Skip to content
กลับไปยังผลการค้นหา

Box-Behnken Design — ระเบียบวิธีพื้นผิวการตอบสนองแบบสามระดับ

ผู้เสนอ
George E. P. Box and Donald W. Behnken
ปี
1960
ประเภท
Response surface design (incomplete three-level factorial)
กลุ่มวิธี
Engineering methods

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

Box-Behnken design (BBD) คือระเบียบวิธีพื้นผิวการตอบสนอง (response surface methodology) ที่มีประสิทธิภาพ ซึ่งใช้แบบจำลองพหุนามอันดับสองเต็มรูปแบบ (full second-order polynomial model) โดยใช้ปัจจัยระดับละสามระดับ แนะนำโดย Box และ Behnken ในปี 1960 การออกแบบนี้จะวางจุดทดลองไว้ที่จุดกึ่งกลางของขอบของไฮเปอร์คิวบ์ (hypercube) และที่จุดศูนย์กลาง โดยหลีกเลี่ยงจุดมุมที่ปัจจัยทั้งหมดอยู่ในระดับสุดขั้วพร้อมกัน โครงสร้างนี้ทำให้ BBD น่าสนใจเป็นพิเศษเมื่อการรวมกันของระดับสุดขั้วเป็นไปไม่ได้ในทางกายภาพ มีค่าใช้จ่ายสูง หรือไม่ปลอดภัยในการทดสอบ

แนวคิดเบื้องหลังวิธีการ

สมมติว่าคุณกำลังปรับปรุงปฏิกิริยาเคมี และมีปัจจัยที่ควบคุมได้สามปัจจัย ได้แก่ อุณหภูมิ ความดัน และความเข้มข้นของตัวเร่งปฏิกิริยา โดยแต่ละปัจจัยมีระดับต่ำ ปานกลาง และสูง การทดลองแบบแฟกทอเรียลเต็มรูปแบบ (full factorial) ที่สามระดับจะต้องใช้ 27 การทดลอง การออกแบบ Box-Behnken บรรลุเป้าหมายการปรับให้เหมาะสมอันดับสองแบบเดียวกันโดยใช้เพียง 15 การทดลอง (บวกจุดศูนย์กลาง) โดยการเลือกชุดค่าผสมของปัจจัยและระดับที่จะทดสอบอย่างชาญฉลาด: การออกแบบนี้จะรักษาปัจจัยอย่างน้อยหนึ่งตัวไว้ที่ระดับกลางเสมอ ดังนั้นจึงไม่มีการทดลองใดที่ผลักดันปัจจัยทั้งหมดไปสู่ระดับสุดขั้วพร้อมกัน ลองนึกภาพว่าเป็นการสุ่มตัวอย่างปริภูมิการทดลองอย่างมีกลยุทธ์ ซึ่งใช้จำนวนการทดลองน้อยลงมาก ในขณะที่ยังคงจับความโค้งและการปฏิสัมพันธ์ได้

ประวัติศาสตร์

George Box และ Donald Behnken ได้นำเสนอการออกแบบนี้ในบทความสำคัญของพวกเขาในปี 1960 ในวารสาร Technometrics ซึ่งพวกเขาได้เสนอชุดการออกแบบสามระดับที่สามารถประมาณค่าสัมประสิทธิ์ทั้งหมดของพหุนามอันดับสองได้ ในขณะเดียวกันก็หลีกเลี่ยงจุดยอดสุดขั้วของลูกบาศก์การออกแบบ แรงจูงใจของพวกเขาคือทั้งทางเศรษฐกิจ — การทดลองที่จุดมุมอาจมีราคาแพง — และทางปฏิบัติ เนื่องจากกระบวนการทางอุตสาหกรรมและเคมีหลายอย่างไม่สามารถทนต่อสภาวะการทำงานที่ระดับสุดขั้วทั้งหมดได้ การออกแบบนี้ได้กลายเป็นมาตรฐานในระเบียบวิธีพื้นผิวการตอบสนอง ซึ่งเผยแพร่กันอย่างแพร่หลายผ่านตำราเรียนของ Box และ Draper (1987) และ Myers, Montgomery, และ Anderson-Cook และปัจจุบันมีการนำไปใช้อย่างสม่ำเสมอในซอฟต์แวร์ทางสถิติ เช่น JMP, Minitab และแพ็คเกจ rsm ของ R

ควรใช้เมื่อใด

ใช้ Box-Behnken design เมื่อคุณต้องการปรับแบบจำลองพื้นผิวการตอบสนองอันดับสอง (quadratic) แบบเต็มรูปแบบ ด้วยปัจจัยต่อเนื่อง 3 ถึง 7 ตัว และจุดมุมของปริภูมิการทดลองมีความไม่ปลอดภัย ไม่สามารถทำได้ หรือมีค่าใช้จ่ายสูงเกินไปในการทดสอบ — ตัวอย่างเช่น เมื่อการตั้งค่าสุดขั้วของตัวแปรหลายตัวพร้อมกันอาจทำให้อุปกรณ์เสียหายหรือก่อให้เกิดอันตราย BBD เหมาะสมเมื่อจำนวนการทดลองต้องอยู่ในระดับปานกลาง และปัจจัยทั้งหมดสามารถเข้าถึงระดับสูงและต่ำของแต่ละปัจจัยได้ ห้ามใช้ BBD หากคุณต้องการการออกแบบที่รองรับเทอมอันดับสูงกว่าระดับสอง หากคุณมีปัจจัยเชิงหมวดหมู่ (categorical factors) หากเป้าหมายคือการประมาณค่าภายนอกไปยังจุดยอดสุดขั้ว หรือหากศึกษาเพียงสองปัจจัย (การออกแบบส่วนประกอบกลางมีประสิทธิภาพมากกว่าสำหรับ k = 2) หลีกเลี่ยง BBD ด้วยเมื่อจำเป็นต้องมีการทดลองที่จุดมุมเพื่อตอบสนองข้อกำหนดคุณสมบัติปลายทาง

ข้อจำกัดและข้อควรพิจารณา

  • ไม่เหมาะสำหรับการทดลองตามลำดับ: แตกต่างจากการออกแบบส่วนประกอบกลาง (central composite designs) BBD ไม่สามารถสร้างขึ้นจากการทดลองคัดกรองแบบแฟกทอเรียลสองระดับก่อนหน้านี้ได้
  • ไม่สามารถประมาณค่าปฏิสัมพันธ์ที่การรวมกันของปัจจัยสุดขั้วได้ เนื่องจากไม่มีจุดมุม หากพฤติกรรมที่จุดมุมมีความสำคัญ การออกแบบส่วนประกอบกลางหรือการออกแบบแฟกทอเรียลเต็มรูปแบบจึงจำเป็น
  • การครอบคลุมปริภูมิการทดลองไม่สม่ำเสมอ — จุดมุมของไฮเปอร์คิวบ์ไม่ได้ถูกสุ่มตัวอย่างทั้งหมด ซึ่งอาจทำให้เกิดความเอนเอียงในการประมาณค่า หากจุดที่เหมาะสมที่สุดจริง ๆ อยู่ใกล้จุดมุม
  • สำหรับปัจจัยห้าตัวขึ้นไป จำนวนการทดลองอาจเพิ่มขึ้นอย่างมาก ทำให้ข้อได้เปรียบด้านประสิทธิภาพเมื่อเทียบกับการออกแบบส่วนประกอบกลางลดลง

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • ต้องใช้การทดลองน้อยกว่าการทดลองแบบแฟกทอเรียลเต็มรูปแบบสามระดับ ทำให้ประหยัดค่าใช้จ่ายและเวลาในการปรับแบบจำลองอันดับสอง
  • ไม่มีการทดลองที่จุดมุม — มีประโยชน์อย่างยิ่งเมื่อการตั้งค่าสุดขั้วของปัจจัยทั้งหมดพร้อมกันเป็นอันตรายทางกายภาพ มีค่าใช้จ่ายสูงเกินไป หรือไม่สามารถทำได้ในกระบวนการ
  • การรวมกันของปัจจัยและระดับทั้งหมดในเมทริกซ์การออกแบบอยู่ใกล้จุดศูนย์กลางหรืออยู่ในตำแหน่งกึ่งกลางขอบ ซึ่งมักเป็นสภาวะการทำงานที่ปลอดภัยและเป็นตัวแทนมากที่สุด
  • การหมุนเวียนได้ใกล้เคียง (Near-rotatability): ความแปรปรวนของการประมาณค่าคงที่เกือบเท่ากันที่ระยะห่างเท่ากันจากจุดศูนย์กลางของการออกแบบ ให้ความแม่นยำในการประมาณค่าที่สม่ำเสมอทั่วทั้งบริเวณการทดลอง
  • ง่ายต่อการเพิ่มเติมด้วยการทำซ้ำจุดศูนย์กลาง ซึ่งให้การประมาณค่าความคลาดเคลื่อนที่บริสุทธิ์ (pure estimate of experimental error) และรองรับการทดสอบการขาดความเหมาะสม

การประยุกต์ใช้

  • การปรับปรุงสูตรยาให้เหมาะสม ซึ่งความเข้มข้นของสารปรุงแต่งสุดขั้วพร้อมกันอาจทำให้ยาเม็ดบีบอัดไม่ได้หรือไม่เสถียร
  • การปรับปรุงพารามิเตอร์กระบวนการในวิศวกรรมเคมี — อุณหภูมิของเครื่องปฏิกรณ์ ความดัน และอัตราการป้อน — ซึ่งการรวมกันของระดับสุดขั้วอาจเกินขีดจำกัดความปลอดภัย
  • การทดลองด้านวิทยาศาสตร์อาหารเพื่อปรับปรุงเนื้อสัมผัส สี หรือคุณลักษณะทางประสาทสัมผัสให้เหมาะสม โดยขึ้นอยู่กับสัดส่วนของส่วนผสมและสภาวะการประมวลผล
  • การศึกษาด้านวัสดุศาสตร์เพื่อปรับความสัมพันธ์ระหว่างอุณหภูมิการเผาผนึก ความดัน และเวลาต่อคุณสมบัติของชิ้นส่วนเซรามิกหรือผงโลหะ
  • การทดลองภาคสนามทางการเกษตรเพื่อปรับอัตราปุ๋ย ระดับการให้น้ำ และความหนาแน่นของการปลูกให้เหมาะสม เมื่อข้อจำกัดด้านโลจิสติกส์ป้องกันไม่ให้ทดสอบการรวมกันของระดับสุดขั้วทั้งหมด
  • การศึกษาการบำบัดสิ่งแวดล้อมเพื่อปรับค่า pH ปริมาณสารออกซิแดนท์ และเวลาสัมผัสเพื่อการย่อยสลายสารปนเปื้อน ซึ่งการรวมกันของระดับสุดขั้วอาจมีฤทธิ์กัดกร่อนหรือเป็นอันตราย

วิธีการทำงาน

วิธีการทำงาน

1

ผู้วิจัยระบุปัจจัยเชิงปริมาณต่อเนื่อง k ตัว (โดยทั่วไปคือ 3 ถึง 7) และกำหนดระดับที่เข้ารหัสสามระดับสำหรับแต่ละปัจจัย ได้แก่ ต่ำ (−1) กลาง (0) และสูง (+1) ตัวแปรการตอบสนองจะต้องสามารถวัดผลได้และเป็นแบบต่อเนื่อง ข้อกำหนดเบื้องต้นที่สำคัญคือระดับสุดขั้วของแต่ละปัจจัยสามารถทำได้จริง — การออกแบบจะหลีกเลี่ยงจุดยอดมุม แต่จะทดสอบแต่ละปัจจัยที่ระดับสุดขั้วของมัน ในขณะที่ปัจจัยอื่น ๆ ถูกรักษาไว้ที่ระดับกลาง

2

เมทริกซ์ BBD ถูกสร้างขึ้นโดยการรวมปัจจัยเป็นบล็อกที่ไม่สมบูรณ์ทีละสองปัจจัย สำหรับแต่ละคู่ของปัจจัย จะมีการสร้างแฟกทอเรียลสองระดับ (สี่การทดลอง) ในขณะที่ปัจจัยที่เหลือจะถูกรักษาไว้ที่ระดับกลาง จุดศูนย์กลางที่ทำซ้ำ (โดยทั่วไปคือ 3–5) จะถูกเพิ่มเข้าไปในการออกแบบเต็มรูปแบบ สำหรับสามปัจจัย สิ่งนี้จะให้ผลลัพธ์ 15 การทดลอง สำหรับสี่ปัจจัย จะให้ผลลัพธ์ 27 การทดลอง การออกแบบที่ได้จะเป็นแบบหมุนได้ (rotatable) หรือใกล้เคียงการหมุนได้ (near-rotatable) และไม่มีจุดมุมที่ปัจจัยทั้งหมดอยู่ในระดับสุดขั้วพร้อมกัน

3

การทดลองจะดำเนินการตามลำดับแบบสุ่มเพื่อป้องกันตัวแปรแฝงและแนวโน้มตามเวลา แถวของการออกแบบแต่ละแถวจะระบุการตั้งค่าปัจจัยสำหรับการทดลองแต่ละครั้ง การวัดการตอบสนองอย่างระมัดระวังในแต่ละการทดลอง ควบคู่ไปกับการสุ่มและการแบ่งบล็อกที่เหมาะสมหากจำเป็น เป็นสิ่งสำคัญสำหรับการประมาณค่าแบบจำลองที่ถูกต้อง

4

แบบจำลองการถดถอยพหุนามอันดับสองจะถูกปรับให้เข้ากับข้อมูล: การตอบสนองจะถูกจำลองเป็นฟังก์ชันของผลกระทบเชิงเส้นของปัจจัยทั้งหมด เทอมกำลังสอง (quadratic) ของปัจจัยเหล่านั้น และเทอมปฏิสัมพันธ์ระหว่างสองปัจจัยทั้งหมด การประมาณค่าด้วยวิธีกำลังสองน้อยสุดธรรมดา (ordinary least squares) (หรือกำลังสองน้อยสุดถ่วงน้ำหนัก) จะให้สัมประสิทธิ์การถดถอย การวิเคราะห์ความแปรปรวน (Analysis of Variance) และการทดสอบการขาดความเหมาะสม (lack-of-fit tests) จะประเมินความเพียงพอของแบบจำลอง

สูตร
\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_j
5

เมื่อแบบจำลองที่น่าพอใจได้รับการยืนยันแล้ว พื้นผิวการตอบสนองที่ปรับให้เหมาะสมจะถูกสำรวจเพื่อค้นหาจุดที่เหมาะสมที่สุด — การรวมกันของการตั้งค่าปัจจัยที่ทำให้การตอบสนองสูงสุด ต่ำสุด หรือถึงค่าเป้าหมาย วิธีการต่างๆ ได้แก่ การวิเคราะห์เชิงมุม (canonical analysis) การไต่ระดับ/การลดระดับที่ชันที่สุด (steepest ascent/descent) และการปรับให้เหมาะสมด้วยฟังก์ชันความน่าปรารถนาเชิงตัวเลข (numerical desirability-function optimization) เมื่อมีหลายการตอบสนองเข้ามาเกี่ยวข้อง

ข้อผิดพลาดที่พบบ่อย

  • การสับสน BBD กับการออกแบบส่วนประกอบกลาง (CCD): CCD รวมถึงบล็อกมุม (factorial) และจุดแกน (star) ที่ขยายออกไปนอกช่วงปัจจัย; BBD ไม่มีทั้งสองอย่าง การเลือกการออกแบบที่ไม่ถูกต้องเมื่อเทียบกับข้อจำกัดในการทดลองจะนำไปสู่การสูญเสียการทดลองหรือการทดลองที่ไม่สามารถทำได้
  • การใช้ BBD กับปัจจัยน้อยกว่าสามตัว: สำหรับ k = 2, BBD จะลดรูปเป็นการออกแบบที่มีประสิทธิภาพน้อยกว่า CCD อย่างมาก; ควรเลือกใช้ CCD หรือการออกแบบที่หมุนได้ง่าย (simple rotatable design) สำหรับการศึกษาปัจจัยสองตัวเสมอ
  • การทำซ้ำจุดศูนย์กลางไม่เพียงพอ: การใช้จุดศูนย์กลางเพียง 1–2 จุด ทำให้การประมาณค่าความคลาดเคลื่อนที่บริสุทธิ์ไม่ชัดเจน บ่อนทำลายการทดสอบการขาดความเหมาะสมและ ANOVA โดยรวม ขอแนะนำอย่างยิ่งให้ใช้จุดศูนย์กลางอย่างน้อย 3 จุด
  • การละเลยความจำเป็นในการสุ่ม: การดำเนินการ BBD ตามลำดับที่ไม่สุ่ม (เช่น การจัดกลุ่มการทดลองอุณหภูมิต่ำทั้งหมด) จะทำให้ผลกระทบของปัจจัยปะปนกับตัวแปรที่รบกวนตามเวลา ทำให้แบบจำลองไม่ถูกต้อง

คำถามที่พบบ่อย

Box-Behnken design แตกต่างจาก central composite design อย่างไร?

ทั้งสองการออกแบบปรับแบบจำลองพหุนามอันดับสองสำหรับการวิเคราะห์พื้นผิวการตอบสนอง แต่มีความแตกต่างกันในโครงสร้าง การออกแบบส่วนประกอบกลาง (CCD) ประกอบด้วยบล็อกแฟกทอเรียลสองระดับ (มุม) บวกกับจุดแกน (ดาว) ที่ขยายออกไปนอกช่วงปัจจัย และสามารถสร้างขึ้นตามลำดับจากการทดลองคัดกรองก่อนหน้านี้ได้ BBD ไม่มีจุดมุมและไม่มีจุดนอกช่วงปัจจัย — ใช้เพียงสามระดับต่อปัจจัยเท่านั้น เลือ ก BBD เมื่อการทดลองที่จุดมุมไม่สามารถทำได้; เลือก CCD เมื่อการสร้างตามลำดับหรือคุณสมบัติที่จุดมุมสุดขั้วมีความสำคัญ

Box-Behnken design ต้องใช้การทดลองกี่ครั้ง?

จำนวนการทดลองขึ้นอยู่กับจำนวนปัจจัย k สำหรับ k = 3: 15 การทดลอง (จุดกึ่งกลางขอบ 12 จุด + จุดศูนย์กลาง 3 จุด); สำหรับ k = 4: 27 การทดลอง; สำหรับ k = 5: 46 การทดลอง จำนวนเหล่านี้รวมถึงจำนวนการทำซ้ำจุดศูนย์กลางตามมาตรฐาน เปรียบเทียบกับการทดลองแบบแฟกทอเรียลเต็มรูปแบบสามระดับ ซึ่งจะต้องใช้ 27, 81 และ 243 การทดลองสำหรับ k = 3, 4 และ 5 ตามลำดับ — BBD ให้การประหยัดอย่างมาก

ฉันสามารถใช้ Box-Behnken design กับปัจจัยมากกว่าเจ็ดตัวได้หรือไม่?

โดยทั่วไป BBD จะใช้สำหรับปัจจัย 3 ถึง 7 ตัว สำหรับปัจจัยมากกว่าเจ็ดตัว จำนวนการทดลองจะเพิ่มขึ้นอย่างมาก และแนวทางอื่น ๆ เช่น definitive screening designs หรือ optimal computer-generated designs มักจะมีประสิทธิภาพมากกว่า บทความต้นฉบับของ Box และ Behnken (1960) ได้อธิบายการออกแบบที่มีปัจจัยสูงสุดเจ็ดตัว

ซอฟต์แวร์ใดสามารถดำเนินการวิเคราะห์ Box-Behnken ได้?

BBD ได้รับการสนับสนุนในแพ็คเกจทางสถิติหลักส่วนใหญ่: JMP (โมดูล Design of Experiments), Minitab (ส่วน Response Surface ของ DOE), SAS (PROC OPTEX หรือ PROC RSREG) และ R (แพ็คเกจ rsm พร้อมฟังก์ชัน bbd()) ผู้ใช้ Python สามารถใช้ไลบรารี pyDOE2 ได้ ทั้งหมดนี้สร้างเมทริกซ์การออกแบบ ปรับแบบจำลองอันดับสอง และให้ผลลัพธ์ ANOVA, พล็อตพื้นผิวการตอบสนอง และผลลัพธ์การปรับให้เหมาะสม

Box-Behnken design หมุนเวียนได้หรือไม่?

BBD มีความใกล้เคียงกับการหมุนเวียนได้ (approximately rotatable) ซึ่งหมายความว่าความแปรปรวนของการประมาณค่าเกือบจะคงที่ที่ระยะห่างเท่ากันจากจุดศูนย์กลางของการออกแบบ แต่การหมุนเวียนได้อย่างสมบูรณ์ (strict rotatability) ขึ้นอยู่กับจำนวนปัจจัย สำหรับ k = 3, BBD มาตรฐานจะหมุนเวียนได้อย่างสมบูรณ์ (exactly rotatable) ด้วยจำนวนจุดศูนย์กลางที่ใช้กันทั่วไป สำหรับค่า k อื่น ๆ การหมุนเวียนจะใกล้เคียง ในทางปฏิบัติ การหมุนเวียนที่ใกล้เคียงนี้เพียงพอสำหรับการใช้งานทางวิศวกรรมและวิทยาศาสตร์ส่วนใหญ่

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Box, G. E. P., & Behnken, D. W. (1960). Some new three level designs for the study of quantitative variables. Technometrics, 2(4), 455–475.

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว
  2. 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: 978-1118916025
    คัดลอกแล้ว