[自然科学]DOE_6 RSM.pptVIP

Six DOE Class_90a Chapter 11 Part I :反應曲面技術 (Response Surface Methodology) Why/When to Use RSM? 已知此反應變數(Response Variable)受數個因子之影響. 必須經由實驗設計所證實. 吾人想知道此反應變數之最佳值 目標值 最大值 最小值 目的: 如何設定因子之水準(區間), 使反應變數 達到最佳值. RSM之基本原理 真正的函數關係 Y = f(x1, x2) + e 反應曲面(Response Surface) ? = f(x1, x2) 若因子之區間縮小, 則 f(x1, x2) 可用多項式來趨近. 如: Y = b0+b1x1+b2x2+…+bkxk+e (first order) Y = b0+?bixi+?biix2i+? ? bijxixj+e (second order) 反應曲面 - Example The Method of Steepest Ascent 目的: 為能快速達到最佳反應變數值之鄰近區域. 假設: 在遠離最佳反應變數值的地方, 一般而言, 使用 First-order Model 已經足夠. Steepest Ascent 是一種沿著最陡峭的路徑(亦即反應變數增加最快之方向), 循序往上爬升的方法. 若用以求極小值, 則稱為 Steepest Descent. Steepest Ascent - 圖解 Steepest Ascent - Example “525.DX5” 因子: ?1: 反應時間 (35 min.) ?2: 反應溫度 (155 oF) 反應變數 Y: 平均產出水準 (40%) Coded Variable (X1;X2) = (-1 ~ 1; -1 ~ 1) Natural Variable (? 1; ? 2) = (30 ~ 40; 150 ~ 160) Example 525 之實驗數據 重複中心點 Error 之估算 First-order Model 是否合適 ( Fit? ) Example 之 ANOVA Table Example之分析結果 實驗所得之回歸模式(Regression Model)為 y = 40.44 + 0.775x1 + 0.325x2 x1與x2之係數(0.775 and 0.325)相對於係數之standard error = sqrt(MSE/d.f.e) = 0.10大的多; 故兩係數均顯著. 下次實驗之移動方向: 以移動係數最大之因子一個單位 (以Coded Variable 為基礎), 故選擇 ?x1 = 1, 則?x2 = (0.325/0.775) ?x1 = 0.42 Example 之後續實驗結果(一) Example 之後續實驗結果(二) Example 之後續實驗結果(三)-ANOVA 實驗所得之回歸模式(Regression Model)為 y = 78.97 + 1.00x1 + 0.50x2 需進一步之實驗以求取最佳點. Steepest Ascent 步驟 2k + nc center point 或 CCD 或 其他 First-order Model 顯著, 且Curvature不顯著; 否則已在最佳點附近. 取係數之絕對值最大者; 選定其Step Size ?xi. 其他因子之Step Size = ?xi / bi = ?xk / bk 將?xi換算成Natural Variable; 回到第一步驟. Second-order Model 之分析 當非常接近最佳點時, First-order Model便不再適用; 此時應用 Second-order Model 或更高階之Model來趨近真實反應曲面的曲線(曲面)情形. Central Composite Design (CCD) - Example “534.DX5” CCD 結構圖 CCD Example 之 ANOVA CCD Example 之反應曲面 CCD Example 之反應曲面_Contour Plot Chapter 11 Part II: 反應曲面技術 - 設計之選擇 - Optimization - EVOP 反應曲面技術選擇設計之原則 在試驗區間內, 提供合理的資料點分布 允許 Model 適合度之分析 (Lack of Fit) 允許區隔化 (Blocking) 允許高階 Model 被循序漸近式的建立起來 提供自然誤差 (Pure Error) 之估計 較少的實驗次數 較少的因子水準數 估計 Model 參數