- •Основные требования к объектам исследований.
- •Основные принципы планирования эксперимента.
- •Основные этапы пэ.
- •Требования к параметру оптимизации.
- •Задачи с несколькими выходными параметрами.
- •Факторы.
- •Выбор модели.
- •Геометрическая интерполяция модели.
- •Поверхность отклика будет иметь следующий вид.
- •Допущения относительно свойств модели.
- •Предпосылки выбора модели.
- •Факторный эксперимент.
- •Преимущества факторных экспериментов.
- •Метод варьирования факторов по одному:
- •Полный факторный эксперимент.
- •Алгоритм принятия решения при выборе основного уровня.
- •При выборе интервала варьирования необходимо учитывать:
- •Полный факторный эксперимент 2 типа.
- •Геометрическая интерпретация пфэ 22.
- •Приемы построения матриц.
- •Свойства пфэ типа 2k.
- •Построение математической модели на основе пфэ.
- •Дробный факторный эксперимент.
- •Минимизация числа опытов.
- •Правила минимизации числа опытов.
- •Дробная реплика.
- •Порядок проведения эксперимента.
- •Оценка значимости результатов опытов
- •Проверка однородности дисперсии.
- •Критерий Фишера.
- •Критерий Кохрена.
- •Обработка результатов эксперимента.
- •Система нормальных уравнений мнк.
- •Геометрическая интерпретация уравнений(коэффициентов) регрессии.
- •Условие корректного применения регрессионного анализа.
- •Проверка значимости коэффициентов регрессии.
- •Проверка адекватности модели.
- •Методы поиска оптимума функции.
- •Шаговый метод.
- •Анализ результатов моделирования процессов.
- •Принятие решения после принятия решения.
- •Выделение существенных факторов.
- •Насыщенность плана:
- •Насыщенные дробные факторные планы.
- •Насыщенный эксперимент, планы Плакетте – Бермана.
- •Построение матриц.
- •Метод случайного баланса.
- •Планы для изучения поверхности отклика.
- •План подбора модели 2го порядка.
- •Центральные композиционные планы.
- •Ортогональные планы второго порядка.
- •Рототабельное планирование 2го порядка.
Дробный факторный эксперимент.
Количество опытов ПФЭ превосходит число определяемых коэффициентов линейной модели, поэтому представляет интерес возможности сокращения числа опытов.
Минимизация числа опытов.
Запишем матрицу планирования ПФЭ 22:
№ |
X1 |
X2 |
X1 X2 |
y |
1 |
-1 |
-1 |
+1 |
y1 |
2 |
+1 |
-1 |
-1 |
y2 |
3 |
-1 |
+1 |
-1 |
y3 |
4 |
+1 |
+1 |
-1 |
y4 |
Представив математическую модель в виде квадратного уравнения:
y=b0+b1x1+b2x2+b12x1x2
Можно с помощью матрицы планирования можно вычислить все 4 коэффициента. Однако, если мы знаем, что эффектом парного взаимодействия x1*x2 можно пренебречь, то достаточно определить коэффициенты b0; b1; b2. Таким образом считаем, что коэффициент b12 ->0(стремится);
И вектор-столбец (x1x2) можно использовать для нового фактора x3, тогда оценки коэффициента b1; b2; b3 будут следующими:
b1=ß1+ß23;
b2=ß2+ß13;
b3=ß3+ß12.
Следует обратить внимание, что оценки коэффициентов будут не раздельными, а смешанными. Однако, из предположения, что модель линейная следует, что парные взаимодействия незначимы.
Число несмешанных линейного эффектов в дробной реплике, называются ее разрешающей способностью.
Правила минимизации числа опытов.
Для сокращения числа опытов нужно новому фактору присвоить вектор-столбец матрицы, принадлежащий взаимодействию, которым можно пренебречь. Тогда значение нового фактора в условиях опыта определяется знаками этого столбца.
Минимизация числа опытов требует обязательного анализа принятых решений.
В качестве примера рассмотрим 2 матрицы, которые предлагаются взамен ПФЭ 23, требующей 8 опытов.
Для числа факторов больше 3х фигура, задающая область эксперимента в пространстве является некоторым аналогом … и ее принято называть гиперкуб.
Очевидно, что с ростом числа факторов, все возможные комбинации уровней найти все сложнее, поэтому на практике обычно пользуются следующими примерами построения матрицы.
№ |
X1 |
X2 |
X1 X2 |
y |
1 |
-1 |
-1 |
+1 |
y1 |
2 |
+1 |
-1 |
+1 |
y2 |
3 |
-1 |
+1 |
+1 |
y3 |
4 |
+1 |
+1 |
+1 |
y4 |
5 |
-1 |
-1 |
-1 |
y5 |
6 |
+1 |
-1 |
-1 |
y6 |
7 |
-1 |
+1 |
-1 |
y7 |
8 |
+1 |
+1 |
-1 |
y7 |
При добавлении нового фактора X3, каждая комбинация уровней исходного плана ПФЭ 22 встречается дважды в сочетании с верхним и нижним уровнями нового фактора. Поэтому целесообразно записать исходный план для 1ого уровня нового фактора, а затем повторить его для другого уровня, тогда:
b1=ß1+ß23;
b2=ß2+ß13;
b3=ß3+ß12.
Т е основные эффекты смешаны только с эффектами взаимодействия, а не, друг с другом.
Считают, что модель линейна, предполагается, что эффекты взаимодействия близки к нулю, поэтому:
b1͌ ß1;
b2 ͌ ß2;
b3͌ß3.
Таким планированием воспользоваться можно.