İçeriğe atla
Arama sonuçlarına dön

Box-Behnken Tasarımı — Üç Seviyeli Tepki Yüzeyi Metodolojisi

Ortaya koyan
George E. P. Box and Donald W. Behnken
Yıl
1960
Tür
Response surface design (incomplete three-level factorial)
Aile
Engineering methods

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Box-Behnken tasarımı (BBD), her faktörün üç seviyesini kullanarak tam bir ikinci dereceden polinom modeline uyan verimli bir tepki yüzeyi metodolojisi tasarımıdır.

Box ve Behnken tarafından 1960 yılında tanıtılan bu tasarım, deneysel noktaları bir hiperküpün kenarlarının orta noktalarına ve merkeze yerleştirirken, tüm faktörlerin aynı anda uç seviyelerinde olduğu köşe noktalarından kaçınır. Bu yapı, uç seviye kombinasyonlarının fiziksel olarak imkansız, maliyetli veya test edilmesi güvensiz olduğu durumlarda BBD'yi özellikle cazip kılar.

Yöntemin mantığı

Bir kimyasal reaksiyonu optimize ettiğinizi ve her biri düşük, orta ve yüksek ayara sahip üç kontrol edilebilir faktörünüz (sıcaklık, basınç ve katalizör konsantrasyonu) olduğunu varsayalım. Üç seviyeli tam faktöriyel 27 deneme gerektirirken, Box-Behnken tasarımı, hangi faktör-seviye kombinasyonlarının test edileceğini akıllıca seçerek aynı ikinci dereceden uyum hedefine sadece 15 deneme (artı merkez noktaları) ile ulaşır: her zaman en az bir faktörü orta seviyesinde tutar, böylece hiçbir deney tüm faktörleri aynı anda uç noktalara itmez. Bunu, eğriliği ve etkileşimleri hala yakalarken çok daha az deneme kullanan deneysel alanın stratejik bir örneklemesi olarak düşünebilirsiniz.

Tarih

George Box ve Donald Behnken, 1960 tarihli dönüm noktası niteliğindeki Technometrics makalelerinde, tasarım küpünün uç köşelerinden kaçınarak ikinci dereceden bir polinomun tüm katsayılarını tahmin edebilen üç seviyeli tasarımlar ailesini önerdiler. Motivasyonları hem ekonomikti — köşe denemeleri pahalı olabilir — hem de pratikti, çünkü birçok endüstriyel ve kimyasal proses tüm uç seviye çalışma koşullarını sürdüremez. Tasarım, tepki yüzeyi metodolojisinde bir standart haline geldi, Box ve Draper (1987) ile Myers, Montgomery ve Anderson-Cook'un ders kitapları aracılığıyla geniş çapta yayıldı ve şimdi JMP, Minitab ve R'nin rsm paketi gibi istatistiksel yazılımlarda rutin olarak uygulanmaktadır.

Ne zaman kullanılır?

3 ila 7 sürekli faktörle tam bir ikinci dereceden (kuadratik) tepki yüzeyi modeli uydurmanız gerektiğinde ve deneysel alanın köşe noktalarının test edilmesi güvensiz, uygulanamaz veya aşırı derecede pahalı olduğunda Box-Behnken tasarımını kullanın — örneğin, birden fazla proses değişkeninin aynı anda uç ayarlarda olması ekipmana zarar verebilir veya güvenlik tehlikeleri oluşturabilir. BBD, deneysel deneme sayısının makul tutulması gerektiğinde ve tüm faktörlerin her birinin ayrı ayrı yüksek ve düşük ayarlarına ulaşabildiği durumlarda uygundur. Kuadratik ötesinde daha yüksek dereceli terimleri destekleyen bir tasarıma ihtiyacınız varsa, kategorik faktörleriniz varsa, uç köşe noktalarına ekstrapolasyon hedefliyorsanız veya sadece iki faktör inceleniyorsa BBD kullanmayın (k = 2 için merkezi bileşik tasarım daha verimlidir). Ayrıca, bir köşe nokta denemesinin bir sonraki spesifikasyon gereksinimini karşılamak için gerçekten gerekli olduğu durumlarda BBD'den kaçının.

Sınırlar ve dikkat edilmesi gerekenler

  • Sıralı deneyler için uygun değildir: merkezi bileşik tasarımların aksine, BBD daha önceki iki seviyeli bir faktöriyel tarama deneyinden oluşturulamaz.
  • Köşe noktaları bulunmadığından, uç faktör kombinasyonlarındaki etkileşimleri tahmin etmez; köşelerdeki davranış kritikse, merkezi bileşik veya tam faktöriyel bir tasarım gereklidir.
  • Deneysel bölgenin kapsamı tekdüze değildir — hiperküpün köşeleri tamamen örneklenmemiştir, bu da gerçek optimum bir köşeye yakınsa tahmin yanlılığına neden olabilir.
  • Beş veya daha fazla faktör için deneme sayısı önemli ölçüde artabilir, bu da merkezi bileşik tasarımlara göre verimlilik avantajını azaltır.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Üç seviyeli tam faktöriyelden daha az deneysel deneme gerektirir, bu da ikinci dereceden modelleri uydurmak için maliyet ve zaman açısından verimli olmasını sağlar.
  • Köşe nokta denemesi yok — tüm faktörlerin aynı anda uç ayarlarda olması fiziksel olarak tehlikeli, aşırı derecede pahalı veya proses açısından uygulanamaz olduğunda özellikle değerlidir.
  • Tasarım matrisindeki tüm faktör-seviye kombinasyonları merkeze yakın veya orta kenar konumlarındadır, ki bunlar genellikle en güvenli ve en temsili çalışma koşullarıdır.
  • Yaklaşık döndürülebilirlik: tahmin varyansı, tasarım merkezinden eşit uzaklıklarda yaklaşık olarak sabittir, bu da deneysel bölge boyunca tekdüze tahmin doğruluğu sağlar.
  • Deneysel hatanın saf bir tahminini sağlayan ve uyum yetersizliği testini destekleyen merkez nokta tekrarlarıyla kolayca artırılabilir.

Uygulama alanları

  • Eş zamanlı olarak aşırı yardımcı madde konsantrasyonlarının bir tableti sıkıştırılamaz veya kararsız hale getirebileceği farmasötik formülasyonların optimizasyonu.
  • Kimya mühendisliğinde proses parametre optimizasyonu — reaktör sıcaklığı, basıncı ve besleme hızı — burada birleşik uç noktalar güvenlik marjlarını aşabilir.
  • Bileşen oranları ve işleme koşullarının fonksiyonları olarak doku, renk veya duyusal özelliklerin optimize edildiği gıda bilimi deneyleri.
  • Seramik veya toz metal parça özelliklerinde sinterleme sıcaklığı, basıncı ve süresi arasındaki ilişkiyi uyduran malzeme bilimi çalışmaları.
  • Lojistik kısıtlamaların tüm uç kombinasyonları test etmeyi engellediği durumlarda gübre oranlarını, sulama seviyelerini ve ekim yoğunluğunu optimize eden tarımsal saha deneyleri.
  • Aşırı kombinasyonların aşındırıcı veya tehlikeli olabileceği kirletici bozunumu için pH, oksidan dozu ve temas süresini optimize eden çevresel iyileştirme çalışmaları.

Nasıl çalışır?

Nasıl çalışır?

1

Deneyci, k sürekli nicel faktörleri (genellikle 3 ila 7) tanımlar ve her biri için üç kodlanmış seviye belirler: düşük (−1), merkez (0) ve yüksek (+1). Tepki değişkeni ölçülebilir ve sürekli olmalıdır. Temel bir ön koşul, her faktörün uç seviyelerinin bireysel olarak uygulanabilir olmasıdır — tasarım köşe noktalarından kaçınır ancak diğer faktörler merkezde tutulurken her faktörü uç noktalarında test eder.

2

BBD matrisi, faktörlerin ikişerli eksik bloklar halinde birleştirilmesiyle oluşturulur. Her faktör çifti için, kalan faktörler merkez seviyesinde tutulurken iki seviyeli bir faktöriyel (dört deneme) oluşturulur. Tam tasarıma merkez nokta tekrarları (genellikle 3-5) eklenir. Üç faktör için bu 15 deneme; dört faktör için 27 deneme sağlar. Ortaya çıkan tasarım döndürülebilir veya neredeyse döndürülebilirdir ve tüm faktörlerin aynı anda uç ayarlarda olduğu köşe noktaları yoktur.

3

Gizli değişkenlere ve zaman eğilimlerine karşı korunmak için deneyler rastgele sırada yapılır. Her tasarım satırı, bir deneysel deneme için faktör ayarlarını belirtir. Her denemede tepkinin dikkatli ölçümü, uygun rastgeleleştirme ve gerekirse bloklama ile birlikte, geçerli model tahmini için esastır.

4

Verilere ikinci dereceden bir polinom regresyon modeli uydurulur: tepki, tüm faktörlerin doğrusal etkilerinin, kare (kuadratik) terimlerinin ve tüm iki faktörlü etkileşim terimlerinin bir fonksiyonu olarak modellenir. En küçük kareler (veya ağırlıklı en küçük kareler) tahmini regresyon katsayılarını sağlar. Varyans analizi ve uyum yetersizliği testleri modelin yeterliliğini değerlendirir.

Formül
\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

Tatmin edici bir model doğrulandıktan sonra, optimumu (tepkinin maksimumunu, minimumunu veya hedef değerini vuran faktör ayarlarının kombinasyonu) bulmak için uydurulan tepki yüzeyi incelenir. Yöntemler arasında kanonik analiz, en dik iniş/çıkış ve birden fazla tepki söz konusu olduğunda sayısal arzu edilebilirlik fonksiyonu optimizasyonu bulunur.

Sık yapılan hatalar

  • BBD'yi merkezi bileşik tasarımla (CCD) karıştırmak: CCD, faktör aralığının ötesine uzanan köşe (faktöriyel) noktaları ve eksenel (yıldız) noktaları içerir; BBD'de ise ikisi de yoktur. Deneysel kısıtlamalara göre yanlış tasarım seçimi, boşa harcanan denemelere veya uygulanamaz deneylere yol açar.
  • BBD'yi üçten az faktöre uygulamak: k = 2 için BBD, bir CCD'den çok daha az verimli bir tasarıma indirgenir; iki faktörlü çalışmalar için her zaman CCD'yi veya basit bir döndürülebilir tasarımı tercih edin.
  • Yetersiz merkez nokta tekrarları: sadece 1-2 merkez nokta kullanmak, saf hata tahminini kötü tanımlanmış bırakır, uyum yetersizliği testini ve genel ANOVA'yı zayıflatır. En az 3 merkez nokta şiddetle tavsiye edilir.
  • Rastgeleleştirme ihtiyacını göz ardı etmek: BBD'yi rastgele olmayan bir sırada çalıştırmak (örn. tüm düşük sıcaklık denemelerini gruplamak), faktör etkilerini zamanla ilgili rahatsız edici değişkenlerle karıştırır ve modeli geçersiz kılar.

Sık sorulan sorular

Box-Behnken tasarımı merkezi bileşik tasarımdan nasıl farklıdır?

Her iki tasarım da tepki yüzeyi analizi için ikinci dereceden bir polinom modeli uydurur, ancak yapıları farklıdır. Merkezi bileşik tasarım (CCD), faktör aralığının ötesine uzanan eksenel (yıldız) noktalar artı iki seviyeli bir faktöriyel (köşe) blok içerir ve önceki bir tarama deneyinden sıralı olarak oluşturulabilir. BBD'de köşe noktaları ve faktör aralığı dışında hiçbir nokta yoktur — faktör başına sadece üç seviye kullanır. Köşe denemeleri uygulanamaz olduğunda BBD'yi; sıralı oluşturma veya uç köşelerdeki özellikler önemli olduğunda CCD'yi seçin.

Bir Box-Behnken tasarımı kaç deneme gerektirir?

Deneme sayısı faktör sayısı k'ye bağlıdır. k = 3 için: 15 deneme (12 kenar orta noktası + 3 merkez noktası); k = 4 için: 27 deneme; k = 5 için: 46 deneme. Bu sayımlar standart sayıda merkez nokta tekrarını içerir. Bunu, k = 3, 4 ve 5 için sırasıyla 27, 81 ve 243 deneme gerektirecek üç seviyeli tam faktöriyel ile karşılaştırın — BBD önemli tasarruflar sunar.

Box-Behnken tasarımını yediden fazla faktörle kullanabilir miyim?

BBD genellikle 3 ila 7 faktör için kullanılır. Yediden fazla faktör için deneme sayısı önemli ölçüde artar ve kesin tarama tasarımları veya optimal bilgisayar tarafından oluşturulan tasarımlar gibi alternatif yaklaşımlar genellikle daha verimlidir. Orijinal Box ve Behnken (1960) makalesi yedi faktöre kadar tasarımları tanımlamıştır.

Hangi yazılım bir Box-Behnken analizini çalıştırabilir?

BBD, çoğu büyük istatistiksel pakette desteklenir: JMP (Deney Tasarımı modülü), Minitab (DOE'nin Tepki Yüzeyi bölümü), SAS (PROC OPTEX veya PROC RSREG) ve R (bbd() fonksiyonu ile rsm paketi). Python kullanıcıları pyDOE2 kütüphanesini kullanabilirler. Bunların hepsi tasarım matrisini oluşturur, ikinci dereceden modeli uydurur ve ANOVA, tepki yüzeyi grafikleri ve optimizasyon çıktısı sağlar.

Box-Behnken tasarımı döndürülebilir mi?

BBD yaklaşık olarak döndürülebilirdir, yani tahmin varyansı tasarım merkezinden eşit uzaklıklarda neredeyse sabittir, ancak kesin döndürülebilirlik faktör sayısına bağlıdır. k = 3 için, standart BBD yaygın olarak kullanılan merkez nokta sayısıyla tam olarak döndürülebilirdir. Diğer k değerleri için döndürülebilirlik yaklaşıktır. Pratikte bu yaklaşık döndürülebilirlik çoğu mühendislik ve bilimsel uygulama için yeterlidir.

İlgili yöntemler

Kaynaklar

  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.

    DOI kaynağını aç
    Kopyalandı.
  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
    Kopyalandı.