second-order polynomial models ared

second-order polynomial models are
developed because first-order models often give
lack-of-fit [24]. The selected approximation
model is then used to find optimal setting of
input (design) variables that maximize (or
minimize) the mean value of the response.
However, when the variance is not constant,
classical RSM can be misleading [25].

ผลลัพธ์ (ไทย) 1:

วินาทีสั่งโมเดลพหุนามพัฒนา เพราะลำดับแรกรุ่นมักจะให้ขาดของพอดี [24] ประมาณเลือกแล้วมีใช้รูปแบบการค้นหาการตั้งค่าที่เหมาะสมตัวแปรอินพุต (ออกแบบ) ที่สูงสุด (หรือลด) ค่าเฉลี่ยของการตอบสนองอย่างไรก็ตาม เมื่อความแปรปรวนไม่คงRSM คลาสสิกสามารถเข้าใจผิดได้ [25]

ผลลัพธ์ (ไทย) 2:

ลำดับที่สองรุ่นพหุนามกำลัง
พัฒนาเพราะรุ่นที่สั่งซื้อครั้งแรกมักจะให้
การขาดของพอดี [24] ประมาณเลือก
รูปแบบที่ใช้แล้วเพื่อพบการตั้งค่าที่ดีที่สุดของ
การป้อนข้อมูล (การออกแบบ) ตัวแปรที่เพิ่ม (หรือ
ลด) ค่าเฉลี่ยของการตอบสนอง.
แต่เมื่อความแปรปรวนไม่คงที่,
คลาสสิก RSM อาจทำให้เข้าใจผิด [25]