روش‌شناسی سطح پاسخ

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به ناوبری پرش به جستجو

روش‌شناسی سطح پاسخ (به انگلیسی: Response Surface Methodology) یا به اختصار RSM، مجموعه‌ای از روش‌های ریاضی است که رابطهٔ بین یک یا چند متغیر پاسخ را با چندین متغیر مستقل (مورد مطالعه) تعیین می‌کند.[۱] این روش در سال ۱۹۵۱ توسط باکس و ویلسون معرفی شد، تا به امروز نیز از آن به عنوان یکی از ابزارهای طراحی آزمایش استفاده می‌گردد. هر چند بسیاری این روش را به عنوان یک شبه مدل (Metamodel) می‌دانند.[۲] ، مطالعاتی نظیر مطالعهٔ کرمی و همکاران روش سطح پاسخ را به عنوان یک روش قابل قبول در مقایسه با روش‌های سنتی مدل‌سازی نشان داده است.[۳]

چیستی و اهداف روش سطح پاسخ[ویرایش]

در علوم مهندسی بسیاری از پدیده‌ها بر مبنای تئوری‌های مربوط به خودشان مدل‌سازی می‌شوند. این درحالیست که بسیاری از پدیده‌ها به دلیل تعداد زیاد عوامل کنترل‌کننده، ناشناخته بودن مکانیسم یا پیچیدگی محاسباتی، قابلیت داشتن مدل ریاضی مناسب را ندارند. در چنین مواردی استفاده از روش‌های تجربی مدلسازی کارساز است؛ روش سطح پاسخ به عنوان یکی از روش‌های مدل‌سازی تجربی مطرح است.[۴] روش سطح پاسخ، یکی از رویکردهای بررسی در طراحی آزمایشها و علوم وابسته است. در روش سطح پاسخ سعی می‌شود تا با استفاده از یک طرح آزمایش مناسب، راهی برای تخمین برهمکنش‌ها(Interactions)، اثرات درجه دوم و حتی شکل موضعی سطح پاسخ مورد مطالعه یافته شود. در این میان اهداف خاصی به‌طور جدی دنبال می‌شوند که از مهمترین‌شان می‌توان به بهبود فرایند با یافتن ورودی‌های بهینه، رفع مشکلات و نقاط ضعف فرایند و پایدارسازی آن اشاره کرد. در اینجا پایدارسازی مفهوم مهمی در آمار کیفیت است که به حداقل کردن اثرات متغیرهای ثانویه یا غیر کنترلی (اغتشاشی) دلالت می‌کند.[۵]

روند اجرا[ویرایش]

انجام روش سطح پاسخ بدون داشتن اطلاعات در مورد فرایند و متغییرهای مؤثر بر آن، می‌تواند گمراه‌کننده باشد. متداول‌تر است که قبل از انجام مراحل روش سطح پاسخ، فرایند مورد مطالعه به خوبی بررسی شود و در ابتدا از یک طرح آزمایش غربال برای شناسایی اثر ورودی‌ها بر فرایند مورد مطالعه استفاده گردد.[۲][۶]

منابع[ویرایش]

  1. Witek-Krowiak A, Chojnacka K, Podstawczyk D, Dawiec A, Pokomeda K. Application of response surface methodology and artificial neural network methods in modelling and optimization of biosorption process. Bioresource technology. 2014 May 31;160:150-60.
  2. ۲٫۰ ۲٫۱ Fu, Michael C. Handbook of simulation optimization. Vol. 216. New York: Springer, 2015.
  3. Karami, Hamid Reza, Mohammad Keyhani, and Dariush Mowla. "Experimental analysis of drag reduction in the pipelines with response surface methodology." Journal of Petroleum Science and Engineering 138 (2016): 104-112.
  4. Box, George EP, and Norman R. Draper. Response surfaces, mixtures, and ridge analyses. Vol. 649. John Wiley & Sons, 2007.
  5. NIST/SEMATECH e-Handbook of Statistical Methods, http://www.itl.nist.gov/div898/handbook/pri/section3/pri33.htm#Response%20Surface(method), 2 February 2016.
  6. Soltani, M. and Soltani, J. (2016) Determination of optimal combination of applied water and nitrogen for potato yield using response surface methodology (RSM). Journal of Bioscience Biotechnology Research Communication 9(1): 46-54. Online Contents Available at: http://www.bbrc.in