Respon Surface Methode
Sebuah
aspek penting dari RSM adalah desain eksperimen (Box. 1987), biasanya disingkat
DoE. Strategi ini awalnya dikembangkan untuk model pas percobaan fisik, tetapi
juga dapat diterapkan untuk numerik eksperimen. Tujuan dari DoE adalah pemilihan
titik-titik di mana respon harus dievaluasi. Sebagian besar kriteria desain
yang optimal dari eksperimen yang terkait dengan model matematis dari proses.
Umumnya, model-model matematika adalah polinomial dengan struktur yang tidak
diketahui, sehingga percobaan sesuai dirancanghanya untuk setiap masalah
tertentu. Pilihan desain eksperimen dapat memiliki pengaruh besar pada
keakuratan perkiraan dan biaya pembangunan permukaan respon.
Dalam
DoE tradisional, skrining eksperimen dilakukan pada tahap awal proses,ketika
ada kemungkinan bahwa banyak variabel desain awalnya dianggap memiliki sedikit
atau tidak berpengaruh pada respon. Tujuannya adalah untuk
mengidentifikasi desain variabel yang
memiliki efek besar untuk penyelidikan lebih lanjut. Pemrograman genetik telah
menunjukkan sifat skrining yang baik (T. Gilbert. 1998).
Untuk
membangun model pendekatan yang dapat menangkap interaksi antara N desain,
variabel pendekatan faktorial lengkap
(Montgomery. 1997) mungkin diperlukan untuk menginvestigasi semua kombinasi.
Sebuah percobaan faktorial merupakan eksperimental strategi di mana variabel
desain bervariasi bersama-sama, bukan satu per satu. Batas bawah dan atas
masing-masing dari N variabel desain dalam optimasi masalah perlu
didefinisikan. Rentang yang diijinkan kemudian discretized pada yang tingkat berbeda. Jika masing-masing variabel
didefinisikan pada hanya batas bawah dan atas (dua tingkat), rancangan
percobaan disebut 2N penuh faktorial. Demikian pula, jika titik-titik
tengah disertakan, desain ini disebut 3N faktorial penuh dan
ditunjukkan pada Gambar 2.13.
Gambar
2.13 Full Factorail Design (27
Faktor)
1.2
D
Optimal Design
kriteria
D-optimalitas memungkinkan konstruksi yang lebih efisien dari model kuadrat
(Montgomery, 1991). Tujuannya adalah untuk memilih P desain poin dari satu set
yang lebih besar dari poin calon sebagai:
Y
= X * B + e ..................................................... (2.8)
di
mana Y adalah vektor pengamatan, e adalah vektor dari kesalahan, X adalah
matriks nilai-nilai variabel desain di rencana poin dan B adalah vektor dari
parameter talakuadrat-sebagai. B dapat diperkirakan dengan menggunakan metode:
B
= (Xt* X)-1 XT Y
..................................................... (2.9)
kriteria
D-optimal menyatakan bahwa set terbaik dari poin dalam percobaan
memaksimalkan
determinan | XTX |. "D" adalah singkatan dari determinan
dari XTXmatriks terkait
dengan model. Dari sudut pandang statistik,
D-optimal desainmengarah ke model permukaan respon yang varians maksimum
tanggapan diprediksi diminimalkan. Ini berarti bahwa titik percobaan akan meminimalkan
kesalahan dalam estimasi koefisien dari model respon. Keuntungan dari metode
ini adalah kemungkinan untuk menggunakan bentuk tidak teratur dan kemungkinan
untuk memasukkan poin desain tambahan. Umumnya, D-optimal adalah salah satu kriteria
yang paling banyak digunakan dalam desain yang dihasilkan komputer eksperimen
(Giunta.1996).
1.3
Box Benhken Design
Box-Behnken
adalah desain respon permukaan tiga tingkat desain faktorial (Tekindal.2012).
Menggabungkan dua tingkat desain faktorial dengan desain blok lengkap dengan
cara tertentu. Desain Box-Behnken
diperkenalkan untuk membatasi ukuran sampel sebagai jumlah parameter tumbuh.
Ukuran sampel disimpan ke nilai yang cukup untuk estimasi koefisien dalam
derajat kedua kuadrat mendekati jumlahnya banyak.
1.4
Full Factorial Design
Dalam
desain Box-Behnken, blok sampel yang
sesuai dengan dua level desain faktorial diulang lebih dari set yang berbeda
dari parameter. Parameter yang tidak termasuk dalam desain faktorial tetap pada
tingkat rata-rata mereka di seluruh blok. Jenis (penuh atau pecahan), ukuran
faktorial, dan jumlah blok yang dievaluasi, tergantung pada jumlah parameter
dan dipilih sehingga desain memenuhi, persis atau sekitar, kriteria
rotatability. Desain eksperimental dikatakan diputar jika varians dari respon
diprediksi pada setiap titik merupakan fungsi dari jarak dari titik pusat saja.
Gambar
1.14 Tabel Box Benhken k=3
(Teknindal. 2012)
Dimana 3 parameter: 3
dari 3 blok dengan 22 faktorial lengkap, ditambah titik pusat, 13
sampel keseluruhan, 10 koefisien yang diperlukan untuk interpolasi polinomial.
Gambar
1.15 Contoh experimen Box benhken design
untuk k=3 (Teknindal. 2012)
Desain
faktorial dibuat, ‘’0’’ singkatan dari variabel-variabel yang diblokir pada
rata-rata. Mempertimbangkan desain Box-Behnken
dengan tiga parameter (Gambar 2.14), dalam hal ini 22 faktorial lengkap diulang tiga kali:
a.
pada pertama dan
parameter kedua menjaga parameter ketiga di tingkat rata-rata (sampel: llm, lhm, hlm,hhm)
b.
pada pertama dan
parameter ketiga menjaga parameter kedua pada tingkat rata-rata (sampel: lml, lmh, hml, hmh)
c.
pada kedua dan
parameter ketiga menjaga parameter pertama pada rata-rata (sampel : mill, mlh, mhl, mhh)
maka pusat titik (mmm) ditambahkan.
secara grafis, sampel berada di titik tengah dari tepi ruang desain dan di
tengah (Gambar. 2.15). Sebuah interpretasi grafis hipotetis untuk k = 4 kasus
adalah bahwa sampel ditempatkan pada setiap titik tengah dari dua puluh empat
wajah dua dimensi dari desain ruang empat dimensi dan di pusat. Adapun CCC dan
CCI, semua sampel memiliki jarak yang sama dari titik pusat. Simpul dari ruang
desain terletak relatif jauh dari sampel dan di luar convex hull mereka, untuk
alasan ini permukaan respon berdasarkan pada Box-Behnken desain eksperimental mungkin tidak akurat dekat simpul
dari ruang desain. Hal yang sama terjadi untuk desain CCI.
Respon analisis
metodologi permukaan telah ditinjau. RSM dapat digunakan untuk pendekatan kedua
tanggapan eksperimental dan numerik. Dua langkah yang diperlukan, definisi
fungsi pendekatan dan desain rencana eksperimen (Teknindal. 2012).
Sekian terimakasih
Semoga Bermanfaat
Opi Sumardi. respon Surface. 2017