- •1 Метод контрольних меж
- •1.1 Теоретичні відомості
- •1.1.1 Загальні відомості
- •1.1.2 Коротка історична довідка
- •1.1.3 Невизначеність при проведенні експерименту
- •1.1.4 Стандартна невизначеність при проведенні експерименту
- •1.1.5 Аналіз результатів повторних спостережень
- •1.1.6 Перевірка гіпотези про вид закону розподілу результатів
- •1.1.7 Методи перевірки гіпотез про вид закону розподілу
- •1.1.7.1 Критерій 2 Пірсона.
- •1.1.7.2 Складений критерій
- •1.1.7.3 Обробка результатів кількох серій вимірювань
- •1.1.8 Вимірювання невипадкових величин та їх реалізацій Призначення контрольних меж. Рівноточні виміри постійної величини
- •1.1.9 Статистична характеристика якості продукції
- •1.1.10 Статистичний контроль якості продукції
- •1.1.11 Техніка контрольних карт
- •1.1.12 Форма контрольної карти типу "середнє-размах"
- •2 Однофакторний дисперсійний аналіз
- •2.1 Теоретичні відомості
- •2.1.1 Постановка задачі
- •2.1.2 Постановка задачі в загальному вигляді
- •Припущення, на яких базується дисперсійний аналіз
- •2.1.4 Ідея дисперсійного аналізу
- •Однофакторний аналіз
- •2.1.6 Розкладання сум квадратів
- •2.1.7 Оцінка дисперсій
- •2.1.8 Оцінка впливу фактора
- •2.1.9 Випадок нерівнокількісних спостережень
- •5) Співвідношення для сум (2.34)
- •2.1.10 Розрахункові формули для суми
- •3 Багатофакторний дисперсійний аналіз
- •3.1 Теоретичні відомості
- •3.1.1 Постановка задачі
- •3.1.2 Розклад сум квадратів
- •3.1.3 Оцінка дисперсій
- •3.1.4. Оцінка впливу факторів
- •3.1.5 Розрахункові формули для сум
- •3.1.6. Опорна стрижнева порцелянова ізоляція
- •4.1 Теоретичні відомості
- •4.2 Багатофакторний експеримент
- •4.2.1 Вибір моделі
- •4.2.2 Повний факторний експеримент
- •4.2.3 Дробовий факторний експеримент
- •4.2.4 Проведення експерименту і обробка його результатів
- •4.2.5 Прийняття рішень
- •4.2.6 Випробування при підвищених і граничних навантаженнях
- •5 Лабораторна робота № 1
- •5.2 Хід роботи
- •5.3 Приклад виконання завдання
- •5.3.1 Завдання
- •5.3.2 Рішення задачі
- •5.4 Варіанти завдань
- •1.5 Контрольні питання
- •6 Лабораторна робота № 2 однофакторний дисперсійний аналіз
- •6.2 Хід роботи
- •6.3 Приклад виконання завдання
- •6.3.1 Завдання
- •6.3.2 Рішення задачі
- •6.4 Варіанти завдань
- •7 Лабораторна робота № 3 багатофакторний дисперсійний аналіз
- •7.2 Хід роботи
- •7.3 Приклад виконання завдання
- •7.3.1 Завдання
- •7.3.2 Рішення задачі
- •Д вофакторний аналіз
- •7.4 Варіанти завдань
- •8 Лабораторна робота № 4
- •8.2 Теоретичні відомості
- •8.3 Хід роботи
- •8.4 Контрольний приклад
- •8.4.1 Домашня підготовка
- •8.4.2 Робота в лабораторії
- •8.5 Формули для розрахунку
- •8.6 Варіанти завдань
- •8.7 Контрольні питання
- •Література
- •Основи теорії планування експерименту
- •21021, М. Вінниця, Хмельницьке шосе, 95 , внту
- •21021, М. Вінниця, Хмельницьке шосе, 95 , внту
4.2.3 Дробовий факторний експеримент
ПФЕ потребує великої кількості дослідів, причому частина з них має мало інформації. Дробовий факторний експеримент (ДФЕ) дозволяє скоротити кількість дослідів і в той самий час отримати основний об’єм необхідної інформації.
Експеримент, який складається за об’ємом тільки з частини ПФЕ, називається дробовою реплікою. Є піврепліка (1/2 репліки), 1/4 репліки, 1/8 репліки тощо. Умовні позначення дробових реплік і кількість дослідів наведені нижче.
Таблиця 4.6 - Умовні позначення дробових реплік і кількість дослідів
Кількість факторів |
Дробова репліка |
Умовне позначення |
Кількість дослідів |
|
для дробової репліки |
для ПФЕ |
|||
3 |
1/2 репліки від 23 |
23-1 |
4 |
8 |
4 |
1/2 репліки від 24 |
24-1 |
8 |
16 |
5 |
1/4 репліки від 25 |
25-2 |
8 |
32 |
6 |
1/8 репліки від 26 |
26-3 |
8 |
64 |
7 |
1/16 репліки від 27 |
27-4 |
8 |
128 |
5 |
1/2 репліки від 25 |
25-1 |
16 |
32 |
6 |
1/4 репліки від 26 |
26-2 |
16 |
64 |
7 |
1/8 репліки від 27 |
27-3 |
16 |
128 |
8 |
1/16 репліки від 28 |
28-4 |
16 |
256 |
Процес утворення реплік для постановки двофакторного експерименту видно з прикладу.
Приклад. Задано матрицю для повного факторного експерименту 22.
Таблиця 4.7 - Початкові дані для прикладу
№ досліду |
Х0 |
Х1 |
Х2 |
(Х2) Х1 Х2 |
|
1 |
+ |
- |
- |
+ |
|
2 |
+ |
+ |
- |
- |
|
3 |
+ |
- |
+ |
- |
|
4 |
+ |
+ |
+ |
+ |
|
Параметром оптимізації є рівняння:
. (4.44)
Якщо є підстави вважати, що у вибраних інтервалах варіювання Y може бути поданий як лінійна модель (тобто ), то досить визначити тільки три коефіцієнти: . Тоді кількість дослідів буде більше кількості шуканих коефіцієнтів, тому стовпець можна використати для нового фактора . Таким чином, маємо, що замість восьми дослідів в ПФЕ для трьох факторів можна провести тільки чотири досліди.
При цьому оцінки фактичних коефіцієнтів є вже змішаними: ; ; . Ефект цього змішування знижує точність оцінок. Однак, оскільки ми вважаємо модель лінійною і взаємодії досить малими, то точність оцінок буде достатньою.
Складена матриця буде півреплікою від ПФЕ 23, яка позначається 23-1. При виборі більш складних реплік застосовуються спеціальні правила. Ефективність застосування дробових реплік залежить від вдалого вибору системи змішування лінійних ефектів з ефектами взаємодій. Репліки, в яких ефекти змішані зі взаємодіями найвищого порядку, є найефективнішими. Вони мають найбільшу дозволяючу спроможність.
В реальних умовах розробник може не мати твердої впевненості в відсутності тієї чи іншої взаємодії факторів. В цьому випадку потрібно знати, коли і які ефекти визначаються спільно, тобто визначити розподільну здатність дробових реплік. Для цього зручно використовувати поняття “визначальні контрасти” і “генерувальні співвідношення”.
Розглянемо ці поняття спочатку на прикладі піврепліки 23-1.
При побудові піврепліки 23-1 лише дві можливості: і . Ці дві піврепліки наведені в таблиці 4.8.
Таблиця 4.8 - Піврепліки 23-1
№ досліду |
матриця І Х3=Х1Х2 |
|||
Х1 |
Х2 |
Х3 |
Х3 Х3 Х3 |
|
1 |
+ |
+ |
+ |
+ |
2 |
- |
- |
+ |
+ |
3 |
+ |
- |
- |
+ |
4 |
- |
+ |
- |
+ |
|
матриця ІІ Х3=-Х1Х2 |
|||
Х1 |
Х2 |
Х3 |
Х3 Х3 Х3 |
|
1 |
+ |
+ |
- |
- |
2 |
- |
- |
- |
- |
3 |
+ |
- |
+ |
- |
4 |
- |
+ |
+ |
- |
Для добутку трьох стовпців матриці І маємо:
,
а для матриці ІІ:
.
Добутки стовпців матриць, що дорівнюють +1 або –1, називаються визначальними контрастами. Контраст допомагає знайти змішані ефекти. Для визначення, який ефект змішаний з даними, потрібно помножити обидві частини визначального контраста на стовпець, що відповідає даному ефекту. Так, для І матриці, де визначальний контраст , маємо:
; (4.45)
; (4.46)
. (4.47)
Це означає, що коефіцієнти лінійного рівняння будуть оцінками лінійних ефектів:
B11+23; B22+13; B33+12. (4.48)
Співвідношення, що показує, з яким з ефектів змішаний даний ефект, називається, генерувальним співідношенням.
Піврепліки, в яких основні ефекти змішані з двофакторними взаємодіями, називаються планами з розподільною здатністю ІІІ (з найбільшою кількістю факторів у визначальному контрасті). Вони позначаються . При виборі піврепліки 24-1 можливі вісім рішень (таблиця 4.9).
Репліки 1-7 мают по три фактори в визначальному контрасті, а 7 і 8 – по чотири. Тому репліки 7 і 8 мають максимальну розподільну здатність. Їх називають головними. Це пов’язано з тим, що часто потрійні взаємодії не такі важливі, як парні.
Р епліки, в яких немає ні одного головного ефекта, змішаного з іншим головним ефектом або парною взаємодією, називаються планами з розподільну здатністю ІV (за найбільшою кількістю факторів в визначальному контрасті) і позначаються .
Таблиця 4.9 - Можливі вісім рішень при виборі напіврепліки 24-1
Номер рішення |
Варіант рішення |
Номер рішення |
Варіант рішення |
1 |
|
5 |
|
2 |
|
6 |
|
3 |
|
7 |
|
4 |
|
8 |
|
Приклад. Необхідно спланувати експеримент з метою вибору оптимальних параметрів пристрою для отримання максимального значення вихідної характеристики Y. Вихідні значення факторів і інтервали варіювання задані в таблиці 4.9.
Для матриці планування вибираємо напіврепліку 24, задану генерувальним співвідношенням . Визначальним контрастом є .
Множачи визначальний контраст , визначимо спільно оцінки лінійних ефектів і взаємодій
; (4.49)
; (4.50)
; (4.51)
. (4.52)
Таблиця 4.9 - Вихідні значення факторів і інтервали варіювання
Фактор |
Рівні факторів |
Інтервал варіювання |
||
-1 |
0 |
+1 |
||
|
200 |
220 |
240 |
20 |
|
3 |
6 |
9 |
3 |
|
40 |
100 |
160 |
60 |
|
1 |
2 |
3 |
1 |
Матриця планування і результати експерименту наведені в таблиці 4.10.
Таблиця 4.10 - Матриця планування і результати експерименту
№ досліду |
Х0 |
Х1 |
Х2 |
Х3 |
Х4 |
|
|
|
|
1 |
+ |
+ |
+ |
- |
- |
+ |
- |
- |
10 |
2 |
+ |
- |
- |
- |
- |
+ |
+ |
+ |
9 |
3 |
+ |
+ |
- |
- |
+ |
- |
- |
+ |
15 |
4 |
+ |
- |
+ |
- |
+ |
- |
+ |
- |
25 |
5 |
+ |
+ |
+ |
+ |
+ |
+ |
+ |
+ |
26 |
6 |
+ |
- |
- |
+ |
+ |
+ |
- |
- |
14 |
7 |
+ |
+ |
- |
+ |
- |
- |
+ |
- |
5 |
8 |
+ |
- |
+ |
+ |
- |
- |
- |
+ |
20 |
|
15 |
-1,5 |
4,75 |
0,75 |
4,5 |
-0,75 |
0,75 |
2 |
|
Коефіцієнти обчислюються за формулами, наведеними вище. Вони дорівнюють:
, (4.53)
(4.54)
тощо. Таким чином, аналітичний вираз для Y набуде вигляду
. (4.55)
Подальший аналіз подібних виразів, їх зміна і проведення нових експериментів ведуться відповідно до порядку, викладеного нижче.