- •Введение
- •1. Основные понятия и определения
- •Факторы
- •Определение фактора
- •Требования, предъявляемые к факторам при планировании эксперимента
- •Требования к совокупности факторов
- •2. Представление результатов экспериментов
- •3. Разложение функции отклика в степенной ряд, кодирование факторов
- •4. Однофакторный факторный эксперимент
- •4.1. Регрессионный анализ
- •Последовательность проведения регрессионного анализа
- •4.2. Метод наименьших квадратов
- •4.3. Регрессионные модели первого и второго порядка
- •4.4. Построение графиков
- •Построение линий тренда
- •4.5. Линейная функция
- •4.6. Логарифмическая, степенная и экспоненциальная функции
- •4.7. Полиномиальная функция
- •4.8. Проверка адекватности модели
- •4.9. Проверка значимости параметров модели и ее адекватности
- •4.10. Некоторые нелинейные модели, сводящиеся к линейным
- •Полиномиальная модель
- •4.11. Множественная линейная регрессия
- •4.12. Регрессия в программе Excel
- •4.13. Корреляционный анализ
- •5. Полный факторный эксперимент
- •5.1. Выбор факторов
- •5.2. Матричные преобразования при обработке результатов эксперимента
- •5.3. Ортогональное планирование эксперимента
- •4. Планы полного факторного эксперимента 2n (планы пфэ 2n)
- •1.5.3. Алгоритм пфэ при неравном числе параллельных опытов.
- •5.5. Планы дробного факторного эксперимента (планы дфэ)
- •1.6. Факторный эксперимент второго порядка
- •5.6. Насыщенные планы первого порядка
- •5.7. Планы второго порядка
- •5.7.1. Ортогональный центрально-композиционный план второго порядка
- •5.7.2. Планы второго порядка с единичной областью планирования
- •5.8. Рототабельные планы
- •5.8.1. Рототабельный ортогональный центрально-композиционный план
- •5.9. Планы для описания поверхности отклика
- •5.9.1. Композиционные планы
- •5.9.2. Композиционные планы типа Вn
- •5.10. Планы для оценки влияния факторов. Планы на латинских квадратах
- •5.11. Планы для экспериментирования в условиях дрейфа
- •Факторный эксперимент при изучении смесевых систем
- •2.1.2. Алгоритм симплекс-решетчатых планов неполного третьего порядка для трехкомпонентной смеси.
- •. Насыщенный и сверхнасыщенный планы факторного эксперимента
- •6. Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам различного объема. Критерий Бартлетта.
- •7. Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам одинакового объема. Критерий Кочрена.
- •8. Дисперсионный анализ
- •8. Проверка значимости оценок коэффициентов модели
- •Критические значения коэффициента Стьюдента (t-критерия) для различной доверительной вероятности p и числа степеней свободы f:
- •10. Проверка адекватности модели
5.7. Планы второго порядка
Они позволяют сформировать функцию отклика в виде полного квадратичного полинома, который содержит большее число членов, чем неполный квадратичный полином, сформированный по планам первого порядка, и поэтому требуют большего числа выполняемых опытов. Полный квадратичный полином при n =2 содержит 6 членов
,
при n = 3 - 11 членов
.
Известно, что для получения квадратичной зависимости каждый фактор должен фиксироваться как минимум на трех уровнях.
Для планов второго порядка область планирования может:
Быть естественной, то есть включать область планирования планов первого порядка и дополнительные точки (такие планы называются композиционными). Дополнительные точки могут выходить за область плана первого порядка – единичного гиперкуба. В этом случае опыты в них реализуются при установлении факторов за пределами варьирования. Это надо учитывать при определении области совместимости факторов.
Не выходить за пределы единичного гиперкуба, то есть для всех точек плана выполняется условие
.Не выходить за пределы единичного гипершара, определяемую соотношением таких значений факторов в плане, что
.
Во втором и третьем случаях используют специальные приемы выполнения приведенных соотношений в плане. План с одной областью планирования можно перестроить в план другой областью планирования.
Если уже был ранее сформирован план ПФЭ, но точность его функции отклика не удовлетворяет, то мы можем достроить этот план до плана второго порядка (композиционный план) и сформировать функцию отклика в виде полного квадратичного полинома, без потери информации о ранее сделанных опытах.
5.7.1. Ортогональный центрально-композиционный план второго порядка
Ортогональным планом называется такой план, у которого матрица планирования Х строится так, что бы матрица С=ХtХ оказалась диагональной. Используем этот подход и при построении планов второго порядка.
При ортогональных факторных планах каждый фактор варьируют симметрично относительно начала координат на двух уровнях. Этого достигают, принимая верхний уровень + 1, а нижний -1. При таком нормировании факторов обеспечиваются упрощения последующих вычислений. При этом число различных экспериментов N, определяемое числом всех неповторяющихся комбинаций, которые можно составить из k рассматриваемых независимых переменных, имеющих по два уровня, будет N - 2k. Таким образом, если осуществить все 2* возможных и неповторяющихся. Значимость коэффициентов проверяют по t-критерию Стьюдента, для чего сначала определяют статистический критерий , а затем значимость сравнивают с табличным значением tTa6jI, взятым из таблицы t-распределения Стьюдента по вероятности проверяемой гипотезы р и количеству степеней свободы, с которым определялось . Если для каждого коэффициента t > tTa6jI, то они все значимы. Затем определяют доверительные интервалы для каждого из коэффициентов по формуле
После интерпретации модели экспериментатор принимает решение о проведении дальнейших исследований. Для этого вначале устанавливают, в какой мере каждый из факторов влияет на параметр оптимизации У. Знак плюс при коэффициенте свидетельствует, что с увеличением значения фактора растет Y, при знаке минус - увеличение значения фактора приводит к уменьшению параметра оптимизации У.
Если линейная модель адекватна, а все коэффициенты незначимы (кроме 60) (чаще всего это происходит вследствие большой ошибки эксперимента или узких интервалов варьирования), то необходимо увеличить точность эксперимента, расширить интервалы варьирования. Если линейная модель неадекватна, это значит, что не удается аппроксимировать поверхность отклика плоскостью. В этом случае изменяют интервалы варьирования, выбирают другую точку в качестве нулевого уровня, либо используют нелинейную модель и весь цикл повторяют.
План называется центральным, если все точки расположены симметрично относительно центра плана. ОЦКП – центральный симметричный ортогональный композиционный план.
В
ОЦКП входят: ядро - план ПФЭ с N0=
2n
точками плана, n0
(одна для этого плана) центральная точка
плана
и
по две “звездные” точки для каждого
фактора
,
,
,
,
.
–
плечо
“звездных” точек.
При
этом в каждой плоскости, содержащей ось
Y
и координатную ось i-того
фактора (проходящей через центр плана),
оказываются три значения фактора хi
и
три соответствующих значения Y.
Общее количество точек в плане ОЦКП составляет
,
где для ОЦКП n0=1.
При n > 2 в ОЦКП оказывается меньшее количество точек, чем в плане ПФЭ 3n .
Число точек в плане
n |
2 |
3 |
4 |
5 |
6 |
ОЦКП |
9 |
15 |
25 |
43 |
77 |
ПФЭ
|
9 |
27 |
81 |
243 |
729 |
Графическое представление ОЦКП для n=3 приведено на рис. 36.
Рис. 36. ОЦКП при n=3
Для ортогонального плана необходимо, чтобы выполнялось соотношение
.
Так
как
,
то для столбцов j=1,
2,…., m+1
должно выполняться условие
.
Это означает необходимость выполнения требования, чтобы сумма элементов любого столбца (кроме j=0), включая столбцы, соответствующие квадратам фактора, должна быть равна нулю. Это возможно, если члены столбцов, соответствующих квадратам факторов, преобразованы, иначе сумма квадратов факторов не может быть равна нулю.
Преобразование элементов этих столбцов осуществляется в виде
,
где а – величина, зависящая от числа факторов.
Сумма элементов столбца, соответствующего квадратам факторов
.
Откуда
.
В общем случае ортогональный центрально-композиционный план при трех (n) факторов имеет следующий вид
|
U |
x0 |
x1 |
x2 |
x3 |
x1x2 |
x1x3 |
x2x3 |
x1x2x3 |
x4= x12-a |
x5= x22-a |
x6= x32-a |
Y |
Точки плана ПФЭ 23 (N0=2n точек) |
1 |
+1 |
-1 |
-1 |
-1 |
+1 |
+1 |
+1 |
-1 |
1 – a |
1 – a |
1 – a |
Y1 |
2 |
+1 |
+1 |
-1 |
-1 |
-1 |
-1 |
+1 |
+1 |
1 – a |
1 – a |
1 – a |
Y2 |
|
3 |
+1 |
-1 |
+1 |
-1 |
-1 |
+1 |
-1 |
-1 |
1 – a |
1 – a |
1 – a |
Y3 |
|
4 |
+1 |
+1 |
+1 |
-1 |
+1 |
-1 |
-1 |
-1 |
1 – a |
1 – a |
1 – a |
Y4 |
|
5 |
+1 |
-1 |
-1 |
+1 |
+1 |
-1 |
-1 |
+1 |
1 – a |
1 – a |
1 – a |
Y5 |
|
6 |
+1 |
+1 |
-1 |
+1 |
-1 |
+1 |
-1 |
-1 |
1 – a |
1 – a |
1 – a |
Y6 |
|
7 |
+1 |
-1 |
+1 |
+1 |
-1 |
-1 |
+1 |
+1 |
1 – a |
1 – a |
1 – a |
Y7 |
|
8 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
-1 |
1 – a |
1 – a |
1 – a |
Y8 |
|
Звездные точки 2n точек |
9 |
+1 |
-α |
0 |
0 |
0 |
0 |
0 |
0 |
α2 – a |
-a |
-a |
Y9 |
10 |
+1 |
+ α |
0 |
0 |
0 |
0 |
0 |
0 |
α2 – a |
-a |
-a |
Y10 |
|
11 |
+1 |
0 |
-α |
0 |
0 |
0 |
0 |
0 |
-a |
α2 – a |
-a |
Y11 |
|
12 |
+1 |
0 |
+ α |
0 |
0 |
0 |
0 |
0 |
-a |
α2 – a |
-a |
Y12 |
|
13 |
+1 |
0 |
0 |
-α |
0 |
0 |
0 |
0 |
-a |
-a |
α2 – a |
Y13 |
|
14 |
+1 |
0 |
0 |
+ α |
0 |
0 |
0 |
0 |
-a |
-a |
α2 – a |
Y14 |
|
Нулевая точка |
15 |
+1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-a |
-a |
-a |
Y15 |
|
- |
N |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
|
- |
N |
2n+2a2 |
2n |
2n(1-a)2+2(a2-a)2+ +a2(2n-2) +n0a2 |
|
|||||||
В ОЦКП каждый фактор фиксируется, в общем случае, на пяти уровнях (- , -1, 0, 1, + ).
Для
определения неизвестных “а” и “
”
нужно сформировать и решить систему из
двух уравнений. Одно из них для “а” мы
записали раннее. Другое уравнение
получим из условия ортогональности для
столбцов
и
.
После
простейших преобразований с учетом
того, что
–
общее число опытов в плане, получаем
соотношение
.
Соотношение для а при j=1, 2 или 3 может быть записано как (см. план)
.
Подставив его в последнее уравнение получаем
,
откуда константа преобразования а
.
Тогда
и плечо звездных точек
.
Например, для ОЦКП при числе факторов n=3 имеем следующие параметры плана
,
,
;
,
,
,
.
Сам план принимает вид
|
U |
x0 |
x1 |
x2 |
x3 |
x1x2 |
x1x3 |
x2x3 |
x1x2x3 |
x4= x12-a |
x5= x22-a |
x6= x32-a |
Y |
Точки плана ПФЭ 23 (N0=2n точек) |
1 |
+1 |
-1 |
-1 |
-1 |
+1 |
+1 |
+1 |
-1 |
0,27 |
0,27 |
0,27 |
Y1 |
2 |
+1 |
+1 |
-1 |
-1 |
-1 |
-1 |
+1 |
+1 |
0,27 |
0,27 |
0,27 |
Y2 |
|
3 |
+1 |
-1 |
+1 |
-1 |
-1 |
+1 |
-1 |
-1 |
0,27 |
0,27 |
0,27 |
Y3 |
|
4 |
+1 |
+1 |
+1 |
-1 |
+1 |
-1 |
-1 |
-1 |
0,27 |
0,27 |
0,27 |
Y4 |
|
5 |
+1 |
-1 |
-1 |
+1 |
+1 |
-1 |
-1 |
+1 |
0,27 |
0,27 |
0,27 |
Y5 |
|
6 |
+1 |
+1 |
-1 |
+1 |
-1 |
+1 |
-1 |
-1 |
0,27 |
0,27 |
0,27 |
Y6 |
|
7 |
+1 |
-1 |
+1 |
+1 |
-1 |
-1 |
+1 |
+1 |
0,27 |
0,27 |
0,27 |
Y7 |
|
8 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
-1 |
0,27 |
0,27 |
0,27 |
Y8 |
|
Звездные точки 2n точек |
9 |
+1 |
-1,215 |
0 |
0 |
0 |
0 |
0 |
0 |
0,75 |
-0,73 |
-0,73 |
Y9 |
10 |
+1 |
+ 1,215 |
0 |
0 |
0 |
0 |
0 |
0 |
0,75 |
-0,73 |
-0,73 |
Y10 |
|
11 |
+1 |
0 |
-1,215 |
0 |
0 |
0 |
0 |
0 |
-0,73 |
0,75 |
-0,73 |
Y11 |
|
12 |
+1 |
0 |
+ 1,215 |
0 |
0 |
0 |
0 |
0 |
-0,73 |
0,75 |
-0,73 |
Y12 |
|
13 |
+1 |
0 |
0 |
-1,215 |
0 |
0 |
0 |
0 |
-0,73 |
-0,73 |
0,75 |
Y13 |
|
14 |
+1 |
0 |
0 |
+ 1,215 |
0 |
0 |
0 |
0 |
-0,73 |
-0,73 |
0,75 |
Y14 |
|
Нулевая точка |
15 |
+1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-0,73 |
-0,73 |
-0,73 |
Y15 |
|
- |
N |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
|
- |
N |
2n+2a2 |
2n |
2n(1-a)2+2(a2-a)2+ +a2(2n-2) +n0a2 |
|
|||||||
Очевидно, что план является ортогональным. В отличие от планов ПФЭ для ОЦКП сумма квадратов факторов разных столбцов не является одинаковой.
По результатам опытов плана формируется полином
.
Коэффициенты
полинома
определяется
как
.
Можно преобразовать полином к виду
,
где
.
Значения параметров ОЦКП при числе факторов n
n |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
α |
1 |
1,125 |
1,414 |
1,596 |
1,761 |
1,909 |
2,045 |
a |
0,667 |
0,73 |
0,8 |
0,86 |
0,91 |
0,946 |
0,968 |
N |
9 |
15 |
25 |
43 |
77 |
143 |
273 |
При n =2 ОЦКП совпадает с планом ПФЭ 23. Звездные точки ОЦКП в этом случае лежат на границах варьирования факторов. Если точки плана ПФЭ 2n всегда лежат на окружности (поверхности шара, гипершара), то точки плана ОЦКП не лежат на какой-либо одной окружности (поверхности шара, гипершара). План ОЦКП не является насыщенным. Так, например, для n = 3 полином имеет одиннадцать членов со своими коэффициентами, но для их определения используются пятнадцать опытов.
