
- •Общие вопросы моделирования
- •1.1. Прогнозирование расчетных ситуаций
- •1.2. Общие сведения о моделировании систем
- •1.2.1. Виды моделирования
- •1.2.2. Математическое моделирование Виды математических моделей
- •Структурные математические модели
- •Функциональные математические модели
- •1.3. Подготовка данных и обработка результатов моделирования систем
- •1.3.1. Случайные величины, законы их распределения
- •1.3.2. Основные виды теоретических распределений
- •1.3.3. Определение параметров эмпирических распределений
- •1.3.4. Доверительные интервалы. Надежность. Обеспеченность
- •1.3.6. Подбор подходящего теоретического распределения Критерии согласия
- •1.4. Планирование эксперимента
- •1.4.1. Полный факторный эксперимент
- •1.4.2. Дробные реплики
- •1.4.3. Общая схема планирования эксперимента Крутое восхождение
- •Этапы планирования эксперимента
- •1.4.4. Стратегическое и тактическое планирование
- •Стратегическое планирование эксперимента
- •Тактическое планирование
- •1.5. Обработка и анализ результатов моделирования систем
- •1.5.1. Общие положения
- •1.5.2. Метод наименьших квадратов
- •Основы метода
- •Последовательность обработки данных
- •1.5.3. Практические приемы подбора кривых
- •1.5.4. Подбор эмпирических формул по кривым
1.4.2. Дробные реплики
Число опытов в полном факторном эксперименте быстро возрастает с ростом числа факторов. Так, при трех факторах будем иметь 23=8 опытов, при 5 факторах - 25=32 опыта, а при 8 факторах уже 28=256 опытов. Это вызывает необходимость разработки методов отбора части переменных, наиболее существенно влияющих на поверхность отклика. Поэтому, хотя полный факторный план 2k является удобным с точки зрения простоты проведения анализа параметров функции регрессии, тем не менее при большом числе факторов его применяют редко. При трех и более факторах количество опытов можно существенно сократить за счет потери части информации, не очень существенной при построении линейных моделей. Для этого вместо плана 2k следует использовать дробный факторный план 2k - p (2k - p≥+1), который предназначен для реализации 2k -p опытов. Для построения дробных планов (реплик) используют матрицы полного факторного эксперимента. Дробные планы создают делением числа опытов полного факторного эксперимента на число, кратное двум. Так получают 1/2 реплики (полуреплику), 1/4 реплики (четвертьреплику) и т. д.
Вначале рассмотрим линейную функцию регрессии, зависящую от трех факторов:
(1.67)
Для оценки четырех коэффициентов b0, b1, b2, b3 требуется провести четыре опыта, а проведение полного факторного эксперимента, состоящего из восьми опытов, позволяет несмещенно оценить не только общее среднее b0 и главные эффекты b1, b2, bз, но также и всевозможные взаимодействия первого и второго порядков, т. е. все параметры неполной кубической модели
(1.68)
содержащей восемь коэффициентов. Следовательно, восемь опытов, поставленных для оценки коэффициентов линейной модели (1.67), будут содержать в два раза больше информации, чем требуется.
Для оценивания параметров функции регрессии (1.67) можно построить план, предназначенный для проведения не восьми, а четырех опытов. Для этой цели факторы x1 и х2 следует варьировать, как в плане 22, а в качестве уровня фактора х3 нужно выбрать значение взаимодействия, т. е. х3 = x1x2. Получим план, определяемый матрицей, приведенной в табл. 1.4.
Таблица 1.4
№ опыта |
Матрица плана |
|||
|
x0 |
x1 |
x2 |
x3 |
1 2 3 4 |
+ 1 + 1 + 1 + 1 |
+ 1 - 1 + 1 - 1 |
+ 1 + 1 - 1 - 1 |
+ 1 - 1 - 1 + 1 |
Рассмотрим вопрос построения дробных реплик более подробно. Вернемся к функции регрессии (1.68). Матрица плана этой модели приведена в табл. 1.5.
Рассмотрим эту таблицу более внимательно и обратим внимание, что второй столбец таблицы совпадает с девятым, третий - с восьмым, четвертый - с седьмым, пятый - с шестым. Следовательно, при использовании этого плана нет различий между х0 и х1 х2 x3; x1 и х2 х3; х2 и x1 x3; х3 и x1x2, т. е.
(1.69)
Таблица 1.5
№ |
Матрица плана |
|||||||
опыта |
x0 |
x1 |
x2 |
x3 |
х1 x2 |
x1 x3 |
x2 x3 |
x1 x2 x3 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
1 2 3 4 |
+1 +1 +1 +1 |
+1 -1 +1 -1 |
+1 +1 -1 -1 |
+1 -1 -1 +1 |
+1 -1 -1 +1 |
+ 1 +1 -1 -1 |
+1 -1 +1 -1 |
+1 +1 +1 +1 |
На этом основании можно утверждать, что вместо отыскания оценок восьми параметров функции регрессии (1.68) можно найти оценки лишь четырех смешанных коэффициентов:
(1.70)
При этом главные эффекты, включая общее среднее, оцениваются независимо друг от друга, но смешиваются соответственно с эффектами взаимодействий второго и первого порядка. Если постулируется линейная модель (1.67), то эффекты взаимодействий считаются незначительными, а смешанные коэффициенты (1.70) превращаются в параметры модели (1.67).
Таким образом, полный факторный эксперимент 23 при постулировании линейной модели можно рассматривать как совокупность двух полуреплик. Представленный в табл. 1.5 план называют полурепликой или планом 23 -1, полученным из полного факторного плана 23 путем приравнивания единице произведения x1 x2 x3, т. е.
(1.71)
Это соотношение называется определяющим для данной полуреплики. Другая полуреплика 23 -1 получится из определяющего соотношения x1 x2 x3 = - 1, т. е. если уровни фактора х3 устанавливать в соответствии с равенством х3= - x1 x2.
Пример. План полного факторного эксперимента и его результаты записаны в левой части (столбцах 1...6) табл. 1.6. Требуется составить уравнения регрессии для полного факторного эксперимента и для его дробных реплик, если известно, что функция отклика линейна (либо постулируется ее линейность).
Таблица 1.6
№ опыта |
|
|
|
|
y |
|
|
|
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
1 |
+1 |
-1 |
-1 |
-1 |
4 |
+1 |
+1 |
+1 |
-1 |
2 |
+1 |
+1 |
-1 |
-1 |
16 |
-1 |
-1 |
+1 |
+1 |
3 |
+1 |
-1 |
+1 |
-1 |
-4 |
-1 |
+1 |
-1 |
+1 |
4 |
+1 |
+1 |
+1 |
-1 |
8 |
+1 |
-1 |
-1 |
-1 |
5 |
+1 |
-1 |
-1 |
+1 |
8 |
+1 |
-1 |
-1 |
+1 |
6 |
+1 |
+1 |
-1 |
+1 |
20 |
-1 |
+1 |
-1 |
-1 |
7 |
+1 |
-1 |
+1 |
+1 |
0 |
-1 |
-1 |
+1 |
-1 |
8 |
+1 |
+1 |
+1 |
+1 |
12 |
+1 |
+1 |
+1 |
+1 |
Решение. Запишем уравнение регрессии для линейной поверхности отклика
(1.72)
Коэффициенты bi будем определять по формуле (1.62) в соответствии с приемами, указанными в пояснениях к этой формуле.
Вначале определим коэффициенты регрессии, используя данные полного факторного эксперимента (левую часть табл. 1.6).Имеем:
(1.73)
Построим дробные реплики, для чего заполним правую часть табл. 1.6 (столбцы 7...10) и выберем строки, у которых 10-й столбец имеет одинаковые знаки. В результате получим две полуреплики:
Таблица 1.7
№ опыта |
x0 |
x1 |
x2 |
x3 |
Y |
1 |
2 |
3 |
4 |
5 |
6 |
Первая |
Полуреплика |
||||
2 |
+ 1 |
+1 |
-1 |
-1 |
16 |
3 |
+ 1 |
-1 |
+1 |
-1 |
-4 |
5 |
+ 1 |
-1 |
-1 |
+1 |
8 |
8 |
+ 1 |
+1 |
+1 |
+1 |
12 |
Вторая полуреплика |
|||||
1 |
+ 1 |
-1 |
-1 |
-1 |
4 |
4 |
+ 1 |
+1 |
-1 |
-1 |
8 |
6 |
+ 1 |
+1 |
-1 |
+1 |
20 |
7 |
-1 |
-1 |
+1 |
+1 |
0 |
Определим коэффициенты регрессии по дробным репликам.
Для первой полуреплики будем иметь: b0 = (16—4+8-12)/4=8; b1 = (16+4 — -8 + 12)/4 = 6; b2 = (-16-4-8 + 12)/4=-4; b3 = (-16 + 4+8-(-12)/4=2. Для второй полуреплики b0=(4+8+20+0)/4=8; b1 = (-4 + 8+20-0)/4=6; b2 = (-4 + + 8-20 + 0)/4=-4; b3 = (-4-8 + 20)/4 = 2.
Как и следовало ожидать, во всех трех случаях для линейной поверхности отклика получены одинаковые результаты.
На рис. 1.20 приведена схема полного трехфакторного эксперимента и его полуреплик. Цифрами отмечены номера опытов с указанием в скобках координат факторов x1, x2, х3. Точки 2, 3, 5, 8 соответствуют первой полуреплике, а цифры 1, 4, 6, 7 - второй. Обратите внимание, что каждая из полуреплик наиболее полно охватывает опытные точки факторного пространства.
При большом числе факторов т для оценивания параметров линейной функции регрессии (1.65) можно строить дробные реплики высокой степени дробности [19]. Так, при т = 7 можно построить дробную реплику из полного факторного плана 23 для первых трех факторов, приравняв четыре остававшихся фактора к двухфакторным и трехфакторному взаимодействиям трех других факторов, положив, например
(1.74)
Такую реплику записывают как 27 - 4.
Рис. 1.20. Схема трехфакторного эксперимента
В общем случае дробную реплику обозначают через 2т - p, если р факторов приравнены к произведениям остальных т - р факторов, уровни которых выбраны согласно полному факторному плану. Дробную реплику 2 т - р можно строить различными способами. Для анализа системы смешивания коэффициентов пользуются понятиями генерирующих и определяющих соотношений.
Генерирующими называют соотношения, с помощью которых построена дробная реплика. Так, для реплики, представленной в табл. 1.5, генерирующим является соотношение x3 = x1x2, а это указывает, что фактор х3 занимает в матрице столбец, соответствующий взаимодействию х1х2. Для указанной выше реплики 27 - 4генерирующим является соотношение (1.74).
Определяющим соотношением (определяющим контрастом) называют равенство, в левой части которого стоит единица, а в правой — какое-либо произведение факторов. Для дробной реплики 2т - р можно получить р различных определяющих соотношений из генерирующих путем умножения обеих частей последних на их левые части с последующей заменой (xi)2 на 1 (i=1,..,т). Другие определяющие соотношения получаются путем перемножения ранее полученных и выделения среди них новых. Например, для реплики (табл. 1.5) определяющим является соотношение (1.71).
Построим определяющие соотношения для реплики 27 - 4, задаваемой генерирующими соотношениями (1.74). Умножая обе части равенств (1.74) на их левые части, получаем четыре определяющих соотношения:
(1.75)
Попарное перемножение этих четырех соотношений дает шесть новых:
(1.76)
Перемножение каждой тройки из четырех соотношений (1.75) дает еще три определяющих соотношения:
(1.77)
Наконец, перемножая все четыре соотношения (1.75), получаем
(1.78)
Легко понять, что кроме (1.75)...(1.78), других определяющих соотношений для рассмотренной реплики 2+ 7 - 4 нет.
Знание определяющих соотношений позволяет найти всю систему совместных оценок без изучения матрицы планирования дробной реплики. Для того чтобы определить, с какими взаимодействиями смешано данное, нужно на него умножить обе части всех определяющих соотношений.
Определим, например, с какими взаимодействиями смешан главный эффект b3 в дробной реплике 27 - 4, определяемой генерирующими соотношениями (1.74). Для этого умножим все определяющие соотношения (1.75)...(1.78) на х3. Получим
Следовательно, главный
эффект b3
смешан с эффектами
взаимодействий первого порядка
с эффектами взаимодействий
второго порядка
третьего порядка
четвертого порядка
и пятого порядка
В конкретной практической ситуации для выбора подходящей дробной реплики полного факторного плана необходимо использовать все априорные сведения теоретического и интуитивного характера об объекте планирования с целью выделения тех факторов и произведений факторов, влияние которых на результаты измерений существенно. При этом смешивание нужно производить так, чтобы общее среднее bo и главные эффекты b1, ..., bт были смешаны с эффектами взаимодействий самого высокого порядка (так как обычно они отсутствуют) или с эффектами таких взаимодействий, о которых известно, что они оказывают несущественное влияние на результаты измерений. Отсюда следует, в частности, что недопустимо произвольное разбиение полного факторного плана 23 на две части для выделения полуреплики 23-1.
Качество дробного факторного плана иногда характеризуют с помощью разрешающей способности плана, которая равна наименьшему числу символов в правых частях определяющих соотношений. В частности, для плана разрешающей способности III ни один главный эффект не смешан ни с каким другим главным эффектом, но главные эффекты смешаны с эффектами двухфакторных взаимодействий. Для плана разрешающей способности IV главные эффекты не смешаны друг с другом и с эффектами двухфакторных взаимодействий, но последние друг с другом смешаны. Для плана разрешающей способности V главные эффекты и эффекты двухфакторных взаимодействий не смешаны, но последние смешаны с эффектами трехфакторных взаимодействий. Все три рассмотренные выше дробные реплики имеют разрешающую способность III.