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.

11.2 最速上升法

对系统最优操作条件的初步估计往往远离真正的最优点。此时,试验者希望采用简单、经济而有效的程序,迅速移向最优点附近。在远离最优点的地方,通常假定一阶模型能够在 xx 变量的一个小区域内充分近似真实响应面。

最速上升法是沿响应增加最快的方向序贯移动的方法。若目标是最小化响应,则称为最速下降法。拟合的一阶模型为

y^=β0^+∑i=1kβi^xi(11.3)\hat {y} = \hat {\beta_ {0}} + \sum_ {i = 1} ^ {k} \hat {\beta_ {i}} x _ {i}\tag{11.3}

一阶响应面的等高线是一组平行直线,如图 11.4 所示。最速上升方向是 y^\hat y 增加最快的方向,在因子平面中垂直于等高线。通常选择通过研究区域中心、垂直于等高线的直线作为最速上升路径。因此,路径上各变量的步长与回归系数 {β^i}\{\hat\beta_i\} 成比例。实际步长由试验者根据过程知识及其他实际考虑确定。

沿最速上升路径开展试验,直到不再观察到响应增加。随后可以重新拟合一阶模型,确定新的最速上升路径,并继续这一过程。最终将到达最优点附近,通常表现为一阶模型出现失拟。这时应增加试验,以更精确地估计最优点。

教材原图
图 11.4 一阶响应面与最速上升路径

例 11.1

一位化学工程师希望确定使过程产率最大的操作条件。反应时间和反应温度是影响产率的两个可控变量。当前反应时间为 35 分钟,温度为 155 °F,产率约为 40%。由于该区域不太可能包含最优点,工程师拟合一阶模型,并采用最速上升法。

工程师选择反应时间 30~40 分钟、温度 150~160 °F 作为拟合一阶模型的探索区域。为简化计算,将自变量编码到常用的 [−1,1][-1,1] 区间。若 ξ1\xi_1 为自然变量时间,ξ2\xi_2 为自然变量温度,则编码变量为

x1=ξ1−355且x2=ξ2−1555x _ {1} = \frac {\xi_ {1} - 35}{5} \quad \text{且} \quad x _ {2} = \frac {\xi_ {2} - 155}{5}

试验设计见表 11.1:在 22 因子设计上增加五次中心点试验。中心点重复用于估计试验误差,并检查一阶模型是否充分。设计中心就是过程的当前操作条件。

用最小二乘法拟合这些数据。采用二水平设计的计算方法,得到编码变量下的一阶模型:

y^=40.44+0.775x1+0.325x2\hat {y} = 40.44 + 0.775 x _ {1} + 0.325 x _ {2}

沿最速上升路径探索前,应先检查一阶模型是否充分。含中心点的 22 设计可以用于:

  1. 估计误差。

  2. 检查模型中的交互作用(交叉乘积项)。

  3. 检查二次效应(曲率)。

利用中心点重复估计误差:

(40.3)2+(40.5)2+(40.7)2+(40.2)2σ^2=(40.6)2−(202.3)2/54=0.0430\begin{array}{r l} & (40.3) ^ {2} + (40.5) ^ {2} + (40.7) ^ {2} + (40.2) ^ {2} \\ \hat {\sigma} ^ {2} = & \frac {(40.6) ^ {2} - (202.3) ^ {2} / 5}{4} \\ = & 0.0430 \end{array}

一阶模型假设 x1,x2x_1,x_2 对响应的效应具有可加性。若存在交互作用,则应在模型中加入交叉乘积项 β12x1x2\beta_{12}x_1x_2。该系数的最小二乘估计,等于按通常 22 因子设计计算的交互作用效应的一半,即

σ^2=40.32+40.52+40.72+40.22+40.62−202.32/54=0.0430\hat\sigma^2=\frac{40.3^2+40.5^2+40.7^2+40.2^2+40.6^2-202.3^2/5}{4}=0.0430

表 11.1

用于拟合一阶模型的过程数据

自然变量编码变量响应
$\xi_1$$\xi_2$$x_1$$x_2$y
30150-1-139.3
30160-1140.0
401501-140.9
401601141.5
351550040.3
351550040.5
351550040.7
351550040.2
351550040.6

交互作用的单自由度平方和为

SS交互作用=(−0.1)24=0.0025SS _ {\text{交互作用}} = \frac {(- 0.1) ^ {2}}{4} = 0.0025

将 SS交互作用SS_{\text{交互作用}} 与 σ^2\hat\sigma^2 比较,得到失拟检验统计量

F=SS交互作用σ^2=0.00250.0430=0.058F = \frac {SS _ {\text{交互作用}}}{\hat {\sigma} ^ {2}} = \frac {0.0025}{0.0430} = 0.058

该值很小,说明交互作用可以忽略。

还可利用 6.8 节的纯二次曲率检验检查直线模型是否充分。具体做法是比较设计中四个因子点的平均响应 yˉF=40.425\bar y_F=40.425 与中心点的平均响应 yˉC=40.46\bar y_C=40.46。若真实响应函数有二次曲率,yˉF−yˉC\bar y_F-\bar y_C 就是曲率的度量。若 β11,β22\beta_{11},\beta_{22} 分别为纯二次项 x12,x22x_1^2,x_2^2 的系数,则这个差是 β11+β22\beta_{11}+\beta_{22} 的估计。本例中,

β^11+β^22=y‾F−y‾C=40.425−40.46=−0.035\hat {\beta} _ {11} + \hat {\beta} _ {22} = \overline {{{{y}}}} _ {F} - \overline {{{{y}}}} _ {C} = 40.425 - 40.46 = - 0.035

原假设 H0:β11+β22=0H_0:\beta_{11}+\beta_{22}=0 对应的单自由度平方和为

SS纯二次项=nFnC(y‾F−y‾C)2nF+nC=(4)(5)(−0.035)24+5=0.0027\begin{array}{r l} SS _ {\text{纯二次项}} & = \frac {n _ {F} n _ {C} (\overline {{y}} _ {F} - \overline {{y}} _ {C}) ^ {2}}{n _ {F} + n _ {C}} \\ & = \frac {(4) (5) (- 0.035) ^ {2}}{4 + 5} = 0.0027 \end{array}

其中,nF,nCn_F,n_C 分别为因子部分的试验次数与中心点试验次数。由于

F=SS纯二次项σ^2=0.00270.0430=0.063F = \frac {SS _ {\text{纯二次项}}}{\hat {\sigma} ^ {2}} = \frac {0.0027}{0.0430} = 0.063

很小,没有证据表明存在纯二次效应。

表 11.2

一阶模型的方差分析

模型的方差分析汇总于表 11.2。交互作用与曲率检验均不显著,而整体回归的 F 检验显著。此外,β^1,β^2\hat\beta_1,\hat\beta_2 的标准误为

se⁡(β^i)=MSE4=σ^24=0.04304=0.10i=1,2\operatorname{se}(\hat {\beta} _ {i}) = \sqrt {\frac {MS _ {E}}{4}} = \sqrt {\frac {\hat {\sigma} ^ {2}}{4}} = \sqrt {\frac {0.0430}{4}} = 0.10 \quad i = 1, 2

两个回归系数相对于各自的标准误都较大。目前没有理由怀疑一阶模型是否充分。

从设计中心 (x1,x2)=(0,0)(x_1,x_2)=(0,0) 沿最速上升路径移动时,x1x_1 每变化 0.775 个单位,x2x_2 就变化 0.325 个单位。因此该路径通过原点,斜率为 0.325/0.7750.325/0.775。工程师选择反应时间 5 分钟作为基本步长。由 ξ1\xi_1 与 x1x_1 的关系可知,5 分钟对应编码变量的步长 Δx1=1\Delta x_1=1,所以路径步长为 Δx1=1.0000\Delta x_1=1.0000、Δx2=0.325/0.775≈0.42\Delta x_2=0.325/0.775\approx0.42。

工程师计算路径上的试验点,并逐点观察产率,直到响应开始下降。表 11.3 同时给出编码变量与自然变量下的结果。编码变量便于数学运算,但实施试验时必须使用自然变量。图 11.5 绘出各步的产率。响应一直增加到第十步,之后均下降。因此,应在 (ξ1,ξ2)=(85,175)(\xi_1,\xi_2)=(85,175) 附近重新拟合一阶模型。

变异来源平方和自由度均方$F_0$P 值
模型( $\beta_1, \beta_2$ )2.825021.412547.830.0002
残差0.17726
(交互作用)(0.0025)10.00250.0580.8215
(纯二次项)(0.0027)10.00270.0630.8142
(纯误差)(0.1720)40.0430
总计3.00228

表 11.3 例 11.1 的最速上升试验

表中自然温度采用约整后的 2 °F 步长,编码温度列则保留理论步长约 0.42,两列并非精确换算。最后两步按同一自然步长改为 177 °F 和 179 °F。[1]

步数编码变量自然变量响应 y
$x_1$$x_2$$\xi_1$$\xi_2$
起点0035155
Δ1.000.4252
起点 + Δ1.000.424015741.0
起点 + 2Δ2.000.844515942.9
起点 + 3Δ3.001.265016147.1
起点 + 4Δ4.001.685516349.7
起点 + 5Δ5.002.106016553.8
起点 + 6Δ6.002.526516759.9
起点 + 7Δ7.002.947016965.0
起点 + 8Δ8.003.367517170.4
起点 + 9Δ9.003.788017377.6
起点 + 10Δ10.004.208517580.3
起点 + 11Δ11.004.629017776.2
起点 + 12Δ12.005.049517975.1

教材原图
图 11.5 例 11.1 中产率随最速上升步数的变化

以 (ξ1,ξ2)=(85,175)(\xi_1,\xi_2)=(85,175) 为中心拟合新的一阶模型。ξ1\xi_1 的探索区域为 [80,90][80,90],ξ2\xi_2 的探索区域为 [170,180][170,180]。因此编码变量为

x1=ξ1−855且x2=ξ2−1755x _ {1} = \frac {\xi_ {1} - 85}{5} \quad \text{且} \quad x _ {2} = \frac {\xi_ {2} - 175}{5}

再次采用含五次中心点试验的 22 设计,试验安排见表 11.4。

根据表 11.4 的编码变量拟合的一阶模型为

y^=78.97+1.00x1+0.50x2\hat {y} = 78.97 + 1.00 x _ {1} + 0.50 x _ {2}

表 11.5 给出了模型的方差分析,包括交互作用与纯二次效应检验。检验结果表明一阶模型不能充分近似响应。真实曲面的曲率提示我们可能已经接近最优点,需要进一步分析以更精确地定位。

表 11.4 第二个一阶模型的数据

自然变量编码变量响应 y
$\xi_1$$\xi_2$$x_1$$x_2$
80170-1-176.5
80180-1177.0
901701-178.0
901801179.5
851750079.9
851750080.3
851750080.0
851750079.7
851750079.8

表 11.5 第二个一阶模型的方差分析

变异来源平方和自由度均方$F_0$P 值
回归5.002
残差11.12006
(交互作用)(0.2500)10.25004.720.0955
(纯二次项)(10.6580)110.6580201.090.0001
(纯误差)(0.2120)40.0530
总计16.12008

从例 11.1 可见,最速上升路径由拟合一阶模型中回归系数的符号与大小决定,各变量步长与这些系数成比例:

y^=β0^+∑i=1kβi^xi\hat {y} = \hat {\beta_ {0}} + \sum_ {i = 1} ^ {k} \hat {\beta_ {i}} x _ {i}

可以给出确定最速上升路径坐标的一般算法。假定 x1=x2=⋯=xk=0x_1=x_2=\cdots=x_k=0 为基点或原点,则:

  1. 选择一个过程变量的步长,例如 Δxj\Delta x_j。通常选择最熟悉的变量,或绝对回归系数 ∣β^j∣|\hat\beta_j| 最大的变量。

  2. 其他变量的步长为

Δxi=β^iβ^j/Δxji=1,2,…,ki≠j\Delta x _ {i} = \frac {\hat {\beta} _ {i}}{\hat {\beta} _ {j} / \Delta x _ {j}} \quad i = 1, 2, \dots , k \quad i \neq j
  1. 将编码变量步长 Δxi\Delta x_i 换算为自然变量步长。

以例 11.1 为例,x1x_1 的回归系数最大,因此第一步选择反应时间。根据过程知识取步长为 5 分钟,在编码变量下即为 Δx1=1.0\Delta x_1=1.0。由第二步可知,温度步长为

Δx2=β^2β^1/Δx1=0.325(0.775/1.0)=0.42\Delta x _ {2} = \frac {\hat {\beta} _ {2}}{\hat {\beta} _ {1} / \Delta x _ {1}} = \frac {0.325}{(0.775 / 1.0)} = 0.42

将编码步长 Δx1=1.0\Delta x_1=1.0、Δx2=0.42\Delta x_2=0.42 换算为时间和温度的自然单位时,利用

Δx1=Δξ15且Δx2=Δξ25\Delta x _ {1} = \frac {\Delta \xi_ {1}}{5} \quad \text{且} \quad \Delta x _ {2} = \frac {\Delta \xi_ {2}}{5}

得到

Δξ1=Δx1(5)=1.0(5)=5min\Delta \xi_ {1} = \Delta x _ {1} (5) = 1.0 (5) = 5 \mathrm{min}

以及

Δξ2=Δx2(5)=0.42(5)=2.1∘F≈2∘F\Delta \xi_ {2} = \Delta x _ {2} (5) = 0.42 (5) = 2.1 ^ {\circ} \mathrm{F} \approx 2 ^ {\circ} \mathrm{F}
Footnotes
  1. 译者注:原书表 11.3 最后两步温度为 179 °F、181 °F,与起点 155 °F 及每步 2 °F 不一致;这里按所列步长修正。交互作用系数由对比值 −0.1 除以 4 得 −0.025,原书误列为 −0.25。