




版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、Chapter 11Part I :反應曲面技術(Response Surface Methodology)1教学育人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.2教学育人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+b2
2、x2+bkxk+e (first order)Y = b0+bixi+biix2i+ bijxixj+e (second order)3教学育人反應曲面 - Example4教学育人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. 5教学育人Steepest Ascent
3、- 圖解6教学育人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)7教学育人Example 525 之實驗數據重複中心點Error 之估算First-order Model是否合適 ( Fit? )8教学育人Example 之 ANOVA Table9教学育人Example之分析結果實驗所得之回歸模式(
4、Regression Model)為y = 40.44 + 0.775x1 + 0.325x2x1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 10教学育人Example 之後續實驗結果(一)11教学育人Example 之後續實驗結果(二)12教学育人Example 之後續實驗結果(三)-ANOVA實驗
5、所得之回歸模式(Regression Model)為y = 78.97 + 1.00 x1 + 0.50 x2需進一步之實驗以求取最佳點.13教学育人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.14教学育人Second-order Model 之分析當非常接近最佳點
6、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.15教学育人Central Composite Design (CCD) - Example“534.DX5”16教学育人CCD 結構圖17教学育人CCD Example 之 ANOVA18教学育人CCD Example 之反應曲面19教学育人CCD Example 之反應曲面_Contour Plot20教学育人Chapter 11Part II: 反應曲面技術- 設計之選擇- Optimization- EVOP21教学育人反應曲面
7、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 參數之計算過程應儘量簡單22教学育人一階 Model 之 RSM 設計考慮因素: 直交 (Othogonal)2k + nc center point2k-p + nc center point, 但必須為解析度III以上, Why?Simplex Designk 個因子, 使用 k+1 次(頂點)實驗23教学育人S
8、implex Design24教学育人設計之比較 - Example23無法估算 Pure Error - 4 d.f. 之 Lack-of-fit缺點 : Model是否合適無法得知23-1 + 4 center point3 d.f. 之 Pure Error - 1 d.f. 之 Curvature缺點: 交互作用無法得知23-1, n = 24 d.f. 之 Pure Error - 無法估算 Lack-of-fit缺點: 交互作用及二次項無法得知最好用23 + 4 center point25教学育人二階 Model 之 RSM 設計(1/4)考慮因素: 直交 (Orthogonal
9、) 與 可旋轉性 (Rotatable)Central Composite Designs (CCDs)2k 或2k-1 (解析度V) + 2k 個軸點 (Axial Points) + nc center pointFactoral Points 2k或2k-1 (解析度V) : 估算主作用及兩因子交互作用Axial Points: 估算純粹之二次項Center Points:估算純粹之二次項及 Pure Error26教学育人Information Surfaces and Contours_22 Design27教学育人Information Surfaces and Contours_
10、32 Design28教学育人Information Surfaces and Contours_Second-order Rotatable Design29教学育人CCD 圖示30教学育人常用之 CCDs31教学育人32教学育人二階 Model 之 RSM 設計(2/4)Face-centered Central Composite Design (FCCD)除了 a = 1以外, 其餘與 CCDs同當部份因子之水準數只有三個, 或為離散性質時可旋轉性 (Rotatability) 較差, 應儘量避免使用33教学育人二階 Model 之 RSM 設計(3/4)Box-Behnken Des
11、ign各因子皆為三水準 (-1, 0, 1)任意兩因子做22, 而其他因子固定在說水準, 在加上 nc center pointsRotatability 較 CCDs 來得差些, 但亦不錯當 k = 3 時, 實驗次數較 CCD 來得少 12+nc Vs. 14+nc.當 k = 4 時, 實驗次數與 CCD 同 = 24+nc.當 k = 5 以上時, 實驗次數較 CCD 來得多.34教学育人Box-Behnken Design (k = 3)35教学育人Box-Behnken Design (k = 4, 5)36教学育人二階 Model 之 RSM 設計(4/4)Hybrid Desi
12、gns前面 k-1 個因子水準組合利用 CCDs, 最後一個 (kth) 因子之水準運用對稱之原理來決定非常有效率 (Small Sample Size)適用因子數 k = 3,4,6,737教学育人Hybrid Design 範例Hybrid 310Hybrid 311A38教学育人Hybrid Design 範例Hybrid 416A, 416B, 416C39教学育人Design Optimality CriteriaD-Optimality and D-EfficiencyRotatabilityModel 中係數估算之準確性A-OptimalityModel 中係數之變異程度G- a
13、nd Q-Optimality用 Model 來預測實驗區間之準確性40教学育人適用之二階 RSM Designs41教学育人Evolutionary Operation (EVOP)當吾人運用實驗設計及反應曲面技術得到最佳之因子水準組合之後, 在某些情況下, 最佳值的位置會漂移 (drift). 以致於所求得之因子水準組合不再適用. EVOP 即是一種實驗方法, 直接在線上操作, 用以對應此種漂移現象, 確保得以產生最佳值之因子水準組合.2k + center point, 以 cycle 之方式進行.42教学育人EVOP 之圖示43教学育人EVOP Example (1/5)44教学育人E
14、VOP Example (2/5)45教学育人EVOP Example (3/5)46教学育人EVOP Example (4/5)47教学育人EVOP Example (5/5)48教学育人Chapter 11Part III: 混合設計(Mixture Designs/Experiments)49教学育人混合設計之目的前所提及的反應曲面技術設計, 每一因子水準之選擇皆與其他因子無關 (Independent); 然而, 實際的系統中, 常會因為某一因子水準之選擇, 而使得另一因子的水準必須固定在某一數值上 (Dependent). 此時, 吾人便必須使用混合設計 (Mixture Desig
15、ns) 才能將此種現象呈現出來.Example: 化學/醫藥的配方中各元素之水準.50教学育人混合設計之數學關係式假設 x1,x2,.,xp 為一混合物之各組成元素所佔比例, 則0 xi 1, i = 1, 2, ., p且x1 + x2 + . + xp = 1 (i.e. 100%)51教学育人混合設計之圖示52教学育人三重線性座標系統 (Trilinear Coordinate System)53教学育人p, m Simplex Lattice Designp 個因子, 每個因子取 m + 1 個水準.54教学育人Simplex Centroid Designp 個因子取 2p-1 次實
16、驗55教学育人Mixture ModelsLinear:Y = bixiQuadratic:Y = bixi + bijxi xjCubic:Y = bixi + bijxi xj + sijxixj(xi - xj) + bijkxi xj xkSpecial Cubic:Y = bixi + bijxi xj + bijkxi xj xk56教学育人Example “556.DX5”因子: 用以生產纖維, 並編成線, 做成布料.x1: 聚乙烯x2: 聚苯乙烯x3: 聚丙烯反應變數y: 伸張度57教学育人其他混合設計Screening Design實驗初期使用, 用以過濾不顯著之因子.D-Optimal Design較為複雜Distance based不建議使用Modified distance不建議使用58教学育人實驗設計之流程Screening Experiments縮小因子之水準範圍再重做一次, 若結果一樣, 則重新選取因子.- 找出重要因子- 2k-p+nc 解析度為 III (含)以上.- 所有因子皆顯著-顯著因子數較多2k-p+nc2k+nc-顯著因子數較少One Factor- 單一因子顯著因子皆不顯
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 智能硬件研发合作合同(2篇)
- 《餐饮服务与管理》课件-教学课件:中餐宴会服务
- 2025届高三押题信息卷(一)地理及答案
- 蝶骨嵴脑膜瘤的临床护理
- 团建新质生产力活动
- 2025年人教版小学数学一年级上册期中考试卷(带答案)
- 新质生产力新愿望
- 2025年监理工程师之水利工程目标控制自我检测试卷B卷附答案
- 2025年执业药师之西药学专业二全真模拟考试试卷B卷含答案
- 2020-2024年上海市秋考语文试题汇编含答案
- 产后保健知识课件
- 氧化反应工艺安全操作规程
- 子宫肌瘤病例讨论
- 门窗安装施工方案07785
- 土壤氡检测方案
- 2025年宽带网络拓展合作协议书
- 氧化镓雪崩光电探测器的研究进展
- 2024年重庆高考物理卷试题真题解读及答案详解(精校打印)
- 居间合同协议书范本标准版
- 2024年孝感市(中心)人民医院高层次卫技人才招聘笔试历年参考题库频考点附带答案
- VL3000系列高性能矢量型变频器用户手册上海沃陆电气有限公司
评论
0/150
提交评论