反應曲面方法(RSM)

RSM 為連續因子產生 Central Composite、Box-Behnken 或 D-Optimal 設計,配適含缺適性檢定的完整二次模型和 ANOVA,並給出典型分析、等高線圖和曲面圖以及滿意度最佳化器。當預期反應呈曲線變化時使用。應包含重複的中心點、隨機化執行順序,並在信任最佳解之前檢查殘差和缺適性。

最後審閱

核心要點

反應曲面方法(RSM)透過配適二次模型,對隨連續因子呈曲線變化的反應建模,以找出使反應最大化、最小化或達到目標值的因子設定。

本頁內容
  1. 什麼是反應曲面設計?
  2. 何時使用反應曲面設計?
    1. 資料要求
    2. 資料收集指南
    3. 模型配適
  3. 正確使用反應曲面設計的指南
    1. 替代方法:何時不宜使用反應曲面設計
  4. 反應曲面設計範例
  5. 如何進行反應曲面設計

什麼是反應曲面設計?

反應曲面方法(RSM)是一組統計和數學技術,用於對在一個或多個連續因子範圍內被認為呈曲線變化(而不僅僅是線性變化)的反應進行建模和最佳化。它配適二次模型,以估計反應曲面的形狀,並找出使反應最大化、最小化或達到目標值的因子設定。

在 Zometric 中,反應曲面設計工具根據您指定的因子和範圍產生 Central Composite(CCD)、Box-Behnken 或 D-Optimal 設計,對您的結果配適完整的二次模型(含 Minitab 風格的 ANOVA,包括缺適性檢定),並提供典型分析(駐點分析)、等高線圖/曲面圖,以及用於找出最佳因子設定的多反應滿意度最佳化器。

何時使用反應曲面設計?

資料要求

  • 所有因子必須為連續型數值變數——CCD/Box-Behnken/D-Optimal 設計類型不支援分類因子。
  • CCD 或 D-Optimal 至少需要 2 個因子;Box-Behnken 需要 3 至 7 個因子。
  • 反應變數必須為連續型,並預期在所研究的範圍內呈現曲率——純線性反應不需要二次模型。

資料收集指南

  • 按隨機順序執行設計,以避免因子效應與隨時間的漂移相混雜。
  • 包含中心點(在每個因子的中點處重複)——正是它們使分析能夠檢定缺適性/曲率。
  • 因子範圍應足夠寬以涵蓋真正的最佳點,但對製程而言要現實可行——恰好位於邊界上的最佳點應謹慎對待。
  • 儘可能精確地量測反應;二次模型對雜訊大或不精確的量測很敏感,尤其是在決定純誤差估計的中心點處。

模型配適

  • 綜合檢視 R-sq、R-sq(adj) 和 R-sq(pred)——R-sq 與 R-sq(pred) 之間差距很大,表明模型過配適。
  • 檢查 ANOVA 表中的缺適性檢定——顯著的缺適性意味著二次模型不能充分描述資料(可考慮採用其他設計/模型,或調查離群值)。
  • 檢視殘差圖(常態機率圖、殘差對配適值圖、直方圖、殘差對順序圖),確認標準迴歸假設成立,再信任典型分析或最佳化器的結果。

正確使用反應曲面設計的指南

  • 僅使用連續型反應變數和因子變數;該方法用於對數值型反應曲面的曲率建模,不適用於分類結果。
  • 在擴展現有的因子/篩選試驗以對曲率建模時,選擇 Central Composite Design(CCD);若要避免所有因子同時處於極端(角點)組合,選擇 Box-Behnken;當執行次數受限或因子範圍不規則時,選擇 D-Optimal。
  • 務必包含中心點——沒有中心點,模型就無法檢定缺適性或估計純誤差。
  • 隨機化執行順序,以防止隨時間或環境的漂移與因子效應相混雜。
  • 在信任典型分析、等高線圖/曲面圖或最佳化器輸出之前,先檢視 ANOVA(尤其是缺適性檢定)和殘差圖——配適不佳的模型會產生具有誤導性的「最佳解」。
  • 在直接採信駐點之前,先用典型分析瞭解所得曲面的類型(極大、極小、鞍點或脊線)——鞍點不是真正的最佳點。
  • 當有多個目標各不相同、甚至可能相互衝突的反應時,使用 Response Optimizer(Step 3)——它會找出最佳折中方案(綜合滿意度),而不是孤立地只最佳化某一個反應。

替代方法:何時不宜使用反應曲面設計

  • 如果只需要識別眾多因子中哪些重要(而不是對曲率建模),請改用建立與分析確定性篩選設計。
  • 如果預期因子呈線性變化(無曲率),且主要關心主效應和互動作用,請改用建立與分析全因子試驗 (DOE)。
  • 如果混合的各成分比例之和必須為固定總量,請改用建立與分析混料試驗 (DOE)。
  • 如果目標是對雜訊因子的穩健性(找出對不可控變異不敏感的設定),而不是對曲率建模,請改用 Taguchi 穩健設計。
  • 如果已有配適好的模型,只需搜尋最佳設定而不必重新設計試驗,請使用 Response Optimizer。

反應曲面設計範例

一名製程工程師希望使某化學反應的收率(Yield)最大化。根據先前顯示出顯著曲率的因子試驗,認為收率以曲線(而非純線性)方式取決於溫度(Temperature)和壓力(Pressure)。針對溫度(150–180°C)和壓力(10–20 bar)這兩個因子,選用了 Central Composite Design(Circumscribed,Rotatable),並增加中心點以檢定缺適性;試驗按隨機順序執行,並量測每次的收率。採取的步驟如下:

  • 收集所需資料。
  • 藉助 https://statsai.zometric.com/分析資料。
  • 要找到反應曲面設計,請選擇 Statistical module > DOE > Create & Analyse Response Surface Design.
  • 在工具中,輸入資料以及設計和分析選項,如下所示:
rsm-options-raw
  • 使用上述工具後,得到的輸出如下:
rsm-out-doe


如何進行反應曲面設計

操作步驟如下:

  • 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  • 在首頁選擇 Statistical Tool > DOE > Create & Analyse Response Surface Design。
  • 定義因子(名稱、低水準、高水準),選擇設計類型(CCD、Box-Behnken 或 D-Optimal),並設定其選項。
  • 點選 Generate Design,將測得的 Result 輸入產生的執行矩陣,選擇分析選項,然後點選 Analyse Design。
  • 也可以在 Step 3 中為每個反應設定目標,然後點選 Optimize 找出最佳因子設定。

在反應曲面設計的工具介面中,視窗分為兩個部分,下方還有用於最佳化的第三個面板。

左側為 STEP 1: Define Factors & Generate Design。

  • Factors: 希望研究的連續輸入(例如 Temperature、Pressure)。為每個因子輸入名稱、Low 和 High 值。
  • Design type: Central Composite Design (CCD)、Box-Behnken 或 D-Optimal。
  • Face type / Alpha type (CCD only): 控制軸向點的幾何形狀——Circumscribed、Inscribed 或 Face-Centered,以及設計是 Rotatable 還是 Orthogonal。
  • Center points (CCD/Box-Behnken): 包含多少次重複的中心點執行,用於缺適性檢定。
  • Number of blocks (CCD only): 如果試驗必須在多個時間段或批次中執行,則將設計拆分為 1、2 或 3 個集區。
  • Model type / Number of runs (D-Optimal only): 設計應針對其進行最佳化的模型(線性、互動作用或二次),以及所需的執行次數。

右側為 STEP 2: Enter Results & Analyse,並提供以下選項:

  • Confidence level: 結果表中係數信賴區間所用的信賴水準百分比。
  • Canonical analysis (stationary point): 報告曲面的類型(極大、極小、鞍點或脊線)及其駐點處的因子設定。
  • Four in one / Histogram / Normal probability plot / Versus fits / Versus order: 殘差診斷圖,用於確認模型配適是否可靠。
  • Contour plot / Surface plot / Overlaid contour plot: 在所選的兩個因子(由 X1/X2 axis factor # 指定)上視覺化配適的反應曲面,其餘因子保持在其中心值。
  • Response low / Response high: 用於疊加等高線圖——將可接受的反應範圍著色為可行區域。
  • Download as Excel: 將設計、結果、係數和 ANOVA 匯出到 Excel 工作簿。

最後,下方為 STEP 3: Response Optimizer,在此為每個反應設定 Goal(Maximize、Minimize 或 Target)、Lower、Target、Upper、Weight 和 Importance,然後點選 Optimize,找出能同時最好地滿足所有反應的因子設定(綜合滿意度)。

rsm-optimizer-out


常見問題

CCD、Box-Behnken 與 D-Optimal:應選擇哪種設計?

在擴展現有的因子或篩選試驗以對曲率建模時,選擇 Central Composite Design。若要避免所有因子同時處於極端的角點組合,選擇 Box-Behnken;它需要 3 至 7 個因子。當執行次數受限或因子範圍不規則時,選擇 D-Optimal。CCD 和 D-Optimal 至少需要 2 個因子。

為什麼反應曲面設計需要中心點?

在每個因子的中點處重複的中心點,使分析能夠檢定缺適性和曲率,並估計純誤差。沒有中心點,模型就無法檢定缺適性。儘可能精確地量測反應,尤其是在中心點處,因為它們決定純誤差估計。

如何檢查 RSM 模型的配適?

綜合檢視 R-sq、R-sq(adj) 和 R-sq(pred);R-sq 與 R-sq(pred) 之間差距很大,表明過配適。顯著的缺適性檢定意味著二次模型不能充分描述資料。在信任典型分析、等高線圖或最佳化器之前,先檢查殘差圖,因為配適不佳的模型會給出具有誤導性的最佳解。

RSM 中的典型分析能告訴您什麼?

典型分析報告曲面的類型(極大、極小、鞍點或脊線)及其駐點處的因子設定。在直接採信駐點之前先檢查類型,因為鞍點不是真正的最佳點。對於多個反應,Zometric Statistical Software 中的反應最佳化器透過綜合滿意度找出最佳折中方案。