
- •В.А. Чуфистов планирование и организация эксперимента
- •1. Введение
- •1.1.Основные понятия и определения в области научных исследований.
- •1.2. Сбор и обработка информации при выполнении научных исследований
- •1.3. Роль эксперимента при выполнении научных исследований
- •2. Объекты исследований, параметры оптимизации
- •2.1. Объекты исследования, факторы и способы воздействия на объекты
- •2.2. Требования к параметру оптимизации
- •2.3. О задачах с несколькими выходными параметрами
- •3. Обобщенный параметр оптимизации
- •3.1. Простейшие способы построения обобщенного отклика
- •3.2. Шкала желательности
- •3.3. Преобразование частных откликов в частные функции желательности
- •3.4. Обобщенная функция желательности
- •4. Факторы
- •4.1. Определение фактора
- •4.2. Требования, предъявляемые к факторам при планировании эксперимента
- •4.3. Требования к совокупности факторов
- •5. Выбор модели
- •5.1. Шаговый принцип
- •5.2. Требования к модели
- •5.3. Полиномиальные модели
- •6. Полный факторный эксперимент
- •6.1. Особенности полного факторного эксперимента
- •6.2. Принятие решений перед планированием эксперимента
- •6.3. Полный факторный эксперимент типа 2k
- •6.4. Свойства полного факторного эксперимента типа 2k
- •6.5. Полный факторный эксперимент и математическая модель
- •7. Дробный факторный эксперимент
- •7.1. Минимизация числа опытов
- •7.2. Дробная реплика
- •7.3. Выбор полуреплик. Генерирующие соотношения и определяющие контрасты
- •8. Проведение эксперимента
- •8.1. Ошибки параллельных опытов
- •8.2. Дисперсия параметра оптимизации
- •8.3. Проверка однородности дисперсий
- •8.4. Рандомизация
- •8.5. Разбиение матрицы типа 2k на блоки
- •9. Обработка результатов эксперимента
- •9.1. Метод наименьших квадратов
- •9.2. Регрессионный анализ
- •9.3. Проверка адекватности модели
- •9.4. Проверка значимости коэффициентов
- •10. Матричный подход к регрессионному анализу
- •10.1. Метод наименьших квадратов для одного фактора
- •10.2. Обобщение метода наименьших квадратов на многофакторный линейный случай
- •10.3. Статистический анализ
- •10.4. Взвешенный метод наименьших квадратов и статистический анализ
- •10.5 Обработка результатов при различных способах дублирования
- •Обработка результатов эксперимента при неравномерном дублировании опытов
- •Равномерное дублирование.
- •Неравномерное дублирование
- •10.6. Применение планирования эксперимента для зависимостей степенного вида
- •10.7 Принятие решений после проверки адекватности линейной модели
- •11. Крутое восхождение по поверхности отклика
- •12. Планирование экстремальных экспериментов. Планы второго порядка
- •12.1 Центральные композиционные планы
- •12.2 Ортогональные планы второго порядка
- •12.3. Ротатабельное планирование второго порядка
- •12.4. Применение ротатабельного планирования второго порядка для исследования процесса торцового фрезерования
- •Приложение
- •Критические значения коэффициента парной корреляции
- •Значения t-критерия Стьюдента при 5%-м уровне значимости
- •Значения f-критерия Фишера при 5%-ном уровне значимости
- •Значения g-критерия при 5%-м уровне значимости
- •Литература
- •Владимир Алексеевич Чуфистов планирование и организация эксперимента
- •109240, Москва, Берниковская наб., 14.
- •1 09240, Москва, Берниковская наб., 14.
1.3. Роль эксперимента при выполнении научных исследований
Большинство научных исследований связано с экспериментом. Он проводится в лабораториях, на производстве, на опытных полях и участках, в клиниках и т. д. Эксперимент может быть физическим, психологическим или модельным. Он может непосредственно проводиться на объекте или на его модели. Модель обычно отличается от объекта масштабом или природой.
Если модель достаточно точно описывает объект, то эксперимент на объекте может быть заменен экспериментом на модели. В последнее время наряду с физическими моделями все большее распространение получают математические модели.
Эксперимент занимает центральное место в науке. Для того чтобы повысить эффективность исследований, применяют методы, построенные на базе математической теории планирования эксперимента.
Планирование эксперимента — это процедура выбора числа и условий проведения опытов, необходимых и достаточных для решения поставленной задачи с требуемой точностью. При этом существенно следующее:
стремление к минимизации общего числа опытов;
одновременное варьирование всеми переменными, определяющими процесс, по специальным правилам — алгоритмам;
использование математического аппарата, формализующего многие действия экспериментатора;
выбор четкой стратегии, позволяющей принимать обоснованные решения после каждой серии экспериментов.
Задачи, для решения которых может использоваться планирование эксперимента, чрезвычайно разнообразны.
Поиск оптимальных условий, построение интерполяционных формул, выбор существенных факторов, оценка и уточнение констант теоретических моделей (например, кинетических), выбор наиболее приемлемых из некоторого множества гипотез о механизме явлений — вот примеры задач, при решении которых применяется планирование эксперимента.
Поиск оптимальных условий является одной из наиболее распространенных научно-технических задач. Они возникают в тот момент, когда установлена возможность проведения процесса, и необходимо найти наилучшие (оптимальные в некотором смысле) условия его реализации.
Пусть, например, при взаимодействии двух веществ должен получаться некоторый продукт. Чтобы убедиться в правильности гипотезы, проводится эксперимент. Предположим, что требуемый продукт получен, однако выход продукта весьма низок. Вот тут-то и возникает задача выбора оптимальных условий. Требуется так подобрать концентрации реагирующих веществ, температуру, давление, время реакции и другие факторы, чтобы сделать выход возможно более близким к 100%. В данном примере находятся условия проведения процесса, оптимальные в смысле максимизации выхода требуемого продукта. Но это далеко не единственно возможная постановка задачи. Найденные условия оказались бы другими, если бы ставилась, например, цель минимизации себестоимости продукта или минимизации количества вредных примесей. Следует подчеркнуть, что всегда необходимо четко формулировать, в каком смысле условия должны быть оптимальными. Этим определяется выбор цели исследования.
Задачи, сформулированные аналогичным образом, называются задачами оптимизации. Процесс их решения называется процессом оптимизации или просто оптимизацией.
Эксперимент, который ставится для решения задач оптимизации, называется экстремальным. Это название связано с аналогией между оптимизацией и поиском экстремума некоторой функции.