую оценку экспериментальной ошибки и поддерживают тест на отсутствие подгонки.
Применение
- Оптимизация фармацевтических составов, где одновременные крайние концентрации вспомогательных веществ могут сделать таблетку некомпрессируемой или нестабильной.
- Оптимизация параметров процесса в химической инженерии — температура реактора, давление и скорость подачи — где комбинированные крайние значения могут превысить пределы безопасности.
- Эксперименты в области пищевой науки, оптимизирующие текстуру, цвет или органолептические свойства в зависимости от пропорций ингредиентов и условий обработки.
- Исследования в области материаловедения, подбирающие зависимость между температурой спекания, давлением и временем от свойств керамических или порошковых металлических деталей.
- Полевые сельскохозяйственные эксперименты по оптимизации норм удобрений, уровней орошения и плотности посадки, когда логистические ограничения препятствуют тестированию всех крайних комбинаций.
- Исследования по экологической ремедиации, оптимизирующие pH, дозу окислителя и время контакта для деградации загрязнителей, где крайние комбинации могут быть коррозионными или опасными.
Как это работает
Как это работает
Экспериментатор определяет k непрерывных количественных факторов (обычно от 3 до 7) и устанавливает для каждого три кодированных уровня: низкий (−1), центр (0) и высокий (+1). Переменная отклика должна быть измеримой и непрерывной. Ключевое предварительное условие заключается в том, что крайние уровни каждого фактора индивидуально осуществимы — дизайн избегает угловых вершин, но тестирует каждый фактор на его крайних значениях, в то время как другие факторы удерживаются на своих центральных значениях.
Матрица BBD строится путем комбинирования факторов в неполных блоках по два за раз. Для каждой пары факторов создается двухфакторный эксперимент (четыре запуска), в то время как остальные факторы удерживаются на своем центральном уровне. К полной схеме добавляются репликаты центральных точек (обычно 3–5). Для трех факторов это дает 15 запусков; для четырех факторов — 27 запусков. Полученный дизайн является ротационным или почти ротационным и не имеет угловых точек, где все факторы одновременно находятся на крайних настройках.
Эксперименты проводятся в случайном порядке для защиты от скрытых переменных и временных тенденций. Каждая строка дизайна указывает настройки факторов для одного экспериментального запуска. Тщательное измерение отклика при каждом запуске, наряду с надлежащей рандомизацией и блокированием при необходимости, имеет решающее значение для достоверной оценки модели.
К данным подбирается полиномиальная регрессионная модель второй степени: отклик моделируется как функция линейных эффектов всех факторов, их квадратичных (квадратичных) членов и всех двухфакторных членов взаимодействия. Оценка методом обычных наименьших квадратов (или взвешенных наименьших квадратов) дает коэффициенты регрессии. Дисперсионный анализ и тесты на отсутствие подгонки оценивают адекватность модели.
Формула
\hat{y} = \beta_0 + \sum_{i=1}^{k}\beta_i x_i + \sum_{i=1}^{k}\beta_{ii}x_i^2 + \sum_{i<j}\beta_{ij}x_i x_jПосле подтверждения удовлетворительной модели поверхность отклика исследуется для определения оптимума — комбинации настроек факторов, которая максимизирует, минимизирует или достигает целевого значения отклика. Методы включают канонический анализ, градиентный подъем/спуск и численную оптимизацию с использованием функции желательности при наличии нескольких откликов.
Частые ошибки
- Путаница BBD с центральным композиционным дизайном (CCD): CCD включает двухфакторный (угловой) блок плюс осевые (звездные) точки, выходящие за пределы диапазона факторов, и может быть построен последовательно из предыдущего скринингового эксперимента. BBD не имеет угловых точек и точек за пределами диапазона факторов — он использует только три уровня на фактор. Выбирайте BBD, когда угловые запуски неосуществимы; выбирайте CCD, когда важна последовательная сборка или свойства в крайних углах.
- Применение BBD к менее чем трем факторам: для k = 2, BBD сводится к гораздо менее эффективному дизайну, чем CCD; всегда предпочитайте CCD или простой ротационный дизайн для двухфакторных исследований.
- Недостаточное количество репликатов центральных точек: использование только 1–2 центральных точек оставляет оценку чистой ошибки плохо определенной, подрывая тест на отсутствие подгонки и общий ANOVA. Настоятельно рекомендуется использовать не менее 3 центральных точек.
- Игнорирование необходимости рандомизации: выполнение BBD в неслучайном порядке (например, группировка всех запусков при низкой температуре) смешивает эффекты факторов с мешающими переменными, связанными со временем, что делает модель недействительной.
Часто задаваемые вопросы
Чем дизайн Бокса-Бенкена отличается от центрального композиционного дизайна?
Оба дизайна подбирают полиномиальную модель второй степени для анализа поверхности отклика, но они различаются по структуре. Центральный композиционный дизайн (CCD) включает двухфакторный (угловой) блок плюс осевые (звездные) точки, выходящие за пределы диапазона факторов, и может быть построен последовательно из предыдущего скринингового эксперимента. BBD не имеет угловых точек и точек за пределами диапазона факторов — он использует только три уровня на фактор. Выбирайте BBD, когда угловые запуски неосуществимы; выбирайте CCD, когда важна последовательная сборка или свойства в крайних углах.
Сколько запусков требуется для дизайна Бокса-Бенкена?
Количество запусков зависит от количества факторов k. Для k = 3: 15 запусков (12 середин ребер + 3 центральные точки); для k = 4: 27 запусков; для k = 5: 46 запусков. Эти подсчеты включают стандартное количество репликатов центральных точек. Сравните это с трехмерным полным факторным экспериментом, который потребовал бы 27, 81 и 243 запусков для k = 3, 4 и 5 соответственно — BBD обеспечивает значительную экономию.
Могу ли я использовать дизайн Бокса-Бенкена с более чем семью факторами?
BBD обычно используется для 3–7 факторов. Для более чем семи факторов количество запусков значительно возрастает, и альтернативные подходы, такие как definitive screening designs или оптимальные компьютерные дизайны, обычно более эффективны. В оригинальной статье Бокса и Бенкена (1960) описаны дизайны до семи факторов.
Какое программное обеспечение может выполнять анализ Бокса-Бенкена?
BBD поддерживается в большинстве основных статистических пакетов: JMP (модуль Design of Experiments), Minitab (раздел Response Surface в DOE), SAS (PROC OPTEX или PROC RSREG) и R (пакет rsm с функцией bbd()). Пользователи Python могут использовать библиотеку pyDOE2. Все они генерируют матрицу дизайна, подбирают модель второй степени и предоставляют ANOVA, графики поверхности отклика и выходные данные для оптимизации.
Является ли дизайн Бокса-Бенкена ротационным?
BBD является приблизительно ротационным, что означает, что дисперсия предсказания почти постоянна на равных расстояниях от центра дизайна, но строгая ротативность зависит от количества факторов. Для k = 3 стандартный BBD точно ротационен при обычно используемом количестве центральных точек. Для других значений k ротативность является приблизительной. На практике эта почти ротативность достаточна для большинства инженерных и научных приложений.
Похожие методы
Источники
Box, G. E. P., & Behnken, D. W. (1960). Some new three level designs for the study of quantitative variables. Technometrics, 2(4), 455–475.
Открыть ссылку DOIСкопировано.Myers, R. H., Montgomery, D. C., & Anderson-Cook, C. M. (2016). Response Surface Methodology: Process and Product Optimization Using Designed Experiments (4th ed.). Wiley.
ISBN: 978-1118916025Скопировано.