[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_ph%C6%B0%C6%A1ng%20ph%C3%A1p%20b%E1%BB%81%20m%E1%BA%B7t%20%C4%91%C3%A1p%20%E1%BB%A9ng{\"limit\":5}":3,"_public_topic_byId_ph%C6%B0%C6%A1ng%20ph%C3%A1p%20b%E1%BB%81%20m%E1%BA%B7t%20%C4%91%C3%A1p%20%E1%BB%A9ng":169},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":79,"vietnamFeatured":133,"vietnamLatest":168},[7,21,36,51,66],{"publicationId":8,"title":9,"originalTitle":10,"authorNames":11,"authorCount":14,"journalName":15,"vietnamJournal":16,"publishDate":17,"publishYear":18,"totalCitation":10,"url":19,"doi":10,"summary":20},"f6aacbe4-6769-4726-9744-7b287a057cd0","NGHIÊN CỨU HIỆU QUẢ CỦA PHƯƠNG PHÁP BỀ MẶT ĐÁP ỨNG TRONG PHÂN TÍCH ỨNG XỬ KẾT CẤU",null,[12,13],"SƠN ĐOÀN NHƯ","TUẤN TRẦN ANH",2,"Tạp chí Khoa học Công nghệ Hàng hải",false,"2024-11-30",2024,"https:\u002F\u002Fjmst.vimaru.edu.vn\u002Findex.php\u002Ftckhcnhh\u002Farticle\u002Fview\u002F493","\u003Cp>Cơ học công trình và phân tích kết cấu áp dụng \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb> nhằm xây dựng hàm xấp xỉ tường minh thay thế cho thuật toán phần tử hữu hạn (\u003Ci>FEM\u003C\u002Fi>) trong tính toán lặp. Đánh giá trên ba mô hình kết cấu cho thấy đa thức bậc hai đạt hệ số tương quan \u003Ci>R2\u003C\u002Fi> = 0,9897 đối với chuyển vị đỉnh khung. Giải pháp này giúp \u003Cb>tiết kiệm đáng kể thời gian tính toán\u003C\u002Fb> trong phân tích độ tin cậy kết cấu.\u003C\u002Fp>",{"publicationId":22,"title":23,"originalTitle":24,"authorNames":25,"authorCount":29,"journalName":30,"vietnamJournal":16,"publishDate":31,"publishYear":32,"totalCitation":10,"url":33,"doi":34,"summary":35},"d839d342-5c1b-4e61-a0b1-3223f58ed823","Mô hình hóa và tối ưu hóa quá trình loại bỏ crom dựa trên phương pháp bề mặt đáp ứng với hệ thống màng thẩm thấu ngược cuộn xoắn","Response surface methodology-based modeling and optimization of chromium removal using spiral-wound reverse-osmosis membrane setup",[26,27,28],"Karunakaran, A.","Chaturvedi, A.","Ali, J.",6,"International Journal of Environmental Science and Technology","2022-07-01",2022,"https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs13762-021-03422-y","10.1007\u002Fs13762-021-03422-y","\u003Cp>Kỹ thuật xử lý nước ngầm ô nhiễm crom ứng dụng \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb> và thiết kế tổ hợp trung tâm (\u003Ci>CCD\u003C\u002Fi>) trên hệ màng thẩm thấu ngược cuộn xoắn. Kết quả tối ưu hóa xác định điều kiện pH 3,0, áp suất 4 kg\u002Fcm2 và nồng độ crom 0,431 ppm đạt hiệu suất khử ion kim loại 98,38% và lưu lượng 48,73 L\u002Fm2.h. Nghiên cứu cung cấp \u003Cb>thông số vận hành màng lọc RO\u003C\u002Fb> hiệu quả cao.\u003C\u002Fp>",{"publicationId":37,"title":38,"originalTitle":39,"authorNames":40,"authorCount":44,"journalName":45,"vietnamJournal":16,"publishDate":46,"publishYear":47,"totalCitation":10,"url":48,"doi":49,"summary":50},"59d55bd0-ca9a-4eb9-9621-2caf2bab7607","Tối ưu tham số của quá trình vi khoan bằng laser Nd:YAG trên vật liệu nhôm oxit sử dụng phương pháp tích hợp RSM-ANN-GA","Parametric optimization of Nd:YAG laser microgrooving on aluminum oxide using integrated RSM-ANN-GA approach",[41,42,43],"Salila Ranjan Dixit","Sudhansu Ranjan Das","Debabrata Dhupal",3,"Journal of Industrial Engineering International","2018-10-10",2018,"https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs40092-018-0295-1","10.1007\u002Fs40092-018-0295-1","\u003Cp>Gia công vật liệu tiên tiến khảo sát quá trình vi khoan bằng laser \u003Ci>Nd:YAG\u003C\u002Fi> xung trên gốm nhôm oxit \u003Ci>Al2O3\u003C\u002Fi> sử dụng phương pháp tích hợp \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb>, mạng nơ-ron và thuật toán di truyền. Mô hình đa phản hồi xác lập áp suất khí 1,2 kgf\u002Fcm2, dòng điện đèn 19,5 A và tần số 4 kHz giúp tối thiểu hóa sai lệch kích thước rãnh vi. Kết quả nâng cao \u003Cb>độ chính xác gia công vi cơ điện tử\u003C\u002Fb>.\u003C\u002Fp>",{"publicationId":52,"title":53,"originalTitle":54,"authorNames":55,"authorCount":59,"journalName":60,"vietnamJournal":16,"publishDate":61,"publishYear":62,"totalCitation":10,"url":63,"doi":64,"summary":65},"3cd5b132-04b2-4709-9819-3be860018df3","Thiết kế và tối ưu hóa bố trí đồ gá gia công cho quy trình phay đầu","Design and optimization of machining fixture layout for end-milling operation",[56,57,58],"K. A. Sundararaman","S. Guharaja","K. P. Padmanaban",4,"The International Journal of Advanced Manufacturing Technology","2014-05-04",2014,"http:\u002F\u002Flink.springer.com\u002F10.1007\u002Fs00170-014-5848-x","10.1007\u002Fs00170-014-5848-x","\u003Cp>Tối ưu hóa gia công cơ khí kết hợp \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb> và thuật toán xấp xỉ tuần tự để xác định vị trí tối ưu của đồ gá phay đầu mặt đáy. Mô hình toán học mô phỏng chính xác sự tương tác tiếp xúc và biến dạng đàn hồi của phôi chi tiết dưới lực kẹp và lực cắt. Phương pháp này mang lại \u003Cb>độ chính xác gia công phay đầu\u003C\u002Fb> vượt trội so với bộ giải LINGO.\u003C\u002Fp>",{"publicationId":67,"title":68,"originalTitle":69,"authorNames":70,"authorCount":44,"journalName":10,"vietnamJournal":16,"publishDate":74,"publishYear":75,"totalCitation":10,"url":76,"doi":77,"summary":78},"21f02a11-32ad-4717-92cc-f6e9ea6fdec9","Tối ưu hóa quá trình oxy hóa pyrene bởi Penicillium janthinellum sử dụng phương pháp bề mặt đáp ứng","Optimization of pyrene oxidation by Penicillium janthinellum using response-surface methodology",[71,72,73],"Launen, L. A.","Pinto, L. J.","Moore, M. M.","1999-04-01",1999,"https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs002530051425","10.1007\u002Fs002530051425","\u003Cp>Công nghệ sinh học xử lý môi trường ứng dụng \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb> để tối ưu hóa điều kiện oxy hóa hydrocarbon thơm đa vòng \u003Ci>pyrene\u003C\u002Fi> bằng nấm sợi \u003Ci>Penicillium janthinellum\u003C\u002Fi>. Điều kiện 2,5% glucose và 1,5% natri nitrate sau 73 giờ chuyển hóa sinh học giúp đạt hiệu suất chuyển hóa tổng pyrene xấp xỉ 100%. Công trình làm rõ \u003Cb>động học phân hủy sinh học chất ô nhiễm PAH\u003C\u002Fb> khó tan.\u003C\u002Fp>",[80,92,102,114,126],{"publicationId":81,"title":82,"originalTitle":10,"authorNames":83,"authorCount":85,"journalName":86,"vietnamJournal":16,"publishDate":87,"publishYear":88,"totalCitation":10,"url":89,"doi":90,"summary":91},"ffba4f3b-3bf7-4045-84c4-5a0fda7e9b68","Tối ưu hóa cường độ nén của bê tông geopolymer cường độ cao sử dụng xỉ lò cao nghiền mịn và sợi thép bằng phương pháp bề mặt đáp ứng ",[84],"Trịnh Hoàng Sơn",1,"Tạp chí điện tử Khoa học và Công nghệ Giao thông ","2026-07-10",2026,"https:\u002F\u002Fjstt.vn\u002Findex.php\u002Fvn\u002Farticle\u002Fview\u002F1255","10.58845\u002Fjstt.utt.2026.vn.6.5.1-14","\u003Cp>Vật liệu xây dựng xanh ứng dụng \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb> theo thiết kế \u003Ci>Box-Behnken\u003C\u002Fi> để tối ưu hóa cường độ nén của bê tông \u003Ci>geopolymer\u003C\u002Fi> sử dụng xỉ hạt lò cao nghiền mịn (\u003Ci>GGBS\u003C\u002Fi>) và sợi thép. Phân tích hồi quy chỉ ra tỷ lệ sợi thép 1,0% cùng dung dịch \u003Ci>NaOH\u003C\u002Fi> 13–14 M giúp cường độ chịu nén đạt đỉnh 80 MPa. Kết quả đóng góp \u003Cb>công thức bê tông tính năng cao\u003C\u002Fb> giảm phát thải carbon.\u003C\u002Fp>",{"publicationId":93,"title":94,"originalTitle":10,"authorNames":95,"authorCount":85,"journalName":97,"vietnamJournal":16,"publishDate":98,"publishYear":99,"totalCitation":10,"url":100,"doi":10,"summary":101},"4a1954c1-1442-4b40-838e-d4c0672e525c","Tối ưu hóa quá trình tiền xử lý giấy carton thải bằng phương pháp bề mặt đáp ứng nhằm nâng cao hiệu quả thu hồi cellulose",[96],"Nguyễn Thanh Việt","Tạp chí Khoa học Đại học Đồng Tháp","2025-12-09",2025,"https:\u002F\u002Fdthujs.vn\u002Findex.php\u002Fdthujs\u002Farticle\u002Fview\u002F2331","\u003Cp>Xử lý tái chế chất thải rắn ứng dụng \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb> kết hợp thiết kế tổ hợp tâm để tối ưu hóa quá trình thu hồi \u003Ci>cellulose\u003C\u002Fi> từ giấy carton thải bằng \u003Ci>NaOH\u003C\u002Fi>. Thông số tối ưu tại nhiệt độ 100°C, thời gian 3,5 giờ và nồng độ kiềm 2,5% giúp nâng hiệu suất loại bỏ tạp chất lên 40,06%. Sản phẩm mở ra \u003Cb>tiềm năng chế tạo màng sinh học\u003C\u002Fb> và vật liệu hấp phụ thân thiện môi trường.\u003C\u002Fp>",{"publicationId":103,"title":104,"originalTitle":105,"authorNames":106,"authorCount":44,"journalName":110,"vietnamJournal":16,"publishDate":111,"publishYear":99,"totalCitation":10,"url":112,"doi":10,"summary":113},"82edc67b-3777-4817-9bcf-9138164bbb50","Tối ưu hóa hấp phụ tím tinh thể bằng than sinh học sử dụng phương pháp bề mặt đáp ứng (RSM)","OPTIMIZATION OF CRYSTAL VIOLET ADSORPTION BY BIOCHAR USING  RESPONSE SURFACE METHODOLOGY (RSM)",[107,108,109],"Bui Xuan Vuong","Nguyen Ngoc Truc My","Thai Thi Kim Ngan","Tạp chí Phân tích Hóa, Lý và Sinh học","2025-09-07","https:\u002F\u002Fvjol.info.vn\u002Findex.php\u002FTCPTHLS\u002Farticle\u002Fview\u002F118662","\u003Cp>Vật liệu xử lý nước thải chế tạo than sinh học từ bã cà phê bằng nhiệt phân kỵ khí và tối ưu hóa khả năng hấp phụ phẩm nhuộm tím tinh thể bằng \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb> (\u003Ci>BBD\u003C\u002Fi>). Phân tích phương sai \u003Ci>ANOVA\u003C\u002Fi> xác lập điều kiện tối ưu ở pH 11,95 và liều lượng than 36,52 mg cho hiệu suất loại bỏ đạt 99,11% (R2 = 0,9927). Nghiên cứu làm sáng tỏ \u003Cb>hiệu quả xử lý chất màu độc hại\u003C\u002Fb> từ phụ phẩm nông nghiệp.\u003C\u002Fp>",{"publicationId":115,"title":116,"originalTitle":117,"authorNames":118,"authorCount":122,"journalName":110,"vietnamJournal":16,"publishDate":123,"publishYear":99,"totalCitation":10,"url":124,"doi":10,"summary":125},"ff90a5e1-c6e4-451b-9a0f-719ed02a87b7","Tối ưu hóa quá trình nạp ibuprofen và ciprofloxacin lên vật liệu vô cơ phân lớp 2D bằng phương pháp bề mặt đáp ứng (RSM) - thiết kế phối hợp có tâm (CCD) và ứng dụng kháng khuẩn, chống viêm","OPTIMIZATION OF IBUPROFEN AND CIPROFLOXACIN LOADING ON  INORGANIC 2D LAYERED MATERIALS VIA RESPONSE SURFACE  METHODOLOGY (RSM)-CENTRAL COMPOSITE DESIGN (CCD) AND  APPLICATION FOR ANTIBACTERIAL AND ANTI-INFLAMMATORY",[119,120,121],"Ngo Thi Tuong Vy"," Dang Nguyen Nha Khanh","Le Ngoc Thuy Trang",5,"2025-01-01","https:\u002F\u002Fvjol.info.vn\u002Findex.php\u002FTCPTHLS\u002Farticle\u002Fview\u002F126013","\u003Cp>Hệ mang thuốc nano 2D vô cơ tối ưu hóa quá trình nạp hoạt chất kháng sinh \u003Ci>ciprofloxacin\u003C\u002Fi> và kháng viêm \u003Ci>ibuprofen\u003C\u002Fi> trên vật liệu hydroxit lớp đôi \u003Ci>ZnAl-LDH\u003C\u002Fi> bằng \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb> (\u003Ci>CCD\u003C\u002Fi>). Công thức tối ưu ở 70°C sau 18 giờ phản ứng cho hàm lượng nạp ciprofloxacin đạt 41,89% với đường kính vòng kháng khuẩn \u003Ci>E. coli\u003C\u002Fi> đạt 22 mm. Nghiên cứu cung cấp \u003Cb>vật liệu mang thuốc kháng khuẩn đa năng\u003C\u002Fb> an toàn sinh học.\u003C\u002Fp>",{"publicationId":127,"title":9,"originalTitle":10,"authorNames":128,"authorCount":14,"journalName":15,"vietnamJournal":16,"publishDate":17,"publishYear":18,"totalCitation":10,"url":131,"doi":10,"summary":132},"22dccf1b-bd93-46ed-b0b7-6c2afcee4460",[129,130],"ĐOÀN NHƯ SƠN","TRẦN ANH TUẤN","https:\u002F\u002Fjmst.vimaru.edu.vn\u002Findex.php\u002Fjmst\u002Farticle\u002Fview\u002F493","\u003Cp>Mô phỏng cơ học kết cấu nghiên cứu hiệu quả của \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb> trong việc xây dựng đa thức thay thế hàm giải tích cho phân tích phần tử hữu hạn phi tuyến. Đánh giá trên khung phẳng chịu tải trọng cho thấy hàm bậc hai xấp xỉ chuyển vị đạt độ chính xác cao với hệ số xác định R2 đạt 0,9897. Kết quả tạo tiền đề \u003Cb>nâng cao tốc độ tính toán tối ưu\u003C\u002Fb> trong thiết kế công trình xây dựng.\u003C\u002Fp>",[134,147,159],{"publicationId":135,"title":136,"originalTitle":10,"authorNames":137,"authorCount":59,"journalName":141,"vietnamJournal":142,"publishDate":143,"publishYear":18,"totalCitation":10,"url":144,"doi":145,"summary":146},"b224b6e7-0e48-45a2-a10f-f0e63476e71a","Tối ưu hóa công thức viên nén từ cao chiết thân rễ sâm bòng bong (Helminthostachys zaylanica) bằng phương pháp bề mặt đáp ứng",[138,139,140],"Tiêu Từ Mẫn Tiêu Từ Mẫn","Lê Thị Tường Vi Lê Thị Tường Vi","Lý Hồng Hương Hạ Lý Hồng Hương Hạ","Tạp chí Khoa học Trường Đại học Quốc tế Hồng Bàng",true,"2024-01-24","https:\u002F\u002Ftapchikhoahochongbang.vn\u002Fjs\u002Farticle\u002Fview\u002F167","10.59294\u002FHIUJS.27.2024.567","\u003Cp>Nghiên cứu bào chế thuốc thảo dược sử dụng \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb> để tối ưu hóa công thức viên nén từ cao chiết thân rễ sâm bòng bong (\u003Ci>Helminthostachys zeylanica\u003C\u002Fi>). Mô hình hồi quy bậc hai xác định tỷ lệ phối trộn tinh bột 18,4%, \u003Ci>PVA\u003C\u002Fi> 1,2% và \u003Ci>CSD\u003C\u002Fi> 1,0% đạt độ mài mòn 0,067% và thời gian rã 10,6 phút. Công trình thiết lập \u003Cb>tiêu chuẩn kỹ thuật viên nén\u003C\u002Fb> đạt chuẩn Dược điển.\u003C\u002Fp>",{"publicationId":148,"title":149,"originalTitle":10,"authorNames":150,"authorCount":59,"journalName":154,"vietnamJournal":142,"publishDate":155,"publishYear":156,"totalCitation":10,"url":157,"doi":10,"summary":158},"9af1da1a-f059-4260-ac88-a7444001e353","TỐI ƯU HÓA ĐIỀU KIỆN LÊN MEN RƯỢU VANG THANH TRÀ SỬ DỤNG PHƯƠNG PHÁP BỀ MẶT ĐÁP ỨNG",[151,152,153],"Ngô Văn Tài","Bùi Thanh Trúc","Nguyễn Thành Thu","Tạp chí Dinh dưỡng và Thực phẩm","2019-12-30",2019,"https:\u002F\u002Ftapchidinhduongthucpham.org.vn\u002Findex.php\u002Fjfns\u002Farticle\u002Fview\u002F204","\u003Cp>Chế biến đồ uống lên men ứng dụng \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb> theo mô hình \u003Ci>Box-Behnken\u003C\u002Fi> để khảo sát và chuẩn hóa quy trình sản xuất rượu vang thanh trà với chủng men \u003Ci>Saccharomyces cerevisiae\u003C\u002Fi> 5.5A. Điều kiện lên men ở pH 4,0, chất khô 24°Brix và mật độ men 10^5 tế bào\u002FmL tạo sản phẩm đạt nồng độ cồn 13,52% Vol đạt chuẩn TCVN 7045:2013. Báo cáo mang lại \u003Cb>quy trình lên men chất lượng cao\u003C\u002Fb> cho nông sản địa phương.\u003C\u002Fp>",{"publicationId":160,"title":161,"originalTitle":10,"authorNames":162,"authorCount":85,"journalName":154,"vietnamJournal":142,"publishDate":164,"publishYear":165,"totalCitation":10,"url":166,"doi":10,"summary":167},"21e5f534-644b-4bf7-aa6f-dc15f384ad3f","TỐI ƯU HÓA QUY TRÌNH NHÂN GIỐNG NẤM MEN 𝘚𝘈𝘊𝘊𝘏𝘈𝘙𝘖𝘔𝘠𝘊𝘌𝘚 𝘙𝘌𝘙𝘌𝘝𝘐𝘚𝘐𝘈𝘌 TRONG DỊCH BƯỞI BẰNG PHƯƠNG PHÁP BỀ MẶT ĐÁP ỨNG",[163],"Hồ Thị Ngân Hà","2017-05-03",2017,"https:\u002F\u002Ftapchidinhduongthucpham.org.vn\u002Findex.php\u002Fjfns\u002Farticle\u002Fview\u002F460","\u003Cp>Công nghệ lên men sinh học tối ưu hóa quy trình nhân giống nấm men \u003Ci>Saccharomyces cerevisiae\u003C\u002Fi> trong môi trường dịch bưởi thông qua \u003Cb class=\"publication-topic-keywords\">phương pháp bề mặt đáp ứng\u003C\u002Fb>. Thiết kế thực nghiệm xác định nồng độ chất khô 21,07°Bx, pH 4,14 và 109,5 mg\u002FL \u003Ci>NaHSO3\u003C\u002Fi> cho mật độ tế bào đạt cực đại 8,89x10^9 tế bào\u002FmL sau 24 giờ. Quy trình cung cấp \u003Cb>giải pháp tận dụng phụ phẩm trái cây\u003C\u002Fb> sản xuất sinh khối men.\u003C\u002Fp>",[],{"code":4,"data":170,"meta":10},{"id":171,"title":172,"description":173,"content":174,"term":171,"englishTitle":10,"synonyms":10,"definition":10,"discipline":10,"references":10,"faqs":10,"createUser":175,"publishUser":178,"keywords":182,"keywordCount":85,"enrichTopicLink":16,"status":183,"createTime":184,"updateTime":185,"publishTime":186,"linkEnrichedTime":10,"publicationScanTime":187,"contentErrorMessage":10,"viewCount":188,"wikidataId":10,"relateTopics":189},"phương pháp bề mặt đáp ứng","Phương pháp bề mặt đáp ứng là gì? Các nghiên cứu khoa học","Phương pháp bề mặt đáp ứng (RSM) là kỹ thuật thống kê mô hình hóa mối quan hệ giữa nhiều biến đầu vào và phản hồi để tìm điều kiện tối ưu. RSM sử dụng các thiết kế thí nghiệm như CCD hoặc BBD để xây dựng phương trình bậc hai mô tả hệ thống và hỗ trợ phân tích hiệu quả, tiết kiệm chi phí. ","\u003Cdiv>\u003Ch2>Khái niệm phương pháp bề mặt đáp ứng (RSM)\u003C\u002Fh2>\n\u003Cp>\nPhương pháp bề mặt đáp ứng (Response Surface Methodology – RSM) là một công cụ thống kê và toán học được sử dụng rộng rãi để mô hình hóa và tối ưu hóa các quá trình có nhiều biến đầu vào ảnh hưởng đến một hoặc nhiều biến đầu ra. Mục tiêu của RSM là xác định mối quan hệ giữa các biến độc lập và biến phản hồi, từ đó tìm ra điều kiện tối ưu nhằm đạt được hiệu suất, chất lượng hoặc năng suất cao nhất của hệ thống.\n\u003C\u002Fp>\n\u003Cp>\nRSM thường được áp dụng trong các lĩnh vực như kỹ thuật hóa học, công nghệ thực phẩm, y dược, vật liệu và sản xuất công nghiệp, nơi việc thực hiện nhiều thí nghiệm riêng lẻ là tốn kém và mất thời gian. Bằng cách sử dụng các thiết kế thí nghiệm có cấu trúc như \u003Ca href=\"https:\u002F\u002Fwww.itl.nist.gov\u002Fdiv898\u002Fhandbook\u002Fpri\u002Fsection3\u002Fpri336.htm\" target=\"_blank\">Central Composite Design (CCD)\u003C\u002Fa> hoặc Box–Behnken Design (BBD), RSM cho phép người nghiên cứu thu được lượng thông tin tối đa với số lượng thí nghiệm tối thiểu.\n\u003C\u002Fp>\n\u003Cp>\nMột trong những điểm mạnh của RSM là khả năng mô hình hóa phản ứng phức tạp của hệ thống bằng các phương trình hồi quy đa biến. Những phương trình này mô tả mối tương quan giữa biến đầu vào (ví dụ: nhiệt độ, thời gian, pH, nồng độ) và biến phản hồi (ví dụ: hiệu suất, độ tinh khiết, độ bền). Khi mô hình đã được xây dựng, có thể sử dụng đồ thị bề mặt đáp ứng và đường đồng mức để trực quan hóa vùng tối ưu trong không gian thí nghiệm.\n\u003C\u002Fp>\n\n\u003Ch2>Cơ sở lý thuyết và công thức mô hình\u003C\u002Fh2>\n\u003Cp>\nCốt lõi của RSM là mô hình toán học biểu diễn mối quan hệ giữa biến đầu vào \u003Cscript type=\"math\u002Ftex\"> x_1, x_2, \\ldots, x_k \u003C\u002Fscript> và phản hồi \u003Cscript type=\"math\u002Ftex\"> y \u003C\u002Fscript>. Thông thường, mô hình hồi quy bậc hai được sử dụng vì nó đủ linh hoạt để mô tả hầu hết các hiện tượng thực nghiệm nhưng vẫn dễ giải thích và triển khai. Phương trình tổng quát của mô hình hồi quy bậc hai được viết như sau:\n\u003C\u002Fp>\n\u003Cscript type=\"math\u002Ftex\">y = \\beta_0 + \\sum_{i=1}^{k} \\beta_i x_i + \\sum_{i=1}^{k} \\beta_{ii} x_i^2 + \\sum_{i\u003Cj} \\beta_{ij} x_i x_j + \\epsilon\u003C\u002Fscript>\n\u003Cp>\nTrong phương trình này:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cscript type=\"math\u002Ftex\">\\beta_0\u003C\u002Fscript>: hệ số chặn (intercept)\u003C\u002Fli>\n  \u003Cli>\u003Cscript type=\"math\u002Ftex\">\\beta_i\u003C\u002Fscript>: hệ số của biến tuyến tính\u003C\u002Fli>\n  \u003Cli>\u003Cscript type=\"math\u002Ftex\">\\beta_{ii}\u003C\u002Fscript>: hệ số bậc hai\u003C\u002Fli>\n  \u003Cli>\u003Cscript type=\"math\u002Ftex\">\\beta_{ij}\u003C\u002Fscript>: hệ số tương tác giữa các biến\u003C\u002Fli>\n  \u003Cli>\u003Cscript type=\"math\u002Ftex\">\\epsilon\u003C\u002Fscript>: sai số ngẫu nhiên\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nHệ số các biến được ước lượng thông qua phân tích hồi quy đa biến. Sau đó, mô hình được kiểm định bằng phân tích phương sai (ANOVA) để đánh giá mức độ phù hợp, giá trị thống kê F và giá trị p (\u003Cscript type=\"math\u002Ftex\">p<0.05\u003C\u002Fscript>) được xem là dấu hiệu cho thấy các biến có ảnh hưởng đáng kể đến phản hồi. Trong thực tế, người ta thường chuẩn hóa các biến đầu vào để tránh sai lệch do đơn vị đo khác nhau và để mô hình có thể so sánh được giữa các biến.\n\u003C\u002Fp>\n\u003Cp>\nVí dụ, trong quá trình tối ưu hóa phản ứng hóa học, nếu ta thay đổi hai biến đầu vào là nhiệt độ (x₁) và nồng độ (x₂), phương trình bề mặt đáp ứng có thể có dạng:\n\u003Cscript type=\"math\u002Ftex\">y = 5.3 + 1.2x_1 + 0.8x_2 - 0.5x_1^2 - 0.3x_2^2 + 0.6x_1x_2\u003C\u002Fscript>\nTừ đó có thể vẽ đồ thị bề mặt 3D biểu diễn sự thay đổi của hiệu suất phản ứng theo hai biến này, xác định vùng tối ưu dễ dàng bằng các công cụ phân tích.\n\u003C\u002Fp>\n\n\u003Ch2>Các bước thực hiện RSM\u003C\u002Fh2>\n\u003Cp>\nQuy trình thực hiện RSM bao gồm một chuỗi các bước có hệ thống từ việc xác định vấn đề đến xác nhận mô hình. Mỗi bước đóng vai trò quan trọng nhằm đảm bảo kết quả thu được là chính xác và có ý nghĩa thực tiễn.\n\u003C\u002Fp>\n\u003Col>\n  \u003Cli>Xác định mục tiêu nghiên cứu và các biến ảnh hưởng chính (biến độc lập).\u003C\u002Fli>\n  \u003Cli>Xác định khoảng biến thiên của từng biến, thông thường được chuẩn hóa trong khoảng [-1, +1].\u003C\u002Fli>\n  \u003Cli>Chọn loại thiết kế thí nghiệm phù hợp (CCD, BBD hoặc D-optimal) dựa trên số lượng biến và mục tiêu mô hình hóa.\u003C\u002Fli>\n  \u003Cli>Thực hiện thí nghiệm theo ma trận thiết kế đã xác định, thu thập dữ liệu phản hồi tương ứng.\u003C\u002Fli>\n  \u003Cli>Xây dựng mô hình hồi quy bậc hai dựa trên dữ liệu thực nghiệm.\u003C\u002Fli>\n  \u003Cli>Phân tích phương sai (ANOVA) để kiểm tra độ tin cậy của mô hình.\u003C\u002Fli>\n  \u003Cli>Vẽ đồ thị bề mặt đáp ứng (Response Surface) và đường đồng mức (Contour Plot) để quan sát mối quan hệ giữa các biến.\u003C\u002Fli>\n  \u003Cli>Xác định điểm tối ưu dựa trên cực trị của hàm phản hồi.\u003C\u002Fli>\n  \u003Cli>Thực hiện thí nghiệm xác minh (validation) tại điều kiện tối ưu để kiểm tra tính đúng đắn của mô hình.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>\nMỗi bước đều có thể được hỗ trợ bằng phần mềm thống kê như Design-Expert, Minitab hoặc R. Việc lựa chọn đúng loại thiết kế thí nghiệm là yếu tố quyết định, vì nó ảnh hưởng trực tiếp đến độ chính xác của mô hình và khả năng dự đoán.\n\u003C\u002Fp>\n\u003Cp>\nDưới đây là bảng tóm tắt quy trình thực hiện RSM:\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Bước\u003C\u002Fth>\n    \u003Cth>Mô tả\u003C\u002Fth>\n    \u003Cth>Kết quả mong đợi\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Xác định biến\u003C\u002Ftd>\n    \u003Ctd>Lựa chọn biến ảnh hưởng chính\u003C\u002Ftd>\n    \u003Ctd>Tập hợp biến độc lập\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Thiết kế thí nghiệm\u003C\u002Ftd>\n    \u003Ctd>Chọn mô hình CCD, BBD hoặc D-optimal\u003C\u002Ftd>\n    \u003Ctd>Ma trận thí nghiệm\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Phân tích dữ liệu\u003C\u002Ftd>\n    \u003Ctd>Xây dựng mô hình và kiểm định bằng ANOVA\u003C\u002Ftd>\n    \u003Ctd>Phương trình hồi quy bậc hai\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Tối ưu hóa\u003C\u002Ftd>\n    \u003Ctd>Xác định điều kiện tối ưu của hệ thống\u003C\u002Ftd>\n    \u003Ctd>Giá trị biến đầu vào tối ưu\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\n\u003Ch2>Thiết kế thí nghiệm trong RSM\u003C\u002Fh2>\n\u003Cp>\nRSM không thể tách rời khỏi thiết kế thí nghiệm (Design of Experiments – DOE). Việc lựa chọn đúng loại thiết kế quyết định đến chất lượng mô hình hồi quy và khả năng dự đoán của nó. Hai loại thiết kế phổ biến nhất là Central Composite Design (CCD) và Box–Behnken Design (BBD).\n\u003C\u002Fp>\n\u003Cp>\nCentral Composite Design (CCD) bao gồm ba nhóm điểm chính: điểm tâm (center points), điểm góc (factorial points) và điểm trục (axial points). CCD có khả năng mô hình hóa chính xác cả các hiệu ứng bậc hai và tương tác giữa các biến. Ưu điểm của CCD là linh hoạt và có thể mở rộng cho bất kỳ số lượng biến nào, nhưng nhược điểm là số lượng thí nghiệm tăng nhanh khi số biến lớn.\n\u003C\u002Fp>\n\u003Cp>\nBox–Behnken Design (BBD) là một dạng thiết kế bậc hai khác, có ưu điểm là không bao gồm các điểm cực trị của biến, giúp giảm rủi ro đối với hệ thống nhạy cảm hoặc nguy hiểm. BBD yêu cầu ít thí nghiệm hơn CCD nhưng vẫn đủ để ước lượng các hệ số mô hình bậc hai. Dưới đây là bảng so sánh giữa hai loại thiết kế này:\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Tiêu chí\u003C\u002Fth>\n    \u003Cth>Central Composite Design (CCD)\u003C\u002Fth>\n    \u003Cth>Box–Behnken Design (BBD)\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Số điểm thí nghiệm\u003C\u002Ftd>\n    \u003Ctd>Nhiều hơn, tăng theo \u003Cscript type=\"math\u002Ftex\">2^k + 2k + n_c\u003C\u002Fscript>\u003C\u002Ftd>\n    \u003Ctd>Ít hơn, không có điểm cực trị\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Độ chính xác mô hình\u003C\u002Ftd>\n    \u003Ctd>Cao, mô tả tốt hiệu ứng bậc hai\u003C\u002Ftd>\n    \u003Ctd>Trung bình đến cao\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Khả năng áp dụng\u003C\u002Ftd>\n    \u003Ctd>Phù hợp với hệ thống rộng\u003C\u002Ftd>\n    \u003Ctd>Phù hợp khi số biến nhỏ hơn 5\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>\nCác thiết kế này được mô tả chi tiết trong tài liệu \u003Ca href=\"https:\u002F\u002Fwww.statsoft.com\u002FTextbook\u002FDesign-of-Experiments\" target=\"_blank\">StatSoft DOE Handbook\u003C\u002Fa> và được sử dụng rộng rãi trong công nghiệp, nơi việc tối ưu hóa các thông số quá trình là yêu cầu thường xuyên.\n\u003C\u002Fp>\n\u003Ch2>Ưu điểm và hạn chế của phương pháp RSM\u003C\u002Fh2>\n\u003Cp>\nPhương pháp bề mặt đáp ứng mang lại nhiều lợi ích thiết thực cho các ngành kỹ thuật và nghiên cứu thực nghiệm, đặc biệt là trong những trường hợp việc thử nghiệm trực tiếp trên hệ thống thật tốn kém hoặc rủi ro cao. Một trong những ưu điểm lớn nhất của RSM là khả năng xây dựng mô hình bậc hai đơn giản, dễ hiểu nhưng vẫn đủ linh hoạt để mô tả mối quan hệ phi tuyến giữa các biến đầu vào và đầu ra.\n\u003C\u002Fp>\n\u003Cp>\nNgoài khả năng mô hình hóa, RSM còn cho phép đánh giá hiệu ứng tương tác giữa các biến. Không giống như các phương pháp tối ưu hóa đơn biến truyền thống, RSM giúp người nghiên cứu hiểu được cách các yếu tố ảnh hưởng lẫn nhau trong toàn bộ không gian thiết kế. Bên cạnh đó, các công cụ đồ họa như đồ thị bề mặt 3D và đường đồng mức 2D giúp trực quan hóa khu vực tối ưu một cách dễ dàng, hỗ trợ ra quyết định nhanh chóng và chính xác.\n\u003C\u002Fp>\n\u003Cp>\nTuy nhiên, RSM cũng có những hạn chế nhất định. Một trong số đó là yêu cầu giả định mô hình bậc hai – điều này có thể không phản ánh chính xác hành vi của những hệ thống có tính phi tuyến mạnh hoặc chứa nhiều điểm cực trị. Ngoài ra, độ chính xác của mô hình phụ thuộc nhiều vào việc lựa chọn đúng thiết kế thí nghiệm ban đầu và độ tin cậy của dữ liệu thu thập được.\n\u003C\u002Fp>\n\u003Cp>\nTóm tắt một số ưu điểm và hạn chế chính:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Ưu điểm:\u003C\u002Fstrong>\n    \u003Cul>\n      \u003Cli>Hiệu quả với số lượng thí nghiệm thấp\u003C\u002Fli>\n      \u003Cli>Phân tích được ảnh hưởng tương tác giữa các biến\u003C\u002Fli>\n      \u003Cli>Hỗ trợ mô hình hóa và tối ưu hóa quá trình\u003C\u002Fli>\n      \u003Cli>Có thể sử dụng kết hợp với nhiều công cụ thống kê\u003C\u002Fli>\n    \u003C\u002Ful>\n  \u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Hạn chế:\u003C\u002Fstrong>\n    \u003Cul>\n      \u003Cli>Không phù hợp với hệ thống phi tuyến mạnh\u003C\u002Fli>\n      \u003Cli>Yêu cầu lựa chọn thiết kế ban đầu hợp lý\u003C\u002Fli>\n      \u003Cli>Không hiệu quả nếu dữ liệu đầu vào nhiễu cao\u003C\u002Fli>\n    \u003C\u002Ful>\n  \u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Phân tích ANOVA trong RSM\u003C\u002Fh2>\n\u003Cp>\nPhân tích phương sai (Analysis of Variance – ANOVA) là bước then chốt để đánh giá mức độ phù hợp của mô hình hồi quy trong RSM. ANOVA cho phép xác định liệu các biến đầu vào có ảnh hưởng thống kê đáng kể đến phản hồi hay không, và mô hình có đáng tin cậy để dự đoán hay không.\n\u003C\u002Fp>\n\u003Cp>\nCác chỉ số chính trong ANOVA bao gồm:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>F-value:\u003C\u002Fstrong> cho biết tỷ lệ giữa phương sai do mô hình và phương sai ngẫu nhiên. Giá trị F lớn cho thấy mô hình có ý nghĩa thống kê.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>p-value:\u003C\u002Fstrong> xác suất sai lầm khi bác bỏ giả thuyết gốc. Một biến được xem là có ảnh hưởng nếu \u003Cscript type=\"math\u002Ftex\">p \\lt 0.05\u003C\u002Fscript>.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>R\u003Csup>2\u003C\u002Fsup> và Adjusted R\u003Csup>2\u003C\u002Fsup>:\u003C\u002Fstrong> hệ số xác định cho biết mức độ giải thích của mô hình. R\u003Csup>2\u003C\u002Fsup> gần 1 là lý tưởng.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nMột mô hình tốt không chỉ có các biến chính với giá trị p nhỏ, mà còn có sai số chuẩn thấp và phần dư (residuals) phân phối ngẫu nhiên. Việc kiểm tra biểu đồ phần dư cũng là cách quan trọng để đảm bảo tính hợp lệ của mô hình RSM.\n\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng của RSM trong công nghiệp và nghiên cứu\u003C\u002Fh2>\n\u003Cp>\nRSM đã được chứng minh là công cụ mạnh mẽ trong việc cải tiến và tối ưu hóa các quá trình trong nhiều ngành công nghiệp. Nhờ khả năng mô hình hóa phản ứng với số lượng thí nghiệm tối ưu, RSM thường được sử dụng trong giai đoạn phát triển sản phẩm, điều chỉnh quy trình sản xuất, hoặc kiểm soát chất lượng.\n\u003C\u002Fp>\n\u003Cp>\nMột số ứng dụng điển hình:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Ngành thực phẩm:\u003C\u002Fstrong> tối ưu hóa công thức, thời gian gia nhiệt, độ ẩm trong chế biến.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Ngành hóa học:\u003C\u002Fstrong> tối ưu điều kiện phản ứng như nồng độ, nhiệt độ, thời gian phản ứng.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Dược phẩm:\u003C\u002Fstrong> thiết kế công thức viên nén, điều kiện bao phim, hoặc quá trình hòa tan.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Cơ khí:\u003C\u002Fstrong> tối ưu tốc độ cắt, chiều sâu cắt trong gia công CNC.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Nông nghiệp:\u003C\u002Fstrong> xác định điều kiện tưới tiêu, phân bón, mật độ trồng phù hợp.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nMột nghiên cứu nổi bật trên \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0963996911000650\" target=\"_blank\">Food Research International\u003C\u002Fa> đã sử dụng RSM để tối ưu hóa quy trình chiết xuất polyphenol từ trà xanh, giúp tăng hiệu suất chiết xuất lên gần 30% so với phương pháp truyền thống.\n\u003C\u002Fp>\n\n\u003Ch2>So sánh RSM với các phương pháp tối ưu hóa khác\u003C\u002Fh2>\n\u003Cp>\nĐể hiểu rõ hơn vị trí của RSM trong bối cảnh các công cụ tối ưu hóa hiện nay, cần so sánh với các phương pháp khác như thuật toán di truyền (Genetic Algorithm – GA) hoặc hồi quy tuyến tính truyền thống.\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Tiêu chí\u003C\u002Fth>\n    \u003Cth>RSM\u003C\u002Fth>\n    \u003Cth>Thuật toán di truyền (GA)\u003C\u002Fth>\n    \u003Cth>Hồi quy tuyến tính\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Phạm vi áp dụng\u003C\u002Ftd>\n    \u003Ctd>Quá trình thực nghiệm có biến liên tục\u003C\u002Ftd>\n    \u003Ctd>Hệ thống phi tuyến, hàm mục tiêu phức tạp\u003C\u002Ftd>\n    \u003Ctd>Mối quan hệ tuyến tính đơn giản\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Mô hình hóa\u003C\u002Ftd>\n    \u003Ctd>Hàm bậc hai\u003C\u002Ftd>\n    \u003Ctd>Không yêu cầu mô hình toán học cụ thể\u003C\u002Ftd>\n    \u003Ctd>Hàm tuyến tính\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Giải thích kết quả\u003C\u002Ftd>\n    \u003Ctd>Cao\u003C\u002Ftd>\n    \u003Ctd>Trung bình\u003C\u002Ftd>\n    \u003Ctd>Rất cao\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Hiệu quả trực quan hóa\u003C\u002Ftd>\n    \u003Ctd>Cao (đồ thị 3D, đồng mức)\u003C\u002Ftd>\n    \u003Ctd>Thấp, không trực quan\u003C\u002Ftd>\n    \u003Ctd>Trung bình\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>\nNhìn chung, RSM là lựa chọn lý tưởng khi cần tối ưu quá trình thực nghiệm với mối quan hệ phi tuyến nhẹ đến trung bình giữa các biến và yêu cầu giải thích rõ ràng.\n\u003C\u002Fp>\n\n\u003Ch2>Các phần mềm hỗ trợ RSM\u003C\u002Fh2>\n\u003Cp>\nNhiều phần mềm chuyên dụng và mã nguồn mở hỗ trợ phân tích RSM, giúp tự động hóa quy trình xây dựng mô hình, phân tích phương sai và vẽ đồ thị bề mặt.\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.statease.com\u002Fsoftware\u002Fdesign-expert\u002F\" target=\"_blank\">Design-Expert:\u003C\u002Fa> giao diện trực quan, chức năng mạnh mẽ cho CCD, BBD và phân tích ANOVA.\u003C\u002Fli>\n  \u003Cli>JMP (SAS): hỗ trợ trực quan hóa, phân tích thống kê nâng cao, dễ sử dụng với người không chuyên.\u003C\u002Fli>\n  \u003Cli>R (gói \u003Ccode>rsm\u003C\u002Fcode>): linh hoạt, mạnh mẽ, miễn phí, phù hợp cho người có nền tảng lập trình.\u003C\u002Fli>\n  \u003Cli>Minitab: công cụ quen thuộc trong ngành công nghiệp, dễ triển khai và đào tạo nhân sự.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nViệc chọn phần mềm phù hợp phụ thuộc vào quy mô dự án, yêu cầu mô hình và ngân sách của tổ chức.\n\u003C\u002Fp>\n\n\u003Ch2>Tài liệu tham khảo\u003C\u002Fh2>\n\u003Col>\n  \u003Cli>Montgomery, D. C. (2017). \u003Ci>Design and Analysis of Experiments\u003C\u002Fi>. Wiley.\u003C\u002Fli>\n  \u003Cli>Myers, R. H., Montgomery, D. C., & Anderson-Cook, C. M. (2016). \u003Ci>Response Surface Methodology: Process and Product Optimization Using Designed Experiments\u003C\u002Fi>. Wiley.\u003C\u002Fli>\n  \u003Cli>StatSoft. (2020). \u003Ci>Design of Experiments\u003C\u002Fi>. \u003Ca href=\"https:\u002F\u002Fwww.statsoft.com\u002FTextbook\u002FDesign-of-Experiments\" target=\"_blank\">Link\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>U.S. NIST. (2023). \u003Ci>Engineering Statistics Handbook - RSM\u003C\u002Fi>. \u003Ca href=\"https:\u002F\u002Fwww.itl.nist.gov\u002Fdiv898\u002Fhandbook\u002Fpri\u002Fsection3\u002Fpri336.htm\" target=\"_blank\">Link\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>Stat-Ease Inc. (2023). \u003Ci>Design-Expert Software\u003C\u002Fi>. \u003Ca href=\"https:\u002F\u002Fwww.statease.com\u002Fsoftware\u002Fdesign-expert\u002F\" target=\"_blank\">Link\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>Food Research International. (2011). \u003Ci>Optimization of green tea polyphenol extraction using RSM\u003C\u002Fi>. \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0963996911000650\" target=\"_blank\">Link\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Fol>\n\u003C\u002Fdiv>",{"id":85,"researcherId":10,"name":176,"imageUrl":177},"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":179,"researcherId":10,"name":180,"imageUrl":181},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[171],"PUBLISHED","2025-09-30T02:15:45.074+00:00","2026-09-01T02:11:44.315+00:00","2025-10-25T09:11:51.976+00:00","2026-09-01T02:11:44.307+00:00",801,[190,201,207,217,222,227,232,242,247,252],{"id":191,"title":192,"term":193,"englishTitle":194,"definition":195,"discipline":196,"disciplineCode":197,"disciplineLabel":198,"disciplineColor":199,"disciplineIcon":200},"tách chiết","Tách chiết là gì? Các công bố khoa học về Tách chiết","Tách chiết","Extraction","Tách chiết là kỹ thuật phân tách hóa học nhằm thu hồi chọn lọc một hoặc nhiều hợp chất mục tiêu từ một hỗn hợp mẫu rắn hoặc lỏng bằng cách sử dụng các dung môi phù hợp hoặc các điều kiện pha đặc biệt.","NATURAL_SCIENCES","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":202,"title":203,"term":204,"englishTitle":205,"definition":206,"discipline":196,"disciplineCode":197,"disciplineLabel":198,"disciplineColor":199,"disciplineIcon":200},"đối xứng lie","Đối xứng Lie (Lie symmetry) là gì?","đối xứng Lie","Lie symmetry","Đối xứng Lie là nhóm Lie địa phương các phép biến đổi liên tục tác động lên không gian biến độc lập và biến phụ thuộc của phương trình vi phân, có tính chất bảo toàn tập nghiệm của phương trình.",{"id":208,"title":209,"term":208,"englishTitle":210,"definition":211,"discipline":212,"disciplineCode":213,"disciplineLabel":214,"disciplineColor":215,"disciplineIcon":216},"hàm kích hoạt","Hàm kích hoạt (activation function) là gì?","activation function","Hàm kích hoạt là hàm số toán học thực hiện phép biến đổi phi tuyến tính trên tổng có trọng số của các tín hiệu đầu vào tại một nơ-ron nhân tạo, quyết định mức độ kích hoạt và truyền tín hiệu của nơ-ron đó sang các tầng tiếp theo trong mạng nơ-ron.","ENGINEERING_TECHNOLOGY","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":218,"title":219,"term":218,"englishTitle":220,"definition":221,"discipline":212,"disciplineCode":213,"disciplineLabel":214,"disciplineColor":215,"disciplineIcon":216},"dòng chảy thủy động lực học","Dòng chảy thủy động lực học (hydrodynamic flow) là gì?","hydrodynamic flow","Dòng chảy thủy động lực học là sự chuyển động có hướng của các phần tử chất lưu trong không gian dưới tác dụng của các trường lực ngoại vi và građien áp suất, được mô tả thông qua các định luật bảo toàn khối lượng, động lượng và năng lượng trong cơ học chất lưu liên tục.",{"id":223,"title":224,"term":223,"englishTitle":225,"definition":226,"discipline":196,"disciplineCode":197,"disciplineLabel":198,"disciplineColor":199,"disciplineIcon":200},"thuộc tính lượng tử","Thuộc tính lượng tử (quantum property) là gì?","quantum property","Thuộc tính lượng tử là tập hợp các đặc tính vật lý đặc thù của hệ vi mô tuân theo cơ học lượng tử, bao gồm tính gián đoạn, bất định, chồng chập và vướng víu phi cục bộ.",{"id":228,"title":229,"term":228,"englishTitle":230,"definition":231,"discipline":212,"disciplineCode":213,"disciplineLabel":214,"disciplineColor":215,"disciplineIcon":216},"màng lọc","Màng lọc (membrane) là gì?","membrane","Màng lọc là cấu trúc ranh giới bán thấm có bề mặt rộng và chiều dày mỏng, cho phép các cấu tử chọn lọc đi qua đồng thời giữ lại các thành phần khác dưới tác động của lực dẫn động.",{"id":233,"title":234,"term":233,"englishTitle":235,"definition":236,"discipline":237,"disciplineCode":238,"disciplineLabel":239,"disciplineColor":240,"disciplineIcon":241},"chọc hút noãn","Chọc hút noãn là gì? Quy trình, kỹ thuật và kiểm soát biến chứng","oocyte retrieval","Chọc hút noãn (oocyte retrieval hoặc transvaginal ovum pick-up - OPU) là thủ thuật can thiệp tối thiểu sử dụng đầu dò siêu âm ngả âm đạo gắn kim chuyên dụng để hút dịch nang và thu nhận các noãn bào trưởng thành từ buồng trứng nhằm phục vụ thụ tinh trong ống nghiệm (IVF) hoặc bảo tồn khả năng sinh sản.","MEDICAL_HEALTH_SCIENCES","medical-health-sciences","Khoa học y - dược","#D6336C","stethoscope",{"id":243,"title":244,"term":243,"englishTitle":245,"definition":246,"discipline":212,"disciplineCode":213,"disciplineLabel":214,"disciplineColor":215,"disciplineIcon":216},"quan hệ đầu vào đầu ra","Quan hệ đầu vào đầu ra là gì?","input-output relationship","Quan hệ đầu vào đầu ra là mô hình toán học hoặc quy luật vật lý biểu diễn ánh xạ tương ứng giữa các tín hiệu kích thích từ môi trường tác động lên hệ thống và các phản ứng đáp ứng quan sát được từ hệ thống đó.",{"id":248,"title":249,"term":248,"englishTitle":250,"definition":251,"discipline":237,"disciplineCode":238,"disciplineLabel":239,"disciplineColor":240,"disciplineIcon":241},"dòng điện kích hoạt siêu phân cực","Dòng điện kích hoạt siêu phân cực là gì?","hyperpolarization-activated current","Dòng điện kích hoạt siêu phân cực là dòng cation hướng vào tế bào qua màng sinh chất, được kích hoạt khi màng đạt các mức điện thế âm sâu hơn điện thế nghỉ thông thường.",{"id":253,"title":254,"term":253,"englishTitle":255,"definition":256,"discipline":196,"disciplineCode":197,"disciplineLabel":198,"disciplineColor":199,"disciplineIcon":200},"nghiệm riêng","Nghiệm riêng (particular solution) là gì?","particular solution","Nghiệm riêng (particular solution) là nghiệm cụ thể của phương trình vi phân thỏa mãn toàn bộ phương trình mà không chứa bất kỳ hằng số tùy ý nào, nhận được từ nghiệm tổng quát khi cố định điều kiện ban đầu hoặc thu được bằng các phương pháp giải tích cho phương trình không thuần nhất."]