Merkezi Bileşik Tasarımı — Yanıt Yüzeyi Deneysel Tasarımı
- Ortaya koyan
- George E. P. Box and K. B. Wilson
- Yıl
- 1951
- Tür
- Response surface experimental design
- Aile
- Engineering methods
Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku
Ne işe yarar?
Merkezi Bileşik Tasarımı (CCD), araştırmacıların birden fazla sürekli girdi faktörünü bir veya daha fazla yanıt değişkenine bağlayan tam bir ikinci dereceden modeli verimli bir şekilde uydurmalarını sağlayan ikinci dereceden bir yanıt yüzeyi tasarımıdır. 1951'de Box ve Wilson tarafından tanıtılan bu tasarım, bir faktöriyel (veya kesirli faktöriyel) çekirdeği, eksenel (yıldız) noktaları ve merkez noktası tekrarlarını tek bir birleşik tasarımda birleştirerek, mühendislik, kimya ve imalatta süreç optimizasyonu için en yaygın kullanılan tasarım haline gelmiştir.
Yöntemin mantığı
Bir kimyasal reaksiyonun verimini sıcaklık ve basıncı değiştirerek optimize ettiğinizi varsayalım. Basit bir faktöriyel tasarım, sadece iki seviyede ana etkiler ve etkileşimler hakkında bilgi verir, ancak bir optimumun yakınında sıklıkla bulunan eğimli yüzeyi gözden kaçırır. CCD, her faktör ekseni boyunca faktöriyel köşelerin ötesinde iki ek nokta ekler — eksenel veya yıldız noktaları — böylece deney, eğriliği tahmin etmek için her yönde yeterince uzağa ulaşır. Saf deneysel hatayı ölçmek ve ilişkinin doğrusal değil, gerçekten eğimli olduğunu kontrol etmek için birkaç merkez noktası denemesi eklenir. Birlikte bu üç nokta kümesi, tam bir üç seviyeli faktöriyel gerektireceğinden çok daha az deneme ile tüm yanıt yüzeyini haritalamanıza olanak tanır.
Tarih
Merkezi Bileşik Tasarımı, George E. P. Box ve K. B. Wilson tarafından 1951 tarihli çığır açan makalelerinde, yanıt yüzeyi metodolojisi kavramını eş zamanlı olarak tanıtan Journal of the Royal Statistical Society'de tanıtılmıştır. Box ve Wilson, bir faktöriyel tasarımı eksenel noktalarla birleştirmenin, yanıt yüzeyinin eğriliğinin tahmin edilmesine ve mevcut yöntemlerden çok daha az deneyle bir optimumun bulunmasına olanak tanıdığını göstermiştir. Tasarım, 1950'ler ve 1960'lar boyunca endüstriyel süreç optimizasyonunun merkezinde yer aldı ve Box ve Draper'ın Ampirik Model Oluşturma ve Yanıt Yüzeyleri (1987) ders kitabı tarafından popülerleştirildi. Bugün CCD, mühendislik, kimya ve yaşam bilimleri alanlarında en çok atıfta bulunulan ve uygulanan ikinci dereceden deneysel tasarım olmaya devam etmektedir.
Ne zaman kullanılır?
k nicel faktörler (tipik olarak k = 2–6) üzerinde sürekli bir yanıtı haritalamak ve optimize etmek için ikinci dereceden (karesel) bir model uydurmanız gerektiğinde CCD'yi kullanın. Kimya mühendisliği, farmasötik geliştirme, gıda bilimi ve imalatta süreç optimizasyonu çalışmalarında, faktör-yanıt ilişkisinde eğrilik beklendiğinde veya birinci dereceden bir modelin önemli ölçüde yetersiz uyum gösterdiği durumlarda standart seçimdir. CCD, Box-Behnken tasarımına tercih edilir, çünkü faktöriyel aralığın ötesindeki aşırı eksenel noktalarda faktör ayarları yapabiliyorsanız (veya gerekiyorsa) ve deneme ekonomisi önemli olduğunda 3^k tam faktöriyele tercih edilir. Kategorik faktörler, ikili veya sayım yanıt değişkenleri ile veya deneysel bölge geometrik olarak kısıtlanmışsa ve eksenel noktalar uygun çalışma aralıklarının dışına düşüyorsa CCD'yi KULLANMAYIN (bu durumda Box-Behnken veya D-optimal tasarım daha uygundur). Ayrıca, tasarımın optimum civarına taşınması için henüz en dik çıkış stratejisi ile birinci dereceden bir model kullanılmamışsa CCD'den kaçının — optimumdan uzakta bir karesel model uydurmak denemeleri boşa harcar.
Sınırlar ve dikkat edilmesi gerekenler
- Tüm faktörlerin sürekli ve nicel olmasını gerektirir; kategorik faktörleri modifikasyon olmadan işleyemez.
- Alfa > 1 mesafesindeki eksenel noktalar faktöriyel küpün dışına uzanır, bu da faktör seviyeleri fiziksel olarak kısıtlandığında uygulanamaz olabilir.
- k büyüdükçe (k > 5), toplam deneme sayısı hızla artar ve kaynak talepleri önemli hale gelir.
- Karesel model yerel bir yaklaşımdır; gerçek yanıt yüzeyinin daha yüksek dereceli doğrusal olmayanlığı varsa, CCD modeli optimum yakınında hala yetersiz uyum gösterebilir.
Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.
Güçlü yönleri
- 3^k faktöriyel tasarımdan daha az deneme ile tam bir ikinci dereceden polinomun tüm katsayılarını verimli bir şekilde tahmin eder.
- Döndürülebilirlik: yüze merkezlenmiş veya döndürülebilir CCD, tasarım merkezinden eşit uzaklıktaki tüm noktalarda eşit tahmin varyansı sağlar, homojen tahmin hassasiyeti verir.
- Merkez noktası tekrarları, bağımsız bir saf hata tahmini sağlar, geçerli bir yetersiz uyum testi olanağı tanır.
- Esnek: ardışık olarak oluşturulabilir — önce faktöriyel çekirdeği çalıştırın (bir tarama tasarımı olarak), ardından eğrilik tespit edilirse eksenel ve merkez noktaları ile genişletin.
- Standart istatistiksel yazılımlarda (JMP, Minitab, R rsm paketi, SAS PROC RSREG) iyi desteklenir.
Uygulama alanları
- Farmasötik süreç geliştirme: çözünme hızını ve sertliği aynı anda en üst düzeye çıkarmak için tablet sıkıştırma kuvvetini, granülasyon nemini ve bağlayıcı konsantrasyonunu optimize etmek.
- Kimya mühendisliği: çalışma optimumlarını bulmak için reaksiyon sıcaklığı, basıncı ve katalizör yüklemesinin fonksiyonları olarak verimi ve seçiciliği haritalamak.
- Gıda bilimi: doku ve duyusal kalite için pişirme veya fermantasyon koşullarını (zaman, sıcaklık, bileşen oranları) optimize etmek.
- Çevre mühendisliği: su arıtma çalışmalarında pH, temas süresi ve adsorbent dozunun fonksiyonu olarak kirletici giderme verimliliğini modellemek.
- İmalat: yüzey pürüzlülüğünü ve takım aşınmasını en aza indirmek için işleme parametrelerini (kesme hızı, ilerleme hızı, kesme derinliği) optimize etmek.
- Malzeme bilimi: alaşım veya polimer formülasyonuna rehberlik etmek için bileşim ve işlem koşullarının fonksiyonu olarak mukavemeti veya iletkenliği uydurmak.
Nasıl çalışır?
Nasıl çalışır?
Çalışılacak k sürekli nicel faktörü belirleyin ve düşük ve yüksek faktöriyel seviyelerini (kodlanmış -1 ve +1) ayarlayın. Eksenel mesafe alfa'yı seçin — döndürülebilirlik için alfa = (2^k)^(1/4); yüzeye merkezlenmiş CCD için alfa = 1. Saf hatayı tahmin etmek ve varyansı stabilize etmek için merkez noktası tekrarlarının sayısını n0 (tipik olarak 3–6) belirleyin.
Üç bileşeni birleştirin: (1) 2^k tam faktöriyel veya uygun bir 2^(k-p) kesirli faktöriyel çekirdek, 2^k (veya daha az) köşe denemesi sağlar; (2) her faktör ekseni boyunca merkezden alfa mesafesinde yerleştirilmiş 2k eksenel (yıldız) noktası; ve (3) orijinde n0 merkez noktası denemesi. Toplam deneme sayısı N = 2^k + 2k + n0'dır. k=2 faktör için bu tipik olarak 13 denemedir; k=3 için yaklaşık 20 denemedir.
Formül
N = 2^k + 2k + n_0
Sistematik yanlılığı zamansal eğilimlerden veya ekipman kaymalarından önlemek için N deneysel denemesini rastgele bir sırada yürütün. Her deneme için yanıt değerini (değerlerini) kaydedin. Kaynaklar izin veriyorsa, faktöriyel ve eksenel bölümleri ayrı deneysel oturumlara ayırmak, döndürülebilirliği korurken gün içi değişkenliği kontrol eder.
Tam ikinci dereceden polinomu uydurmak için en küçük kareler regresyonunu kullanın: y = beta0 + toplam(beta_i * x_i) + toplam(beta_ii * x_i^2) + toplam(beta_ij * x_i * x_j) + epsilon. Bu model ana etkileri, saf karesel (eğrilik) etkileri ve iki faktörlü etkileşimleri yakalar. CCD nokta yapısı, tüm ikinci dereceden katsayıların tahmin edilebilir olmasını sağlar.
Formül
y = \beta_0 + \sum_{i}\beta_i x_i + \sum_{i}\beta_{ii}x_i^2 + \sum_{i<j}\beta_{ij}x_ix_j + \varepsilonVaryans analizi (ANOVA), belirleme katsayısı (R^2 ve ayarlanmış R^2), artık çizelgeler ve yetersiz uyum testi (merkez noktası tekrarlarıyla etkinleştirilir) aracılığıyla model yeterliliğini değerlendirin. Sonuçlara varmadan önce modelin regresyon varsayımlarını — artıkların normalliği ve sabit varyansı — karşıladığını doğrulayın.
Kanonik analiz, kontur çizelgeleri veya sayısal arzu fonksiyonu optimizasyonu yoluyla optimum — maksimum, minimum veya eyer noktası — yerini belirlemek için uydurulmuş yanıt yüzeyini kullanın. Operasyonel değişikliklere bağlı kalmadan önce optimal faktör ayarlarında bir veya daha fazla onay denemesi ile tahmin edilen optimumu doğrulayın.
Sık yapılan hatalar
- Gerçek optimumdan uzakta tasarımı çalıştırmak — CCD, optimum yakınında ince ayar için tasarlanmış ikinci dereceden bir tasarımdır, geniş keşif için değil; önce tarama tasarımlarını ve en dik çıkış stratejisini kullanın.
- Yetersiz uyum testini göz ardı etmek — merkez noktaları tam olarak karesel modelin uyup uymadığını test etmek için oradadır; önemli bir yetersiz uyum sinyali, modelin yetersiz olduğu ve optimizasyon sonuçlarının güvenilmez olduğu anlamına gelir.
- Rastgele çalıştırma sırasını göz ardı etmek — rastgeleleştirme olmadan faktöriyel bloğun sistematik olarak çalıştırılması, zamansal etkileri faktör etkileriyle karıştırır.
- Uygulanabilirliği kontrol etmeden alfa seçimi — döndürülebilir bir CCD (alfa = (2^k)^(1/4)) eksenel noktaları faktöriyel aralığın oldukça dışına yerleştirir; tasarımın nihai kararını vermeden önce ortaya çıkan faktör seviyelerinin fiziksel olarak ulaşılabilir olduğunu her zaman doğrulayın.
- Tasarım bölgesi dışındaki yüzeyi aşırı yorumlamak — uydurulmuş karesel, yalnızca deneysel bölge içinde güvenilirdir; bu bölgenin dışındaki küresel bir optimumu bulmak için dışa çıkarma istatistiksel olarak temelsizdir.
Sık sorulan sorular
Yüze merkezlenmiş CCD ile döndürülebilir CCD arasındaki fark nedir?
Yüze merkezlenmiş bir CCD'de (alfa = 1) eksenel noktalar faktöriyel küpün yüzeylerinde bulunur, bu nedenle tüm faktör ayarları [-1, +1] aralığında kalır — eksenel sapmalar mümkün olmadığında kullanışlıdır. Döndürülebilir bir CCD'de alfa = (2^k)^(1/4), eksenel noktaları daha uzağa yerleştirir; bu, merkezden aynı mesafedeki tüm noktalarda eşit tahmin varyansı sağlar (döndürülebilirlik), ancak faktöriyel aralığın ötesinde faktör seviyeleri gerektirir. Fiziksel kısıtlamalar aşırı ayarları engellediğinde yüze merkezlenmişi seçin; tasarım küresi boyunca homojen tahmin hassasiyeti öncelik olduğunda döndürülebilir olanı seçin.
Kaç merkez noktası tekrarı kullanmalıyım?
Standart öneri 3–6 merkez noktası tekrarıdır. Üç, anlamlı bir yetersiz uyum testi ve kararlı bir saf hata tahmini elde etmek için pratik minimumdur. 5–6 merkez noktası kullanmak varyans tahmininin kararlılığını artırır ve deneysel gürültünün yüksek olması beklendiğinde tavsiye edilir. Altıdan fazla merkez noktası nadiren orantılı değer katar ve toplam deneme sayısını artırır.
Altıdan fazla faktörüm olduğunda CCD kullanabilir miyim?
Evet, ancak deneme ekonomisi bozulur. k > 5 için tam 2^k faktöriyel çekirdek pahalı hale gelir, bu nedenle uygulayıcılar tipik olarak bir çözünürlük V kesirli faktöriyel ikame eder, kesirli bir merkezi bileşik tasarımı oluşturur. JMP veya Minitab gibi yazılımlar bu yapıyı otomatikleştirir. k > 6 için D-optimal veya I-optimal bilgisayar tarafından üretilen bir tasarım, herhangi bir klasik CCD'ye göre daha verimli bir alternatif sunar.
CCD, Box-Behnken tasarımıyla nasıl karşılaştırılır?
Her ikisi de k >= 3 faktör için ikinci dereceden yanıt yüzeyi tasarımlarıdır. CCD, köşe (faktöriyel) noktaları artı eksenel noktalar artı merkez noktaları içerir; Box-Behnken yalnızca kenar orta noktalarını ve merkez noktalarını kullanır, bu nedenle tasarım alanının aşırı köşelerinde faktör kombinasyonları gerektirmez. Köşe ayarlarının fiziksel olarak tehlikeli veya uygulanamaz olduğu ve alfa > 1 eksenel noktalarının elde edilemediği durumlarda Box-Behnken tercih edilir. CCD, köşe ayarlarının mümkün olduğu ve ardışık (genişletme) stratejisinin istendiği durumlarda tercih edilir, çünkü faktöriyel blok daha önceki bir tarama deneyi olarak çift görev yapabilir.
Bir CCD'yi kurmak ve analiz etmek için hangi yazılımı kullanabilirim?
Tüm büyük istatistik paketleri CCD'yi destekler: Minitab (Response Surface > Central Composite), JMP (Custom Design veya Response Surface platformu), SAS PROC RSREG ve R (rsm paketi ile ccd() fonksiyonu). rsm paketi ücretsiz olarak mevcuttur ve tek bir iş akışında tam tasarım oluşturma, model uydurma ve yüzey çizimi sağlar.
İlgili yöntemler
Kaynaklar
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 kaynağını açKopyalandı.Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.
ISBN: 978-1119492443Kopyalandı.