響應(yīng)表面試驗(yàn)設(shè)計(jì)方法及MINITAB優(yōu)化.ppt

1、響應(yīng)表面試驗(yàn)設(shè)計(jì)及MINITAB優(yōu)化 CCD BBD,響應(yīng)曲面設(shè)計(jì)方法(Response Surface Methodology，RSM)是利用合理的試驗(yàn)設(shè)計(jì)方法并通過實(shí)驗(yàn)得到一定數(shù)據(jù)，采用多元二次回歸方程來擬合因素與響應(yīng)值之間的函數(shù)關(guān)系，通過對(duì)回歸方程的分析來尋求最優(yōu)工藝參數(shù)，解決多變量問題的一種統(tǒng)計(jì)方法。,什么是RSM？,1 概述,確信或懷疑因素對(duì)指標(biāo)存在非線性影響； 因素個(gè)數(shù)2-7個(gè)，一般不超過4個(gè)； 所有因素均為計(jì)量值數(shù)據(jù)； 試驗(yàn)區(qū)域已接近最優(yōu)區(qū)域； 基于2水平的全因子正交試驗(yàn)。,適用范圍,中心復(fù)合試驗(yàn)設(shè)計(jì) (central composite design，CCD)； Box-Beh

2、nken試驗(yàn)設(shè)計(jì)；,方法分類,確定因素及水平，注意水平數(shù)為2，因素?cái)?shù)一般不超過4個(gè)，因素均為計(jì)量數(shù)據(jù)； 創(chuàng)建“中心復(fù)合”或“Box-Behnken”設(shè)計(jì)； 確定試驗(yàn)運(yùn)行順序(Display Design)； 進(jìn)行試驗(yàn)并收集數(shù)據(jù)； 分析試驗(yàn)數(shù)據(jù)； 優(yōu)化因素的設(shè)置水平。,一般步驟,立方點(diǎn) 軸向點(diǎn) 中心點(diǎn) 區(qū)組 序貫試驗(yàn) 旋轉(zhuǎn)性,基本概念,2 中心復(fù)合試驗(yàn)設(shè)計(jì),立方點(diǎn)(cube point),立方點(diǎn)，也稱立方體點(diǎn)、角點(diǎn)，即2水平對(duì)應(yīng)的“-1”和“+1”點(diǎn)。各點(diǎn)坐標(biāo)皆為+1或-1。在k個(gè)因素的情況下，共有2k個(gè)立方點(diǎn),軸向點(diǎn)(axial point),軸向點(diǎn)，又稱始點(diǎn)、星號(hào)點(diǎn)，分布在軸向上。除一個(gè)坐標(biāo)

3、為+或-外，其余坐標(biāo)皆為0。在k個(gè)因素的情況下，共有2k個(gè)軸向點(diǎn)。,中心點(diǎn)(center point),中心點(diǎn)，亦即設(shè)計(jì)中心，表示在圖上，坐標(biāo)皆為0。,三因素下的立方點(diǎn)、軸向點(diǎn)和中心點(diǎn),區(qū)組(block),也叫塊。設(shè)計(jì)包含正交模塊，正交模塊可以允許獨(dú)立評(píng)估模型中的各項(xiàng)及模塊影響，并使誤差最小化。 但由于把區(qū)組也作為一個(gè)因素來安排，增加了分析的復(fù)雜程度。,序貫試驗(yàn)（順序試驗(yàn)）,先后分幾段完成試驗(yàn)，前次試驗(yàn)設(shè)計(jì)的點(diǎn)上做過的試驗(yàn)結(jié)果，在后續(xù)的試驗(yàn)設(shè)計(jì)中繼續(xù)有用。,旋轉(zhuǎn)性(rotatable)設(shè)計(jì),旋轉(zhuǎn)設(shè)計(jì)具有在設(shè)計(jì)中心等距點(diǎn)上預(yù)測(cè)方差恒定的性質(zhì)，這改善了預(yù)測(cè)精度。,的選取,在的選取上可以有多種出發(fā)點(diǎn)

4、，旋轉(zhuǎn)性是個(gè)很有意義的考慮。在k個(gè)因素的情況下，應(yīng)取 = 2 k/4 當(dāng)k=2， =1.414；當(dāng)k=3， =1.682；當(dāng)k=4， =2.000；當(dāng)k=5， =2.378,按上述公式選定的值來安排中心復(fù)合試驗(yàn)設(shè)計(jì)(CCD)是最典型的情形，它可以實(shí)現(xiàn)試驗(yàn)的序貫性，這種CCD設(shè)計(jì)特稱中心復(fù)合序貫設(shè)計(jì)(central composite circumscribed design,CCC)，它是CCD中最常用的一種。,如果要求進(jìn)行CCD設(shè)計(jì)，但又希望試驗(yàn)水平安排不超過立方體邊界，可以將軸向點(diǎn)設(shè)置為+1及-1，則計(jì)算機(jī)會(huì)自動(dòng)將原CCD縮小到整個(gè)立方體內(nèi)，這種設(shè)計(jì)也稱為中心復(fù)合有界設(shè)計(jì)(central

5、composite inscribed design,CCI)。 這種設(shè)計(jì)失去了序貫性，前一次在立方點(diǎn)上已經(jīng)做過的試驗(yàn)結(jié)果，在后續(xù)的CCI設(shè)計(jì)中不能繼續(xù)使用。,對(duì)于值選取的另一個(gè)出發(fā)點(diǎn)也是有意義的，就是取=1，這意味著將軸向點(diǎn)設(shè)在立方體的表面上，同時(shí)不改變?cè)瓉砹⒎襟w點(diǎn)的設(shè)置，這樣的設(shè)計(jì)稱為中心復(fù)合表面設(shè)計(jì) (central composite face-centered design,CCF)。 這樣做，每個(gè)因素的取值水平只有3個(gè)(-1,0,1)，而一般的CCD設(shè)計(jì)，因素的水平是5個(gè)(-,-1,0,1,),這在更換水平較困難的情況下是有意義的。,這種設(shè)計(jì)失去了旋轉(zhuǎn)性。但保留了序貫性，即前一次在

6、立方點(diǎn)上已經(jīng)做過的試驗(yàn)結(jié)果，在后續(xù)的CCF設(shè)計(jì)中可以繼續(xù)使用，可以在二階回歸中采用。,中心點(diǎn)的個(gè)數(shù)選擇,在滿足旋轉(zhuǎn)性的前提下，如果適當(dāng)選擇Nc，則可以使整個(gè)試驗(yàn)區(qū)域內(nèi)的預(yù)測(cè)值都有一致均勻精度(uniform precision)。見下表：,但有時(shí)認(rèn)為，這樣做的試驗(yàn)次數(shù)多，代價(jià)太大， Nc其實(shí)取2以上也可以；如果中心點(diǎn)的選取主要是為了估計(jì)試驗(yàn)誤差， Nc取4以上也夠了。 總之，當(dāng)時(shí)間和資源條件都允許時(shí)，應(yīng)盡可能按推薦的Nc個(gè)數(shù)去安排試驗(yàn)，設(shè)計(jì)結(jié)果和推測(cè)出的最佳點(diǎn)都比較可信。實(shí)在需要減少試驗(yàn)次數(shù)時(shí)，中心點(diǎn)至少也要2-5次。,6.2.3 Box-Behnken試驗(yàn)設(shè)計(jì),將各試驗(yàn)點(diǎn)取在立方體棱的中點(diǎn)上

7、,在因素相同時(shí)，比中心復(fù)合設(shè)計(jì)的試驗(yàn)次數(shù)少； 沒有將所有試驗(yàn)因素同時(shí)安排為高水平的試驗(yàn)組合，對(duì)某些有安全要求或特別需求的試驗(yàn)尤為適用； 具有近似旋轉(zhuǎn)性，沒有序貫性。,特點(diǎn),擬合選定模型； 分析模型的有效性：P值、R2及R2(adj)、s值、 失擬分析、殘差圖等； 如果模型需要改進(jìn)，重復(fù)1-3步； 對(duì)選定模型分析解釋：等高線圖、曲面圖； 求解最佳點(diǎn)的因素水平及最佳值； 進(jìn)行驗(yàn)證試驗(yàn)。,6.2.4 分析響應(yīng)曲面設(shè)計(jì)的一般步驟,6.2.5 用MINITAB實(shí)現(xiàn)響應(yīng)曲面設(shè)計(jì),生成響應(yīng)曲面設(shè)計(jì)表,編碼值與實(shí)際值,選擇編碼值,選擇線性回歸,分析響應(yīng)曲面設(shè)計(jì),Source DF Seq SS Adj SS

8、Adj MS F P Regression 3 7.789 7.789 2.5962 1.08 0.387 Linear 3 7.789 7.789 2.5962 1.08 0.387 Residual Error 16 38.597 38.597 2.4123 Lack-of-Fit 11 36.057 36.057 3.2779 6.45 0.026 Pure Error 5 2.540 2.540 0.5079 Total 19 46.385 S = 1.553 R-Sq = 16.8% R-Sq(adj) = 1.2%,輸出結(jié)果：線性回歸方差分析表,此值很小說明線性回歸效果不好,此值小

9、于0.05時(shí)表示線性回歸模型不正確,此值大于0.05時(shí)表示回歸的效果不顯著,線性回歸結(jié)果,Source DF Seq SS Adj SS Adj MS F P Regression 9 36.465 36.465 4.0517 4.08 0.019 Linear 3 7.789 7.789 2.5962 2.62 0.109 Square 3 13.386 13.386 4.4619 4.50 0.030 Interaction 3 15.291 15.291 5.0970 5.14 0.021 Residual Error 10 9.920 9.920 0.9920 Lack-of-Fit

10、5 7.380 7.380 1.4760 2.91 0.133 Pure Error 5 2.540 2.540 0.5079 Total 19 46.385 S = 0.9960 R-Sq = 78.6% R-Sq(adj) = 59.4%,此值較大，說明二次多項(xiàng)式回歸效果比較好。,此值大于0.05，表示二次多項(xiàng)式回歸模型正確。,此值小于0.05的項(xiàng)顯著有效，回歸的整體、二次項(xiàng)和交叉乘積項(xiàng)都顯著有效，但是一次項(xiàng)的效果不顯著。,輸出結(jié)果：二次多項(xiàng)式回歸方差分析表,非線性回歸結(jié)果,Term Coef(coded) SE Coef T P Coef(uncoded) Constant 10.462

11、3 0.4062 25.756 0.000 12.4512 A -0.5738 0.2695 -2.129 0.059 0.9626 B 0.1834 0.2695 0.680 0.512 -2.2841 C 0.4555 0.2695 1.690 0.122 -1.4794 A*A -0.6764 0.2624 -2.578 0.027 -0.2676 B*B 0.5628 0.2624 2.145 0.058 1.1164 C*C -0.2734 0.2624 -1.042 0.322 -0.2388 A*B -0.6775 0.3521 -1.924 0.083 -0.6001 A*C

12、1.1825 0.3521 3.358 0.007 0.6951 B*C 0.2325 0.3521 0.660 0.524 0.3060,輸出結(jié)果：二次多項(xiàng)式回歸系數(shù)及顯著性檢驗(yàn),對(duì)因素實(shí)際值的回歸系數(shù),P值大的項(xiàng)不顯著,對(duì)編碼值的回歸系數(shù),Term Coef(coded) SE Coef T P Coef(uncoded) Constant 10.2386 0.3379 30.303 0.000 12.6189 A -0.5738 0.2641 -2.173 0.051 0.8848 B 0.1834 0.2641 0.694 0.501 -1.7352 C 0.4555 0.2641 1

13、.725 0.110 -2.0904 A*A -0.6493 0.2558 -2.538 0.026 -0.2568 B*B 0.5899 0.2558 2.306 0.040 1.1702 A*B -0.6775 0.3450 -1.964 0.073 -0.6001 A*C 1.1825 0.3450 3.427 0.005 0.6951,輸出結(jié)果：剔除C C和B C后二次多項(xiàng)式回歸系數(shù)及顯著性檢驗(yàn),這兩個(gè)二次項(xiàng)回歸系數(shù)有很小的改變，這是由于旋轉(zhuǎn)設(shè)計(jì)只具有近似正交性,目標(biāo)是最大值,下限設(shè)為10,目標(biāo)值設(shè)為20,指標(biāo)最優(yōu)化,因子最優(yōu)水平值,最優(yōu)預(yù)測(cè)值,在研究大豆產(chǎn)量Y的試驗(yàn)中，考慮氮肥A、磷肥B、鉀肥C這三種肥料的施肥量。每個(gè)因素取兩個(gè)基本水平，采用中心復(fù)合試驗(yàn)，其中： 氮肥的編碼值-1和+1對(duì)應(yīng)的實(shí)際值是2.03和5.21;