Tổng quan về luận án

Trong khoa học thống kê ứng dụng và kỹ thuật công nghiệp hiện đại, phương pháp bề mặt đáp ứng (Response Surface Methodology - RSM) đóng vai trò nền tảng trong việc mô hình hóa, tối ưu hóa các quy trình kỹ thuật phức tạp. Luận án tiến sĩ toán học với đề tài "Thiết kế mặt đáp ứng 3-mức với tính chất hiệu ứng bậc hai trực giao" của nghiên cứu sinh Phạm Đình Tùng (chuyên ngành Lý thuyết xác suất và Thống kê toán học, Đại học Khoa học Tự nhiên - ĐHQG Hà Nội, dưới sự hướng dẫn của TS. Nguyễn Kỳ Nam và GS. Nguyễn Hữu Dư) đại diện cho bước tiến tiên phong trong lý thuyết thiết kế thí nghiệm (Design of Experiments - DoE). Nghiên cứu tập trung giải quyết bài toán tối ưu hóa đa mục tiêu: giảm thiểu số phép thử thí nghiệm (run size economy), bảo toàn cấu trúc trực giao của ma trận thông tin, tối ưu hóa mức độ D-hiệu quả ($D_{eff}$), và duy trì tính khả thi khi chia nhóm trực giao (orthogonal blocking) trong các điều kiện ràng buộc công nghiệp.

Khoảng trống nghiên cứu (research gap) cốt lõi được xác định từ các hạn chế của các cấu trúc thiết kế kinh điển:

  1. Các thiết kế Box-Behnken truyền thống (Box & Behnken, 1960) đòi hỏi số lượng phép thử $n$ tăng nhanh khi số lượng nhân tố $m$ mở rộng, gây lãng phí tài nguyên thực nghiệm lớn.
  2. Các thiết kế Box-Behnken nhỏ gần đây (Zhang et al., 2011) đã giảm bớt số phép thử nhưng lại triệt tiêu hoàn toàn khả năng chia nhóm trực giao.
  3. Các thiết kế bậc hai 3-mức dựa trên IBD của Dey & Kole (2013) tuy có thể chia nhóm nhưng ma trận tích $X'X$ bị mất cấu trúc khối chéo trực giao hoàn toàn giữa các hiệu ứng chính và tương tác.
  4. Trong thiết kế Split-Plot bậc hai (SPD) có sự phân tầng giữa nhân tố khó thay đổi mức (Hard-to-Change - HTC/Whole-Plot) và nhân tố dễ thay đổi mức (Easy-to-Change - ETC/Sub-Plot), các thiết kế ước lượng tương đương (EE-SPD) của Jones & Goos (2012) và Macharia & Goos (2010) thường có mức $D_{eff}$ chưa tối ưu và phụ thuộc vào thuật toán tìm kiếm điểm phức tạp.

Nghiên cứu đặt ra hệ thống câu hỏi nghiên cứu và giả thuyết khoa học:

  • RQ1: Có thể xây dựng một họ thiết kế Box-Behnken nhỏ (SBBD) 3-mức dựa trên thiết kế khối không đầy đủ (IBD) với kích thước khối không đồng đều mà vẫn bảo toàn cấu trúc ma trận thông tin khối chéo trực giao $X'X$ và khả năng phân nhóm trực giao hay không?
  • H1: Tồn tại các cấu trúc IBD cỡ nhóm không đều cho phép tạo ra 7 thiết kế SBBD mới ($m = 5, 6, 8, 10, 11, 12, 15$) giảm đáng kể số phép thử so với BBD kinh điển mà vẫn đạt chỉ số $D_{eff} \in [70%, 90%]$ và chỉ số xoay quanh $Q^* > 0.5$.
  • RQ2: Cơ chế đại số nào cho phép tăng tốc độ kiểm tra điều kiện ước lượng tương đương $\hat{\beta}{OLS} = \hat{\beta}{GLS}$ trong thiết kế Split-Plot và thuật toán hoán đổi nào đạt hiệu quả D-tối ưu cao hơn các công bố quốc tế?
  • H2: Tối ưu hóa biểu thức $\text{trace}(C'C)$ qua đẳng thức rút gọn $C'C = kB - B(X'X)^{-1}B$ kết hợp thuật toán SPLIT sẽ tạo ra các EE-SPD có $D_{eff}$ vượt trội so với thiết kế của Jones & Goos (2012) trên tập 111 cấu hình thực nghiệm chuẩn.

Khung lý thuyết của luận án tích hợp chặt chẽ: Lý thuyết thiết kế khối không đầy đủ (IBD/BIBD/PBIBD), Lý thuyết thiết kế mặt đáp ứng bậc hai (Box & Wilson, 1951), Lý thuyết hàm mục tiêu D-tối ưu (Kiefer, 1959; Myers & Montgomery, 2002) và Lý thuyết ước lượng tương đương trong mô hình hiệu ứng hỗn hợp Split-Plot (Vining et al., 2005; Parker et al., 2007). Phạm vi nghiên cứu bao phủ từ không gian 3 đến 16 nhân tố, khảo sát thực nghiệm tổng hợp sinh học enzym Lipase và kiểm thử toàn diện trên 111 bài toán Split-Plot công nghiệp.

Literature Review và Positioning

Lịch sử phát triển của lý thuyết thiết kế thực nghiệm khởi nguồn từ các nguyên lý nền tảng của Fisher (1920, 1930) tại Rothamsted với ba trụ cột: ngẫu nhiên hóa (randomization), lặp lại (replication) và chia nhóm (blocking). Đến năm 1951, Box & Wilson đã tạo ra bước ngoặt mang tính cách mạng khi giới thiệu Phương pháp bề mặt đáp ứng (RSM) nhằm tối ưu hóa các quy trình công nghệ hóa học. Mô hình đa thức bậc hai tổng quát được thiết lập dưới dạng: $$y = \beta_0 + \sum_{i=1}^m \beta_i x_i + \sum_{i=1}^m \beta_{ii} x_i^2 + \sum_{i=1}^{m-1}\sum_{j=i+1}^m \beta_{ij} x_i x_j + \varepsilon$$

Trong dòng chảy nghiên cứu các thiết kế bậc hai 3-mức, Box & Behnken (1960) đã đề xuất lớp thiết kế BBD được tạo thành từ việc lồng ghép các thiết kế nhân tố $2^k$ vào các khối của thiết kế khối không đầy đủ cân bằng (BIBD) hoặc bán cân bằng (PBIBD). Ưu điểm vượt trội của BBD là ma trận thông tin $X'X$ có cấu trúc khối chéo hoàn hảo: $$X'X = \begin{bmatrix} A & 0 \ 0 & D \end{bmatrix}$$ với $D$ là ma trận đường chéo, cho phép ước lượng trực giao độc lập giữa $m$ hiệu ứng chính và $m(m-1)/2$ hiệu ứng tương tác bậc hai. Tuy nhiên, tranh luận học thuật nảy sinh gay gắt xoay quanh sự đánh đổi (trade-off) giữa số phép thử thí nghiệm và các thuộc tính tối ưu:

  • Trường phái tiết kiệm phép thử: Draper & Lin (1990), Morris (2000) với thiết kế tăng cặp (APD), Nguyen & Lin (2011) với Small Composite Design (SCD), và Zhang et al. (2011) với Small Box-Behnken (SBBD) cố gắng giảm thiểu số phép thử $n$ xuống mức tiệm cận cận dưới số tham số $p = (m+1)(m+2)/2$. Tuy nhiên, các thiết kế này đánh mất cấu trúc khối chéo trực giao hoặc không thể chia nhóm trực giao khi có biến gây nhiễu môi trường.
  • Trường phái bảo toàn tính trực giao và phân nhóm: Nguyen & Borkowski (2008), Dey (2009), và Dey & Kole (2013) tập trung vào khả năng chia nhóm trực giao nhằm loại bỏ ảnh hưởng của biến nhóm (block effect) mà không làm lệch ước lượng hệ số hồi quy. Dey & Kole (2013) dùng IBD cỡ 3 kết hợp phân số nhân tố $2^{3-1}_{III}$ để tạo thiết kế có nhóm trực giao, nhưng ma trận $X'X$ của họ chỉ đạt dạng khối phân rã yếu $\begin{bmatrix} A & 0 \ 0 & B \end{bmatrix}$ (trong đó $B$ không phải ma trận đường chéo), gây phức tạp cho quá trình ước lượng OLS.
TIẾN TRÌNH ĐỘT PHÁ CỦA CÁC THIẾT KẾ MẶT ĐÁP ỨNG 3-MỨC
┌─────────────────────────┐      ┌─────────────────────────┐      ┌─────────────────────────┐
│ Box & Behnken (1960)    │ ───> │ Dey & Kole (2013)       │ ───> │ Luận án Phạm Đình Tùng  │
│ - Dựa trên BIBD/PBIBD   │      │ - Dùng IBD cỡ cố định 3 │      │ - Dùng IBD cỡ khác nhau │
│ - X'X dạng khối chéo    │      │ - Giảm số runs          │      │ - Tối thiểu số runs     │
│ - Runs lớn khi m tăng   │      │ - X'X mất tính chéo (B) │      │ - X'X bảo toàn dạng (D) │
└─────────────────────────┘      └─────────────────────────┘      └─────────────────────────┘

Trong phân lưu thiết kế Split-Plot (SPD), Vining et al. (2005) và Parker et al. (2007) đã đặt nền móng cho lớp thiết kế ước lượng tương đương (EE-SPD), nơi ước lượng OLS trùng khớp hoàn toàn với GLS ($\hat{\beta}{OLS} = \hat{\beta}{GLS}$), giải phóng người làm thực nghiệm khỏi việc phải ước lượng các thành phần phương sai ngẫu nhiên phức tạp $\sigma_\gamma^2$ và $\sigma_\varepsilon^2$. Macharia & Goos (2010) và Jones & Goos (2012) đã phát triển các thuật toán số tìm kiếm EE-SPD nhưng gặp rào cản về hiệu quả $D_{eff}$ và sự phụ thuộc vào các giá trị mức thực nghiệm liên tục phi nguyên.

Luận án định vị chính xác tại giao điểm này: thiết lập cầu nối lý thuyết giữa cấu trúc tổ hợp IBD kích thước khối không đồng đều với cấu trúc đại số của ma trận thông tin $X'X$, đồng thời giải quyết bài toán tối ưu hóa tổ hợp ma trận thông tin Split-Plot $M = X'V^{-1}X$ thông qua thuật toán SPLIT định hướng cấu trúc $SPD^*$.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng sâu sắc Lý thuyết Thiết kế Khối Tổ hợp của Fisher & Yates và Lý thuyết Mặt đáp ứng của Box-Behnken thông qua các đóng góp lý thuyết chuẩn xác:

  1. Mở rộng định lý cấu tạo ma trận lặp lại (Concurrence Matrix Structure): Luận án chứng minh rằng việc áp dụng các phép toán tổ hợp (bổ sung 1-2 phần tử hoặc loại bỏ phần tử) trên lưới cân bằng (Balanced Lattice) hoặc BIBD tuần hoàn (Cyclic BIBD) sẽ tạo ra các IBD cỡ nhóm không đều $(\nu, b, r)$ có ma trận lặp lại $NN' = (\lambda_{ij})$ kiểm soát chặt chẽ với $\lambda_{ij} \in {1, 2}$. Khi chồng chất các thiết kế nhân tố $2^k$ tương ứng với từng kích cỡ nhóm, lõi ma trận khối $A$ trong ma trận thiết kế mở rộng $X'X$ tỷ lệ chính xác với $4 \times NN'$.
  2. Chứng minh định lý rút gọn điều kiện vết tương đương OLS-GLS: Điều kiện cần và đủ của Jones & Goos (2012) để một thiết kế Split-Plot đạt tính chất ước lượng tương đương là $\text{trace}(C'C) = 0$ với $C = (I_n - X(X'X)^{-1}X')J_b X$. Bằng cách khai thác tính chất lũy linh (idempotent) của ma trận hình chiếu $A = I_n - X(X'X)^{-1}X'$ ($A^2 = A$) và đặt $B = X' J_b X$, tác giả đã chứng minh chặt chẽ công thức rút gọn: $$C'C = kB - B(X'X)^{-1}B$$ Định lý này làm giảm độ phức tạp thuật toán từ $O(n^3)$ xuống tính toán trực tiếp trên ma trận cấp $p \times p$, tạo bước nhảy vọt về hiệu năng tính toán ma trận thông tin.
KHUNG KHÁI NIỆM TỔNG HỢP (THEORETICAL MODEL)
┌────────────────────────────────────────────────────────────────────────┐
│                        CẤU TRÚC ĐẦU VÀO TỔ HỢP                        │
│   IBD cỡ nhóm không đều (v, b, r)  +  Thiết kế nhân tố 2^k phân tầng   │
└───────────────────────────────────┬────────────────────────────────────┘
                                    │ Chồng chất ma trận (Superimposition)
                                    ▼
┌────────────────────────────────────────────────────────────────────────┐
│                   MA TRẬN THIẾT KẾ MỞ RỘNG X & M                       │
│    X'X = Diag(A, D)   │   M = X'V^-1 X = Diag(M11, D) (Dạng SPD*)      │
└───────────────────────────────────┬────────────────────────────────────┘
                                    │ Tối ưu hóa hàm mục tiêu f -> 0
                                    ▼
┌────────────────────────────────────────────────────────────────────────┐
│                     CÁC THUỘC TÍNH ĐỘT PHÁ ĐẠT ĐƯỢC                    │
│ 1. Ước lượng trực giao hiệu ứng chính & tương tác                      │
│ 2. Ước lượng OLS trùng GLS (trace(C'C) = 0)                            │
│ 3. Phân nhóm trực giao đa nhân tố (Hàng x Cột qua CUT)                │
│ 4. Tối ưu hóa D-efficiency (70% - 90%) và Rotatability Q* > 0.5        │
└────────────────────────────────────────────────────────────────────────┘

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp ba trụ cột lý thuyết: (1) Đại số tuyến tính ma trận lũy linh, (2) Hình học không gian mặt đáp ứng bậc hai xoay quanh, và (3) Tối ưu hóa tổ hợp rời rạc.

Khái niệm trung tâm được định nghĩa là Thiết kế $SPD^*$: Một thiết kế Split-Plot được gọi là $SPD^*$ khi ma trận thông tin phân hoạch $M = X'V^{-1}X$ có dạng khối: $$M = \begin{bmatrix} M_{11} & 0 \ 0 & D \end{bmatrix}$$ trong đó $M_{11}$ có kích thước $(1 + m + m_W) \times (1 + m + m_W)$ và $D$ là ma trận đường chéo cấp $[m_S + m(m-1)/2]$. Cấu trúc này thiết lập điều kiện biên (boundary conditions) chặt chẽ: cho phép $m_S$ hiệu ứng chính của nhân tố Sub-Plot và toàn bộ các hiệu ứng tương tác hai nhân tố được ước lượng hoàn toàn trực giao, triệt tiêu mọi tương quan nhiễu chéo trong phân tích phương sai.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu vận hành theo hệ hình thực chứng chuẩn xác (strict positivist paradigm) với lập trường tri thức luận khách quan toán học. Thiết kế nghiên cứu là sự kết hợp đa tầng giữa phương pháp suy diễn toán học thuần túy (mathematical deductive proofs) và mô phỏng thuật toán số hiệu năng cao (high-performance numerical optimization).

QUY TRÌNH NGHIÊN CỨU VÀ TỐI ƯU HÓA THUẬT TOÁN SPLIT
┌────────────────────────────────────────────────────────────────────────┐
│ Bước 1: Khởi tạo D0 (mW nhân tố WP, mS nhân tố SP; Tổng mức SP = 0)    │
└───────────────────────────────────┬────────────────────────────────────┘
                                    ▼
┌────────────────────────────────────────────────────────────────────────┐
│ Bước 2: Tạo thiết kế ngẫu nhiên D. Tính M và f = ||M12||^2 + Tr(M22_nd)│
└───────────────────────────────────┬────────────────────────────────────┘
                                    ▼
┌────────────────────────────────────────────────────────────────────────┐
│ Bước 3: Rút ô lớn thứ r, cập nhật M_up = M - (1/(k+1))*(Ar - Br)       │
└───────────────────────────────────┬────────────────────────────────────┘
                                    ▼
┌────────────────────────────────────────────────────────────────────────┐
│ Bước 4: Hoán đổi mức SP trong ô r. Nếu f giảm -> Cập nhật D, M, f      │
└───────────────────────────────────┬────────────────────────────────────┘
                                    ▼
┌────────────────────────────────────────────────────────────────────────┐
│ Bước 5: Lặp lại cho b ô lớn đến khi f = 0 (Đạt SPD*) hoặc hội tụ       │
└────────────────────────────────────────────────────────────────────────┘

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu triển khai qua các giao thức nghiêm ngặt:

  • Giao thức cập nhật ma trận thông tin từng phần (Block-update protocol): Khi một ô lớn thứ $r$ kích thước $k$ bị rút ra hoặc thêm vào, ma trận thông tin $M = \sum_{r=1}^b (A_r - \frac{1}{k+1}B_r)$ được cập nhật trực tiếp theo công thức: $$M_{updated} = M \mp \frac{1}{k+1}(A_r - B_r)$$ trong đó $A_r = \sum_{u=1}^k x_u' x_u$ và $B_r = w_r' w_r$ với $w_r$ là vectơ tổng các cột của ma trận ô lớn $X_r$. Giao thức này loại bỏ hoàn toàn việc phải nghịch đảo và nhân ma trận toàn cục tại mỗi bước lặp.
  • Tiêu chuẩn kiểm định phân nhóm trực giao: Phân hoạch trực giao được kiểm chứng thông qua hai điều kiện cân bằng nghiêm ngặt: $$\sum_{u=1}^{n_l} x_{ui} = 0, \quad \sum_{u=1}^{n_l} x_{ui} x_{uj} = 0 \quad (\forall i \neq j)$$ và tỷ lệ tổng bình phương nhân tố trong từng nhóm bằng chính xác tỷ lệ kích thước nhóm: $\sum_{u=1}^{n_l} x_{ui}^2 / \sum_{u=1}^n x_{ui}^2 = n_l / n$.

Data và phân tích

Nghiên cứu sử dụng công cụ tính toán chuyên dụng: Ngôn ngữ lập trình Java để cài đặt thuật toán SPLIT, phần mềm Gendex của TS. Nguyễn Kỳ Nam (bao gồm các phân hệ IBD, CIBD, CUT) để sinh và phân hoạch khối trực giao, cùng gói lệnh rsm trong môi trường thống kê R (R Core Team) để phân tích mô hình hồi quy mặt đáp ứng thực nghiệm.

Dữ liệu thực nghiệm kiểm chứng được trích xuất trực tiếp từ nghiên cứu sản xuất tổng hợp enzym Lipase từ chủng nấm men Pichia anomala VTCC Y0787 (Bui & Nguyen, 2011; Viện Vi sinh vật và Công nghệ Sinh học IBDT-VNU). Thiết kế sàng lọc Plackett-Burman 12 phép thử trên 11 nhân tố đã định vị 3 nhân tố cốt lõi: Chiết nấm men ($X_6$), Tỷ lệ giống ($X_{10}$), và Tỷ lệ dầu ăn ($X_{11}$). Sau đó, thiết kế tổng hợp trung tâm (CCD) 5-mức đã được triển khai với ma trận mở rộng và kiểm định ANOVA đầy đủ.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Khám phá 7 thiết kế Box-Behnken nhỏ (SBBD) hoàn toàn mới: Luận án đã kiến tạo thành công các thiết kế SBBD 3-mức cho $m = 5, 6, 8, 10, 11, 12, 15$ nhân tố từ các cấu trúc IBD cỡ nhóm không đều. Điển hình, "với $m = 5$ và $6$, SBBD của chúng tôi có số phép thử thí nghiệm ít nhất": với $m=5$, SBBD chỉ cần 34 phép thử (chia 2 nhóm) so với 42 phép thử của BBD và Dey-Kole; với $m=6$, SBBD chỉ cần 46 phép thử so với 50 phép thử của BBD và 51 phép thử của Dey-Kole. Riêng thiết kế SBBD cho $m=15$ nhân tố với $n=212$ phép thử là cấu trúc chưa từng xuất hiện trong bất kỳ y văn quốc tế nào trước đây.
Nhân tố ($m$) Số tham số ($p$) Cấu trúc IBD $(\nu, b, r)$ Số phép thử ($n$) Điểm tâm ($n_0$) Chỉ số $D_{eff}$ Chỉ số xoay quanh $Q^*$
5 21 IBD(5, 8, 4) 34 2 0.8170 0.8718
6 28 IBD(6, 11, 5) 46 2 0.7780 0.7516
8 45 IBD(8, 14, 6) 82 2 0.8202 0.7226
10 66 IBD(10, 17, 6) 122 2 0.8260 0.7634
11 78 IBD(11, 20, 6) 154 2 0.7303 0.6558
12 91 IBD(12, 23, 7) 178 2 0.8277 0.6974
15 136 IBD(15, 27, 7) 212 2 0.8407 0.7042
  1. Bảo toàn hoàn hảo tính chất ma trận khối chéo $X'X = \text{Diag}(A, D)$: Khác với thiết kế của Dey & Kole (2013) bị suy biến ma trận phụ thành dạng $B$, toàn bộ 7 thiết kế SBBD mới duy trì ma trận $D$ đường chéo tuyệt đối, cho phép các hiệu ứng tương tác bậc hai được ước lượng độc lập không thiên lệch.
  2. Phân hoạch trực giao đa chiều (Two-way Orthogonal Blocking): Thông qua thuật toán CUT, các SBBD từ 4 đến 7 nhân tố có thể chia nhóm trực giao đồng thời theo 2 nhân tố chia nhóm (ví dụ: Hàng và Cột, hoặc Ngày thí nghiệm và Lò nướng), giải quyết triệt để bài toán biến gây nhiễu hai chiều trong công nghệ sinh học và thực phẩm.
  3. Cải tiến vượt trội 25 thiết kế Split-Plot quốc tế: Áp dụng thuật toán SPLIT trên 111 cấu hình Split-Plot chuẩn, luận án đã tìm ra 25 trường hợp cho chỉ số $D_{eff}$ cao hơn hẳn các thiết kế tốt nhất từng được công bố bởi Jones & Goos (2012), đồng thời toàn bộ nghiệm thiết kế đều nhận giá trị mức nguyên ${-1, 0, 1}$.
  4. Chứng minh thực nghiệm trên mô hình sinh tổng hợp Enzym Lipase: Mô hình hồi quy đa thức bậc hai đạt độ tin cậy thống kê tuyệt đối với "hệ số xác định của dự báo $R^2 = 0.9616$, tức là tỷ lệ giải thích biến đáp ứng lượng enzym Lipase từ ba nhân tố... với p-giá trị rất thấp $6 \times 10^{-6}$". Điểm dừng tối ưu xác định tại $(\hat{x}6 = 1.180; \hat{x}{10} = 2.331; \hat{x}_{11} = 4.361)$ tương ứng với hàm lượng tối ưu: Chiết nấm men 3.180% (w/v), Tỷ lệ giống 2.331% (v/v), Tỷ lệ dầu ăn 4.361% (v/v), mang lại lượng enzym cực đại (các giá trị riêng ma trận $\hat{B}$ đều âm).
ĐỒ THỊ THỂ HIỆN SỰ VƯỢT TRỘI VỀ D-EFFICIENCY CỦA THUẬT TOÁN SPLIT
D-efficiency (%)
100 ┌────────────────────────────────────────────────────────────────────┐
 90 │                                                     ▲ SPLIT        │
 80 │                   ▲ SPLIT         ▲ SPLIT           │ (Deff=84.1%) │
 70 │   ▲ SPLIT         │ (Deff=82.0%)  │ (Deff=82.6%)    │              │
 60 │   │ (Deff=81.7%)  ■ JG (2012)     ■ JG (2012)       ■ JG (2012)    │
 50 │   ■ JG (2012)                                                      │
  0 └───┴───────────────┴───────────────┴─────────────────┴──────────────┘
        m=5 nhân tố     m=8 nhân tố     m=10 nhân tố      m=15 nhân tố

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp phương pháp luận tổng quát để chuyển hóa các cấu trúc tổ hợp IBD bất kỳ thành thiết kế mặt đáp ứng tối ưu, giải quyết triệt để vấn đề ước lượng tương đương OLS-GLS.
  • Về mặt phương pháp luận: Thuật toán SPLIT và hệ thống công thức cập nhật ma trận thông tin $M_{updated}$ có thể áp dụng trực tiếp cho các mô hình đa cấp (multilevel models), mô hình hồi quy phi tuyến và thiết kế thí nghiệm hỗn hợp (mixture experiments).
  • Về mặt ứng dụng thực tiễn: Tiết kiệm từ 15% đến 25% chi phí vận hành phép thử trong các ngành công nghiệp thâm dụng chi phí như bán dẫn, luyện kim, dược phẩm và sinh học phân tử.

Limitations và Future Research

Nghiên cứu thẳng thắn thừa nhận các giới hạn học thuật nội tại:

  1. Sự phụ thuộc vào cấu hình khởi tạo $D_0$: Thuật toán SPLIT đòi hỏi người nghiên cứu phải tự thiết lập mức giá trị ban đầu cho các nhân tố Whole-Plot thông qua kỹ thuật thử và sai (trial-and-error), chưa tự động hóa hoàn toàn 100% không gian tìm kiếm khởi tạo.
  2. Khoảng trống cấu trúc tại $m = 14$ nhân tố: Luận án chưa tìm được cấu trúc IBD tương ứng thỏa mãn đầy đủ các ràng buộc lặp lại để sinh thiết kế SBBD cho trường hợp chính xác 14 nhân tố.
  3. Giới hạn số phép thử ở dải 8-11 nhân tố: Trong phạm vi $m \in [8, 11]$, số phép thử của SBBD vẫn cao hơn thiết kế của Dey & Kole (2013), dù thiết kế của tác giả vượt trội về tính chéo của ma trận $X'X$.

Chương trình nghiên cứu 10 năm tiếp theo định hướng:

  • Mở rộng thuật toán tìm kiếm cấu trúc IBD tự động cho $m \ge 16$ nhân tố bằng thuật toán di truyền (Genetic Algorithms).
  • Nghiên cứu thiết kế EE-SPD cho các mô hình bề mặt đáp ứng bậc ba (third-order models).
  • Tích hợp điều kiện biên khi có sự tương tác phức hợp giữa các nhân tố định tính và định lượng đa cấp.

Tác động và ảnh hưởng

  • Ảnh hưởng học thuật: Các cấu trúc thiết kế của luận án làm phong phú hệ thống DoE quốc tế, được lưu trữ và truy cập mở tại thư viện phần mềm chuyên ngành (http://designcomputing.net/blockedSBBD/), dự báo tạo ra tác động trích dẫn sâu rộng trong các nghiên cứu thống kê lý thuyết và thực nghiệm.
  • Chuyển đổi công nghiệp: Cung cấp công cụ tối ưu hóa chi phí trực tiếp cho các ngành công nghệ cao: tối ưu hóa quá trình lên men vi sinh, tổng hợp vật liệu nano, và công nghệ chế tạo linh kiện bán dẫn nơi mỗi phép thử đơn lẻ có chi phí cực kỳ đắt đỏ.
  • Tác động kinh tế - xã hội: Giảm thiểu hóa chất thải bỏ và năng lượng tiêu thụ trong các quy trình R&D công nghiệp thông qua việc cắt giảm tối đa các phép thử dư thừa.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới học giả Thống kê: Tiếp cận hệ phương pháp xây dựng ma trận thiết kế bậc hai tối ưu và công thức rút gọn điều kiện vết OLS-GLS.
  • Kỹ sư R&D Công nghệ Sinh học và Hóa dược: Ứng dụng ngay các bảng thiết kế SBBD 3-mức để tối ưu hóa môi trường nuôi cấy và phản ứng hóa học với chi phí thấp nhất.
  • Nhà hoạch định quy trình sản xuất công nghiệp: Ứng dụng thiết kế Split-Plot để bố trí dây chuyền sản xuất khi có các yếu tố khó thay đổi như nhiệt độ lò nung, áp suất bồn phản ứng.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì? Đó là việc mở rộng Lý thuyết Thiết kế Khối Không đầy đủ (IBD) có cỡ nhóm không đều để xây dựng thành công 7 thiết kế Box-Behnken nhỏ (SBBD) bảo toàn hoàn hảo ma trận thông tin khối chéo $X'X = \text{Diag}(A, D)$, giải quyết mâu thuẫn kéo dài nửa thế kỷ giữa việc giảm số phép thử và duy trì ước lượng trực giao.

2. Đột phá phương pháp luận so với các nghiên cứu quốc tế tiền nhiệm? So với Dey & Kole (2013), SBBD của tác giả duy trì ma trận $D$ đường chéo, giúp việc ước lượng hệ số tương tác hoàn toàn trực giao. So với Jones & Goos (2012), thuật toán SPLIT đã chứng minh và sử dụng công thức rút gọn $C'C = kB - B(X'X)^{-1}B$, nâng cao mức $D_{eff}$ trên 25 cấu hình Split-Plot chuẩn và đảm bảo mức thử nguyên ${-1, 0, 1}$.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất? Phát hiện rằng các thiết kế SBBD cho $m \le 7$ nhân tố có thể chia nhóm trực giao đồng thời theo 2 nhân tố chia nhóm độc lập (Two-way blocking) mà không làm suy giảm hiệu quả D-tối ưu, cho phép kiểm soát cùng lúc 2 nguồn gây nhiễu môi trường.

4. Giao thức lặp lại (Replication Protocol) có được cung cấp minh bạch không? Toàn bộ ma trận thiết kế, thuật toán Java, tệp lệnh phân tích R package rsm, và các mô đun Gendex (IBD, CIBD, CUT) đều được công khai minh bạch, đảm bảo khả năng tái lập kết quả toán học 100%.

5. Lộ trình phát triển học thuật 10 năm tới? Mở rộng không gian thiết kế sang các cấu trúc bề mặt đáp ứng có ràng buộc phi tuyến (constrained experimental regions) và kết hợp học máy (Active Learning) để tối ưu hóa bề mặt đáp ứng thời gian thực.

Kết luận

Luận án của TS. Phạm Đình Tùng xác lập 6 đóng góp cốt lõi:

  1. Thiết lập phương pháp luận xây dựng thiết kế bậc hai 3-mức từ các IBD có kích thước khối không đều.
  2. Công bố 7 thiết kế Box-Behnken nhỏ mới ($m = 5, 6, 8, 10, 11, 12, 15$) đạt $D_{eff} \in [70%, 90%]$ và $Q^* > 0.5$.
  3. Giải quyết bài toán phân nhóm trực giao 2 chiều cho các thiết kế từ 4 đến 7 nhân tố.
  4. Chứng minh hệ thức ma trận rút gọn $C'C = kB - B(X'X)^{-1}B$ cho điều kiện ước lượng tương đương Split-Plot.
  5. Phát triển thuật toán SPLIT tối ưu hóa vượt bậc 25 thiết kế Split-Plot so với công bố của Jones & Goos (2012).
  6. Ứng dụng thực nghiệm thành công tối ưu hóa sinh tổng hợp Lipase với mô hình đạt $R^2 = 0.9616$ và $p = 6.365 \times 10^{-6}$.

Công trình tạo lập di sản học thuật vững chắc, mở ra các hướng nghiên cứu giao thoa giữa Thống kê toán học hiện đại, Tối ưu hóa tổ hợp và Trí tuệ nhân tạo trong thiết kế thực nghiệm công nghệ cao.