Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

11.7 渐进调优法

研发人员经常将响应面方法用于中试装置。应用于全规模生产过程时,由于试验程序较复杂,通常只实施一次或极少实施。然而,中试最优条件未必适用于全规模过程:中试装置可能每天生产 2 磅产品,正式装置却每天生产 2000 磅。这种放大通常会改变最优条件。即使正式装置从最优点开始运行,也最终可能由于原料变化、环境变化和操作人员差异而偏离该点。

因此,需要一种持续监控和改进正式生产过程的方法,使操作条件逐步趋向最优点,或跟踪最优点的漂移。该方法不应要求可能扰乱生产的大幅或突然改变。Box(1957)提出的渐进调优法(EVOP)正是这种操作程序,旨在由生产人员实施日常过程改进,仅需研发人员少量协助。

EVOP 系统地对所研究操作变量的水平作小幅调整,通常采用 2k2^k 设计。调整幅度应小到不会严重影响产率、质量或产量,又应大到最终能够发现潜在改善。在各设计点收集关注响应,每个点完成一次观测即完成一个循环,然后计算过程变量的效应和交互作用。经过若干循环,某个变量或交互作用可能对响应呈现显著影响,此时可决定改变基本操作条件以改善响应。当发现改善后的条件时,称完成一个阶段。

检验过程变量与交互作用的显著性需要估计试验误差,可由循环数据计算。2k2^k 设计通常以当前最佳条件为中心。比较该中心点与析因部分各点的响应,可以检查曲率或均值变化(CIM)。例如,若过程确实以极大值点为中心,则中心响应应显著大于周围 2k2^k 个点的响应。

理论上,EVOP 可用于 kk 个过程变量;实际中通常仅考虑两个或三个。本节给出两变量实例。Box 和 Draper(1969)详细讨论了三变量情形,并提供所需表格和工作表。

例 11.7

某化学过程的产率取决于温度 x1x_1 和压力 x2x_2。当前条件为 250∘F250^\circ\mathrm F 和 145 psi。EVOP 采用图 11.52 中的 22 设计加中心点,按设计点编号 1、2、3、4、5 顺序运行一次即完成一个循环。图中还给出了第一个循环的产率。

将第一循环的产率填入表 11.25 的 EVOP 计算表。此时还无法估计标准差。温度、压力效应及其交互作用按通常的 22 设计方法计算。

再实施第二循环,将数据填入表 11.26。此时可以估计试验误差,并将效应估计与近似 95%(两个标准差)的误差界限比较。这里的极差是第(iv)行各差值的极差,即 1.0−(−1.0)=2.01.0-(-1.0)=2.0。表 11.26 中没有效应超出误差界限,因此真实效应可能为零,暂不改变操作条件。

第三循环结果见表 11.27。压力效应已超出误差界限,温度效应恰好等于界限,因此现在可能有理由改变操作条件。

教材原图
例 11.7 的 EVOP 计算表,n=1n=1 图 11.52 EVOP 的 22 设计

表 11.25

[×K22]循环:n = 1;响应:产率阶段:1;日期:2004 年 1 月 11 日
平均值的计算标准差的计算
操作条件(1)(2)(3)(4)(5)
(i)上一循环累计和上一累计和 S =
(ii)上一循环平均值上一平均值 S =
(iii)新观测值84.584.284.984.584.3新的 S = 极差 × f5,n =
(iv)差值〔(ii)−(iii)〕下列行的极差 (iv) =
(v)新的累计和〔(i)+(iii)〕84.584.284.984.584.3新累计和 S =
(vi)新的平均值〔ȳᵢ =(v)/n〕84.584.284.984.584.3New average S = $\frac{\text{新累计和 } S}{n-1}$
效应的计算误差界限的计算
Temperature effect = $\frac{1}{2}(\overline{y}_{3} + \overline{y}_{4} - \overline{y}_{2} - \overline{y}_{5}) = 0.45$For new average = $\frac{2}{\sqrt{n}}S =$
Pressure effect = $\frac{1}{2}(\overline{y}_{3} + \overline{y}_{5} - \overline{y}_{2} - \overline{y}_{4}) = 0.25$For new effects $\frac{2}{\sqrt{n}}S =$
T × P interaction effect = $\frac{1}{2}(\overline{y}_{2} + \overline{y}_{3} - \overline{y}_{4} - \overline{y}_{5}) = 0.15$
Change-in-mean effect = $\frac{1}{5}(\overline{y}_{2} + \overline{y}_{3} + \overline{y}_{4} + \overline{y}_{5} - 4\overline{y}_{1}) = 0.02$For change in mean $\frac{1.78}{\sqrt{n}}S =$

表 11.26 例 11.7 的 EVOP 计算表,n=2n=2

[CY3AT]循环:n = 1;响应:产率阶段:1;日期:2004 年 1 月 11 日
平均值的计算标准差的计算
操作条件(1)(2)(3)(4)(5)
(i)上一循环累计和84.584.284.984.584.3上一累计和 S =
(ii)上一循环平均值84.584.284.984.584.3上一平均值 S =
(iii)新观测值84.984.685.983.584.0新的 S = 极差 × $f_{5,n}$ = 0.60
(iv)差值〔(ii)−(iii)〕-0.4-0.4-1.0+1.00.3下列行的极差 (iv) = 2.0
(v)新的累计和〔(i)+(iii)〕169.4168.8170.8168.0168.3新累计和 S = 0.60
(vi) New average [ $\overline{y}_{i}$ = (v)/n]84.7084.4085.4084.0084.15New average S = $\frac{\text{新累计和 }S}{n-1}$ = 0.60
效应的计算误差界限的计算
Temperature effect = $\frac{1}{2}(\overline{y}_{3}+\overline{y}_{4}-\overline{y}_{2}-\overline{y}_{5})$ = 0.43For new average = $\frac{2}{\sqrt{n}}S$ = 0.85
Pressure effect = $\frac{1}{2}(\overline{y}_{3}+\overline{y}_{5}-\overline{y}_{2}-\overline{y}_{4})$ = 0.58For new effects $\frac{2}{\sqrt{n}}S$ = 0.85
T × P interaction effect = $\frac{1}{2}(\overline{y}_{2}+\overline{y}_{3}-\overline{y}_{4}-\overline{y}_{5})$ = 0.83
Change-in-mean effect = $\frac{1}{5}(\overline{y}_{2}+\overline{y}_{3}-\overline{y}_{4}-\overline{y}_{5}-4\overline{y}_{1})$ = -0.17For change in mean $\frac{1.78}{\sqrt{n}}S$ = 0.76
表 11.27 例 11.7 的 EVOP 计算表,n = 3
循环:n = 1;响应:产率阶段:1;日期:2004 年 1 月 11 日
平均值的计算标准差的计算
操作条件(1)(2)(3)(4)(5)
(i)上一循环累计和169.4168.8170.8168.0168.3上一累计和 S = 0.60
(ii)上一循环平均值84.7084.4085.4084.0084.15上一平均值 S = 0.60
(iii)新观测值85.084.086.684.985.2新的 S = 极差 × $f_{5,n}$ = 0.56
(iv)差值〔(ii)−(iii)〕-0.30+0.40-1.20-0.90-1.05下列行的极差 (iv) = 1.60
(v)新的累计和〔(i)+(iii)〕254.4252.8257.4252.9253.5新累计和 S = 1.16
(vi) New averages [ $\overline{y}_{i}$ = (v)/n]84.8084.2785.8084.3084.50New average S = $\frac{\text{新累计和 }S}{n-1}$ = 0.58
效应的计算误差界限的计算
Temperature effect = $\frac{1}{2}(\overline{y}_{3}+\overline{y}_{4}-\overline{y}_{2}-\overline{y}_{5})$ = 0.67For new average = $\frac{2}{\sqrt{n}}S$ = 0.67
Pressure effect = $\frac{1}{2}(\overline{y}_{3}+\overline{y}_{5}-\overline{y}_{2}-\overline{y}_{4})$ = 0.87For new effects $\frac{2}{\sqrt{n}}S$ = 0.67
T × P interaction effect = $\frac{1}{2}(\overline{y}_{2}+\overline{y}_{3}-\overline{y}_{4}-\overline{y}_{5})$ = 0.64
Change-in-mean effect = $\frac{1}{5}(\overline{y}_{2}+\overline{y}_{3}+\overline{y}_{4}+\overline{y}_{5}-4\overline{y}_{1})$ = -0.07For change in mean $\frac{1.78}{\sqrt{n}}S$ = 0.60

根据这些结果,以点 3 为中心开始新的 EVOP 阶段是合理的。因此,第二阶段 22 设计的中心改为 225∘F225^\circ\mathrm F 和 150 psi。

EVOP 的一个重要方面是将所得信息反馈给操作人员和主管,通常通过醒目展示的信息板实现。例中第三循环结束时的信息板见表 11.28。

表 11.28

第三循环的 EVOP 信息板 教材原图

平均值的误差界限:±0.67

与下列因子的效应温度0.67 ± 0.67
95% 误差压力0.87 ± 0.67
界限T × P0.64 ± 0.67
均值变化0.07 ± 0.60
标准差0.58

EVOP 计算表的大多数量可直接由 2k2^k 析因分析得到。例如,任一效应(如 12(yˉ3+yˉ5−yˉ2−yˉ4)\tfrac12(\bar y_3+\bar y_5-\bar y_2-\bar y_4))的方差为 σ2/n\sigma^2/n,其中 σ2\sigma^2 是观测值 yy 的方差。因此,任一效应的两个标准差误差界限(约对应 95%)为 ±2σ/n\pm2\sigma/\sqrt n。均值变化的方差为

V(CIM)=V[15(y‾2+y‾3+y‾4+y‾5−4y‾1)]=125(4σy‾2+16σy‾2)=(2025)σ2n\begin{array}{r} V (\mathrm{CIM}) = V \left[ \frac {1}{5} (\overline {{y}} _ {2} + \overline {{y}} _ {3} + \overline {{y}} _ {4} + \overline {{y}} _ {5} - 4 \overline {{y}} _ {1}) \right] \\ = \frac {1}{25} (4 \sigma_ {\overline {{y}}} ^ {2} + 16 \sigma_ {\overline {{y}}} ^ {2}) = \left(\frac {20}{25}\right) \frac {\sigma^ {2}}{n} \end{array}

因此,CIM 的两个标准差误差界限为 ±220/25 σ/n=±1.78σ/n\pm2\sqrt{20/25}\,\sigma/\sqrt n=\pm1.78\sigma/\sqrt n。

标准差 σ\sigma 采用极差法估计。记 yi(n)y_i(n) 为第 nn 循环第 ii 个设计点的观测,yˉi(n)\bar y_i(n) 为完成 nn 个循环后该点的平均值。计算表第(iv)行是差值 yi(n)−yˉi(n−1)y_i(n)-\bar y_i(n-1),其方差为

V[yi(n)−y‾i(n−1)]≡σD2=σ2[1+1(n−1)]=σ2n(n−1)V [ y _ {i} (n) - \overline {{{{y}}}} _ {i} (n - 1) ] \equiv \sigma_ {D} ^ {2} = \sigma^ {2} \left[ 1 + \frac {1}{(n - 1)} \right] = \sigma^ {2} \frac {n}{(n - 1)}

表 11.29 fk,nf_{k,n} 的数值

n =2345678910
k = 50.300.350.370.380.390.400.400.400.41
90.240.270.290.300.310.310.310.320.32
100.230.260.280.290.300.300.300.310.31

差值的极差记为 RDR_D,它与差值标准差估计的关系为 σ^D=RD/d2\hat\sigma_D=R_D/d_2。因子 d2d_2 取决于计算极差所用的观测数。由 RD/d2=σ^n/(n−1)R_D/d_2=\hat\sigma\sqrt{n/(n-1)},得到

σ^=(n−1)nRDd2=(fk,n)RD≡s\hat {\sigma} = \sqrt {\frac {(n - 1)}{n}} \frac {R _ {D}}{d _ {2}} = (f _ {k, n}) R _ {D} \equiv s

可据此估计观测值标准差,其中本式的 kk 表示设计点数。22 设计加一个中心点时 k=5k=5,23 设计加一个中心点时 k=9k=9。fk,nf_{k,n} 的数值见表 11.29。