Семенов. Планирование эксперимента1
.pdf60
Начальная серия
опытов соответству-
ет вершинам исход-
ного симплекса (точ-
ки 1, 2, и 3). Условия этих первых опытов берутся из области
Рис. 6. Оптимизация по симзначений факторов,
плексному методу.
соответствующих наиболее благопри-
ятным из известных режимов оптимизируемого про-
цесса.
Сравнивая между собой результаты опытов в точ-
ках 1, 2 и 3, находят среди них самый плохой с точки зрения выбранного критерия оптимальности. Пусть,
например, самым "неудачным" оказался опыт в точке
1. Этот опыт исключают из рассмотрения, а вместо него в состав симплекса вводят опыт в точке 4, кото-
рая симметрична точке 1 относительно противопо-
ложной стороны треугольника, соединяющей точки 2
и 3.
61
Далее сравнивают между собой результаты опы-
тов в вершинах нового симплекса, отбрасывают са-
мый неудачный из них и переносят соответствующую
вершину симплекса в точку 5. Затем эта процедура
повторяется в течение всего процесса оптимизации.
Если достигнут экстремум критерия оптимальности,
то дальнейшее движение симплекса прекращается.
Это значит, что новый шаг возвращает исследовате-
ля в предыдущую точку факторного пространства,
либо симплекс начинает "вращаться" вокруг точки оп-
тимума.
Симплексный метод, также как и метод крутого
восхождения, является локальным методом поиска экстремума. Если существует несколько экстремумов критерия оптимальности, то этот метод позволяет найти тот из них, кото-
рый расположен ближе к точкам исходного симплек-
са. Поэтому, если есть подозрение о существовании нескольких экстремумов критерия оптимальности, то нужно осуществить их поиск, каждый раз начиная оп-
тимизацию из новой области факторного пространст-
ва. Затем следует сравнить между собой найденные
www.mitht.ru/e-library
62
оптимальные условия и из всех вариантов выбрать
наилучший.
При оптимизации необходимо принимать во вни-
мание ограничения, наложенные на влияющие фак-
торы и функции отклика.
При использовании симплексного метода не обя-
зательно дублировать опыты, т.к. ошибка в отдельном опыте может только несколько замедлить оптимизацию. Если же последующие опыты выполняются безупречно, то движение к оптимуму продолжается.
Матрица опытов исходного симплекса в кодиро-
ванных переменных приведена в табл.12. Символом
"0" обозначены координаты центра плана, т.е. основ-
ной уровень.
Величины, входящие в эту таблицу, рассчитыва-
ются по следующим формулам:
ki |
1 |
(3.3) |
2i(i 1) |
||
|
Ri=iki |
(3.4) |
где i - номер фактора в матрице планирования.
63
Таблица 12
Матрица исходного симплекса
№ |
X1 |
X2 |
... |
Xn-1 |
Xn |
Функция |
опыта |
|
|
|
|
|
отклика |
|
|
|
|
|
|
|
1 |
k1 |
k2 |
... |
kn-1 |
kn |
y1 |
|
|
|
|
|
|
|
2 |
-R1 |
k2 |
... |
kn-1 |
kn |
y2 |
|
|
|
|
|
|
|
3 |
0 |
-R2 |
... |
kn-1 |
kn |
y3 |
|
|
|
|
|
|
|
... |
... |
... |
... |
... |
... |
... |
|
|
|
|
|
|
|
n-1 |
0 |
0 |
... |
kn-1 |
kn |
yn-1 |
|
|
|
|
|
|
|
n |
0 |
0 |
... |
-Rn-1 |
kn |
yn |
|
|
|
|
|
|
|
n+1 |
0 |
0 |
... |
0 |
-Rn |
yn+1 |
|
|
|
|
|
|
|
Опыты, представленные в табл. 11, соответствуют
вершинам симплекса, сторона которого равна едини-
це, а центр совпадает с началом координат (в коди-
рованных переменных).
Результаты расчетов, выполненных на основании табл. 12 и формул (3.3) и (3.4), приведены в табл. 13.
Аналогично можно рассчитать условия исходной
серии опытов для большего количества факторов. Наибольшее количество опытов приходит
www.mitht.ru/e-library
64
ся ставить в начале эксперимента. Затем на каждом
шаге оптимизации выполняется только один опыт.
Приступая к оптимизации, необходимо с помощью
табл. 12 или 13 рассчитать матрицу исходной серии
опытов в физических переменных, пользуясь форму-
лой
xi=x0i+ xiXi (3.5)
где использованы те же обозначения, что и в форму-
ле (2.1). В дальнейшем все операции производятся
только с физическими перемен-
ными.
|
|
|
|
Таблица 13 |
|
Условия начальной серии опытов |
|||||
|
|
|
|
|
|
Номер |
X1 |
X2 |
X3 |
|
X4 |
опыта |
|
|
|
|
|
|
|
|
|
|
|
1 |
0.5 |
0.289 |
0.204 |
|
0.158 |
|
|
|
|
|
|
2 |
-0.5 |
0.289 |
0.204 |
|
0.158 |
|
|
|
|
|
|
3 |
0 |
-0.578 |
0.204 |
|
0.158 |
|
|
|
|
|
|
4 |
0 |
0 |
-0.612 |
|
0.158 |
|
|
|
|
|
|
5 |
0 |
0 |
0 |
|
-0.632 |
|
|
|
|
|
|
65
Условия каждого нового опыта рассчитываются по
формуле
|
|
|
2 |
n 1 |
|
|
|
|
x |
|
|
( x |
|
x*) x* |
(3.6) |
||
|
n |
|
||||||
|
i |
|
j 1 |
ji |
i |
i |
|
где n - число факторов в матрице планирования; j - номер опыта;
i - номер фактора;
xi* - значение i-го фактора в самом неудачном
опыте предыдущего симплекса.
На любом шаге оптимизации, осуществляемой
симплексным методом, можно включить в программу
исследований новый фактор, который до тех пор не принимался во внимание, но оставался на постоян-
ном уровне. При этом значения всех ранее рассмат-
риваемых факторов рассчитываются по формуле
|
|
|
1 |
n 1 |
|
|
x |
i |
|
|
x |
ji |
(3.7) |
|
||||||
|
|
n 1 j 1 |
|
где i=1,2,...,n, т.е. являются средними арифметиче-
скими значениями соответствующих координат пре-
дыдущего симплекса.
Значение вновь вводимого фактора определяется
www.mitht.ru/e-library
66
по формуле
xn+1=x0(n+1)+ xn+1(Rn+1+kn+1) (3.8)
где x0(n+1) - основной уровень этого фактора;
xn+1 - выбранный шаг варьирования для данного фактора;
Rn+1, kn+1 - величины, рассчитываемые по форму-
лам (3.3) и (3.4).
Добавление нового фактора в состав полного
факторного эксперимента сопровождается увеличе-
нием количества опытов вдвое. В этом смысле сим-
плексный метод имеет очевидное преимущество.
В практику научных исследований симплексный
метод был введен Ф.Химсвортом в 1962 г.
Пример 3.2 Пусть требуется с помощью симплексно-
го метода оптимизировать выход целевого продукта y (%), который получается при взаимодействии двух реагентов с концентрациями x1 и x2 (кмоль.м-3) при
температуре x3 (oС).
Выберем основные уровни и шаги варьирования факторов и сведем их в табл. 14.
Пользуясь формулой (3.5) и табл.12, рассчитаем ус-
ловия проведения первых четырех опытов и получен-
67
Таблица 14
Значения уровней факторов и шагов
варьирования
Фактор |
Основной |
Шаг |
|
уровень |
варьирования |
|
|
|
x1, кмоль.м-3 |
1.0 |
0.1 |
|
|
|
x2, кмоль.м-3 |
1.5 |
0.2 |
|
|
|
x3, oC |
60.0 |
5.0 |
|
|
|
ные результаты сведем в табл.15.
Например, для третьего опыта
x31=1+0.1.0=1
x32=1.50+0.2(-0.578)=1.38 x33=60+5.0.204=61
Здесь первый индекс обозначает номер опыта, а
второй - номер фактора.
Сравнивая между собой результаты первых четырех опытов, видим, что самый низкий выход целевого продукта получился в третьем опыте. Этот опыт сле-
дует исключить из дальнейшего рассмотрения.
www.mitht.ru/e-library
68
Таблица 15
Условия и результаты планирования
по симплексному методу
Номер |
x1 |
x2 |
x3 |
Функция |
опыта |
|
|
|
отклика |
|
|
|
|
|
1 |
1.05 |
1.56 |
61 |
72.3 |
|
|
|
|
|
2 |
0.95 |
1.56 |
61 |
70.1 |
|
|
|
|
|
3 |
1.00 |
1.38 |
61 |
65.4 |
|
|
|
|
|
4 |
1.00 |
1.50 |
57 |
68.2 |
|
|
|
|
|
5 |
1.00 |
1.70 |
58 |
73.9 |
|
|
|
|
|
6 |
1.00 |
1.72 |
63 |
76.5 |
|
|
|
|
|
Заменим его опытом N 5, условия проведения которо-
го рассчитаем по формуле (3.6):
x51=(2/3)(1.05+0.95+1.00)-1.00=1.00 x52=(2/3)(2.1.56+1.50)-1.38=1.70 x53=(2/3)(2.61+57)-61=58
В новом симплексе, образованном опытами N 1, 2,
4 и 5, самым "неудачным" является опыт N 4. Его за-
меним опытом N 6, условия которого найдем, пользу-
ясь той же формулой (3.6).
69
Далее процедура оптимизации может быть про-
должена аналогично.
Рассмотрим теперь вопрос о том, как включить в
программу исследований еще один фактор, напри-
мер, скорость вращения мешалки. Пусть до этих пор
она была постоянной и равной 500 об/мин. Теперь будем считать эту величину фактором x4 и примем
для нее шаг варьирования x4=100 об/мин.
Предыдущий симплекс для трех факторов (см.
табл.15) состоит из опытов N 1,2,5 и 6. Чтобы из него получить новый симплекс для четырех факторов,
введем опыт N 7 (табл.16). Условия проведения опы-
та N 7 найдем по формулам (3.7) и (3.8):
x71=(1/4)(1.05+0.95+2.1.00)=1.00 x72=(1/4)(2.1.56+1.70+1.72)=1.64 x73=(1/4)(2.61+58+63)=61
x74=500+100(0.632+0.158)=579 580
Далее оптимизацию можно продолжить с учетом
всех четырех факторов, пользуясь рассмотренной выше процедурой.
www.mitht.ru/e-library
70
|
|
|
|
Таблица 16. |
||
Симплексный план эксперимента |
||||||
|
для четырех факторов |
|
|
|||
|
|
|
|
|
|
|
Номер |
x1 |
x2 |
x3 |
x4 |
Функция |
|
опыта |
|
|
|
|
отклика |
|
|
|
|
|
|
|
|
1 |
1.05 |
1.56 |
61 |
500 |
72.3 |
|
|
|
|
|
|
|
|
2 |
0.95 |
1.56 |
61 |
500 |
70.1 |
|
|
|
|
|
|
|
|
5 |
1.00 |
1.70 |
58 |
500 |
73.9 |
|
|
|
|
|
|
|
|
6 |
1.00 |
1.72 |
63 |
500 |
76.5 |
|
|
|
|
|
|
|
|
7 |
1.00 |
1.64 |
61 |
580 |
78.1 |
|
|
|
|
|
|
|
|
4. Исследование области оптимальных
условий. Ортогональное центральное
композиционное планирование
Процесс оптимизации приводит в область фактор-
ного пространства, где кривизна поверхности отклика велика и вследствие этого поверхность не может быть описана многочленом вида (2.3). Для адекватно-
го математического описания здесь требуется много-
член более высокой степени, например, второй. С
71
этой целью используют центральное композицион-
ное планирование эксперимента (ЦКП). Одним из ви-
дов
ЦКП является ортогональное ЦКП. Количество опы-
тов при ортогональном ЦКП определяется по форму-
ле
N=2n+2n+1 (4.1)
где 2n - количество опытов, образующих полный фак-
торный эксперимент;
2n - число точек в факторном пространстве,
имеющих координаты ( ,0,0,...,0); (0, ,0,...,0),...,
(0,0,..., ). Эти точки называются звездные, а вели-
чина - звездным плечом;
1 - опыт в центре планирования, т.е. в точке факторного пространства с координатами (0,0,...,0) (В
общем случае в центре планирования может быть несколько опытов). Если с помощью полного фактор-
ного эксперимента не удается получить адекватного математического описания в форме (2.3), то к нему добавляют опыты в "звездных" точках и в центре плана, а полученную при этом композицию использу-
ют для получения матема
www.mitht.ru/e-library
72
тического описания процесса в виде многочлена вто-
рой степени. Отсюда и произошло название метода -
центральное композиционное планирование.
Значения звездного плеча для ЦКП с различным
числом факторов n следующие:
n |
.............2 |
3 |
4 |
5 |
.......... |
1.000 |
1.215 |
1.414 |
1.547 |
Эти значения выбраны из условия ортогональ-
ности матрицы планирования.
Уравнение регрессии при ортогональном ЦКП ищут в следующем виде:
y=bo*+b1X1+b2X2+...+bnXn+b12X1X2+...+b(n-1)nXn-
1Xn+ +b11X1*+...+bnnXn* |
(4.2) |
||||||
Переменные величины |
|
|
|||||
|
|
|
1 |
N |
|
|
|
X* |
X2 |
|
X2 |
(4.3) |
|||
|
|||||||
ji |
ji |
|
N j 1 |
ji |
|
где j - номер опыта; i - номер фактора, введены для
того, чтобы матрица планирования была ортогональ-
на, и коэффициенты регрессии определялись незави-
симо друг от друга по результатам опытов.
Для того чтобы получить уравнение регрессии в
73
обычной форме
y=bo+b1X1+b2X2+...+bnXn+b12X1X2+...
+b(n-1)nXn1Xn+ +b11X12+b22X22+...+bnnXn2 |
(4.4) |
||||||||||
находят величину |
|
|
|
|
|
|
|||||
|
|
|
|
b11 |
N |
|
|
bnn |
N |
|
|
b |
|
b* |
|
X2 |
... |
X2 |
(4.5) |
||||
|
|
|
|||||||||
|
0 |
0 |
|
N j 1 |
j1 |
|
N j 1 |
jn |
|
В табл.17 приведена в качестве примера матрица ортогонального ЦКП для двух факторов, а на рис.7
изображена схема этих опытов.
Коэффициенты регрессии при ортогональном ЦКП
рассчитываются по следующим формулам:
|
|
|
1 |
N |
|
|
|
|
b* |
|
y |
|
(4.6) |
||
|
|
||||||
0 |
|
N j 1 |
|
j |
|
||
|
N |
|
|
|
|
|
|
|
Xjiyj |
|
|
|
|
|
|
bi |
j 1 |
|
|
|
(где i 0) |
(4.7) |
|
N |
|
|
|
||||
|
(Xji )2 |
|
|
|
|
|
j 1
www.mitht.ru/e-library
74
X2
|
* |
+1 |
o |
o |
* |
0 |
* |
|
-1 |
+1 |
X1 |
|
|
|
|
o |
* |
o |
|
-1 |
|
|
|
Рис.7. Схема опытов ортогонального ЦКП для двух
факторов: - полный факторный эксперимент; * - опы-
ты в звездных точках; |
- опыт в центре плана. |
|
|
N |
|
|
X*jiyj |
|
bii |
j 1 |
(4.9) |
N |
(X*ji )2 i 1
Для расчета оценок дисперсий в определении ко-
эффициентов регрессии используют следующие вы-
75
ражения:
|
|
|
s2 |
|
|
|
|
|
|
|
||||
|
s2* |
|
|
y |
|
|
|
|
|
(4.10a) |
||||
|
N |
|
|
|
|
|||||||||
|
b0 |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
ns2 |
N |
|
|
|
|
|
||||
s2 |
s2* |
|
|
|
bii |
X2 |
|
(4.10б) |
||||||
|
|
|
|
|||||||||||
b0 |
b0 |
|
|
|
N |
j 1 |
ji |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
Таблица 17 |
|||
Ортогональное ЦКП для двух факторов |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||
Системы |
Номер |
|
|
X1 |
|
|
X2 |
X1X2 |
X1* |
|
X2* |
|||
опытов |
опыта |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Полный |
1 |
|
|
|
-1 |
|
|
-1 |
+1 |
+0.33 |
|
+0.33 |
||
факторный |
2 |
|
|
|
+1 |
|
|
-1 |
-1 |
+0.33 |
|
+0.33 |
||
эксперимент |
3 |
|
|
|
-1 |
|
|
+1 |
-1 |
+0.33 |
|
+0.33 |
||
|
4 |
|
|
|
+1 |
|
|
+1 |
+1 |
+0.33 |
|
+0.33 |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Опыты в |
5 |
|
|
|
+1 |
|
|
0 |
0 |
+0.33 |
|
-0.67 |
||
звездных |
6 |
|
|
|
-1 |
|
|
0 |
0 |
+0.33 |
|
-0.67 |
||
точках |
7 |
|
|
|
0 |
|
|
|
+1 |
0 |
-0.67 |
|
+0.33 |
|
|
8 |
|
|
|
0 |
|
|
|
-1 |
0 |
-0.67 |
|
+0.33 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Опыт в цен- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
тре плана |
9 |
|
|
|
0 |
|
|
|
0 |
0 |
-0.67 |
|
-0.67 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
www.mitht.ru/e-library
76
|
|
|
s2 |
|
|
|
|
|
|
s2 |
|
y |
|
|
(где i 0) |
(4.10в) |
|
|
N |
|
||||||
|
bi |
|
|
|
|
|
|
|
|
|
|
(Xji )2 |
|
|
|
|
|
|
|
|
j 1 |
|
|
|
|
|
|
|
|
s2 |
|
|
|
|
|
s2 |
|
|
y |
|
|
(где i k) |
(4.11) |
|
N |
|
|
|
|||||
bik |
|
|
|
|
|
|
||
|
|
(XjiXjk )2 |
|
|||||
|
|
j 1 |
|
|
|
|
|
|
|
|
|
|
|
|
s2 |
|
|
|
|
|
s2 |
|
|
y |
|
(4.12) |
|
|
|
|
N |
||||
|
|
|
bii |
|
|
|||
|
|
|
|
|
(X*ji )2 |
|
||
|
|
|
|
|
j 1 |
|
||
Коэффициент |
bi |
cчитается значимым, |
если |
bi >sbi t. Аналогично проверяется значимость ос-
тальных коэффициентов регрессии. Проверка адек-
ватности уравнения регрессии осуществляется с по-
мощью критерия Фишера.
Вычислить коэффициенты регрессии можно при помощи ППП Mathcad 8 PRO [5]. Для этого вводится матрица значений факторов X и вектор значений
функции отклика в виде Y. Далее используется функ-
ция b=regress(X,Y,n), где n – степень полинома, в
данном случае n=2. В результате мы получаем вектор
77
коэффициентов b. Следует иметь ввиду, что распо-
ложение коэффициентов в столбце вектора следую-
щее (снизу вверх): b11, b1, b0, b2, b22, b12.
Вычисление коэффициентов регрессии с исполь-
зованием современных ППП облегчает использова-
ние планов с другими критериями оптимальности, в
частности D-оптимальных планов. D-оптимальные планы характеризуются максимальной точностью предсказания. Среди композиционных планов второго порядка D-оптимальными являются планы со звезд-
ным плечом, равным единице. Можно также исполь-
зовать планы со звездным плечом, близким к едини-
це. В работе [8] показано, что наиболее точное пред-
сказание имеет место при длине звездного плеча в пределах 0.8-1.2.
После получения уравнения регрессии необходи-
мо исследовать форму поверхности отклика для пра-
вильного выбора оптимального режима технологиче-
ского процесса.
Построить поверхность отклика можно при помо-
щи ППП «Mathcad 8 PRO» [5,6]. Для этого предвари-
тельно вычисляют значение функции на прямоуголь
www.mitht.ru/e-library
78
ной сетке, то есть строят таблицу значений функции.
С этой целью вводят с клавиатуры имя функции двух
переменных f(x,y), знак равенства и выражение для
ее вычисления. Далее присваивают переменной N
значение, равное количеству узлов квадратной сетки
в плоскости переменных x, y. Определяют диапазон изменения целых индексов i и j узлов сетки xi, yj соот-
ветственно. Для этого вводят i:=0..N и j:=0..N. Далее определяют значения xi и yj в некотором диапазоне с определенным шагом посредством выражения, в со-
став которого входят индексы i и j. Табличные значе-
ния zij определяют как значение функции в узлах сет-
ки, zij=f(xi,yj). Далее в позиции Insert главного меню из открываемого при помощи команды Graph перечня типов трехмерной графики выбирают Surface Plot –
создать шаблон для построения трехмерного графи-
ка, вводят в помеченной позиции имя z и щелкают по рабочему документу вне поля графиков.
79
5. Планирование эксперимента при
изучении диаграмм состав-свойство
5.1. Метод симплексных решеток
При изучении свойств смеси, зависящих только от соотношений компонентов, факторное пространство представляет собой правильный (q-1)-мерный сим-
плекс [9]. Для систем выполняется соотношение
q |
|
|
xi |
1, |
(5.1) |
i 1 |
|
|
где xi 0 - концентрация компонента; q - количество
компонентов.
Для двухкомпонентных систем симплекс - прямая:
содержание компонентов определяется соотношени-
ем отрезков. При q=3 правильный симплекс - равно-
сторонний треугольник. Каждая точка треугольника отвечает одному определенному составу тройной системы и, наоборот, каждый состав представляется одной определенной точкой. Состав может быть вы-
ражен в мольных, весовых или объемных долях или процентах. Вершины треугольника соответствуют чистым веществам, стороны - двойным системам.
www.mitht.ru/e-library