Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Планирование эксперимента в химической технологии

..pdf
Скачиваний:
31
Добавлен:
15.11.2022
Размер:
7.31 Mб
Скачать

уровне, а один фактор переводят на другой уровень. Затем это повто­ ряют для другого фактора. В оценке каждого из коэффициентов уравне­ ния участвует только какая-то часть опытов.

Рассмотрим пример двух фак­ торов и классический подход в экс­ периментировании. Результаты экс­ перимента представлены в табл. 24.

Таблица 24. Неоптимальная схема

эксперимента для двух факторов

Опыты

 

 

 

У

1

+ i

+ 1

+ i

У\

2

+ i

+ i

— 1

Уч

3

+ i

— 1

+ 1

Уз

Каждый коэффициент

уравнения у = Ь0х0 +

Ьгхг + Ь2х2 опре­

деляют по двум точкам:

 

 

 

ь0

У2 ~г Уз .

и

У\ —‘ Уз

У\ — Уч

 

2

1 ~

2

2

с дисперсией s2b. =

где si — ошибка опыта.

 

При использовании факторного эксперимента следует поста­ вить четыре опыта, т. е. реализовать ПФЭ 22. Коэффициенты урав­ нения определяют по результатам четырех опытов и дисперсия будет равна (приложение 2):

Точность проведения эксперимента в этом случае вдвое выше. Для достижения такой точности при классическом подходе необхо­ димо 3 - 2 = 6 опытов. Еще более показательна эта особенность факторного эксперимента при большом количестве факторов. Так, при числе факторов п = 7 воспользуемся частью (1/16) ПФЭ 27, поставив всего 8 опытов, как и при классическом подходе. Однако дисперсия в оценке коэффициентов уравнения в этом случае будет

S2

 

 

S2

Для

такой

жеу

sbi = —- против той же, что

и ранее sbi = - у .

высокой

точности при классическом

подходе следует

поставить

8 4 =

32 опыта.

можно

перечислить

следующие

до­

Подводя итог сказанному,

стоинства ПФЭ:

1)

независимость дисперсии переменной состояния от вращения

системы координат в центре плана;

ре­

2)

одинаковую и минимальную дисперсию коэффициентов

грессии;

друг

3)

независимость определения коэффициентов регрессии

от друга;

 

4)

простоту в вычислениях коэффициентов.

 

Последние два свойства.ПФЭ можно оценить на конкретном примере, исполь­ зуя понятия матричной алгебры (см. приложение 2 и [52, с. 161 ]). Рассмотрим

план типа ПФЭ 2» (си. табл. 22), для

которого X -

матрица факторов

и

Y __

столбец наблюдений имеют вид:

 

 

 

F

и

г

4-1

 

4-1

 

-

 

 

— 1

 

У\

 

 

Х = 4-1

4-1

V

У2

 

 

4-1

I =

 

 

4-1

— 1

 

Уз

 

 

+ 1

— 1

— 1

 

У4

 

 

Найдем произведения матриц:

 

 

 

 

 

 

 

■+1

+ i

+ i

+1

+

i

+ i

4-1

 

4

Х ТХ = + 1

- 1

+ i

—1

 

+ i

— 1

4-1

 

О

. + '

+ i

- 1

—.1

 

+

1

+ i

1

 

 

 

4-1

 

 

 

+ 1 —1 — 1 J

0 0 4

 

 

4-1 4-1

 

Ух

 

4

 

 

Х ТУ = ,

+ 1

1

4-1

— 1

 

 

 

 

 

 

У2

 

J

j

х оиУи

L4-1

4-1

1

1 -

 

Уз

 

ы=.1

 

 

 

 

 

 

 

У 4

 

4

 

 

 

 

 

 

 

 

 

 

 

 

 

ХХиУи

 

 

 

 

 

 

 

 

 

U = .1

 

 

 

 

 

 

 

 

 

 

4

 

 

 

 

 

 

 

 

 

 

L

/

|

Х2иУи

Система нормальных уравнений записывается

 

 

 

 

 

 

 

 

 

 

0

(ХТХ) В = Х ТУ,

 

 

 

(65)

 

Г 4

0 1 Г

bo 1

 

 

 

 

 

 

 

 

0

4

0

Ьг

 

х оиУи

 

 

 

 

 

0

0

4

Ь2 .

 

 

 

 

 

 

 

 

 

 

 

 

Решение системы в общем виде

В =

■ли для конкретного примера

~

1

к

 

 

 

Ьг

 

=

О

ьг

 

 

о

 

 

 

 

 

1

 

 

Ц=1

Х1иУи

 

(66)

 

 

 

 

 

4

 

 

 

 

 

Х2иУи

 

 

 

U = 1

 

 

 

(ЛГТ^ Г 1ЛГТУ

 

 

(67)

 

 

4

 

 

-

о

и=з\

 

 

Н

 

4

 

 

 

у

 

 

0

1

 

 

 

0

У

х оиУи

 

 

 

 

о

 

 

 

 

Из выражения (68) видно, что свободный член уравнения регрессии Ь0 равен среднему арифметическому всех значений выходной переменной (х0 =. 1), а Ьх и Ь2 находят как среднее алгебраической суммы уи со знаками столбца или х2.

Простота расчета коэффициентов уравнения регрессии не вызывает сомнения. Ясно также, что вычеркивание или добавление столбцов xi не меняет расчет дру­

гих коэффициентов, т. е. коэффициенты регрессии определяются независимо друг от друга. Более подробно о расчете коэффициентов уравнения будет сказано ниже.

Таблица 25.

План ПФЭ 23

 

 

 

 

 

 

Опыты

 

 

 

У

Опыты

 

 

 

У

1

+ i

+ i

Уг

5

+ i

+ i

— 1

Уъ

2

— 1

+ i

+ i

Уг

6

— 1

+ i

— 1

Уз

3

+ i

— 1

+ i

Уз

7

+ i

— 1

— 1

Уч

4

— 1

— 1

+ 1

Уа

8

— 1

— 1

— 1

Уз

Реализация матрицы планирования. После построения матрицы планирования приступают непосредственно к эксперименту. Обычно матрицу планирования представляют в виде, удобном для реализа­ ции опытов — все кодированные значения факторов заменяют на­ туральными. Такую матрицу планирования называют рабочей. В рабочую матрицу также заносят время проведения опытов, зна­ чения ограничительных переменных и некоторые временные изме­ нения в анализируемых пробах. Такая подробность в описании условий эксперимента очень часто бывает полезной в принятии ре­ шений о достоверности тех или иных опытов, о влиянии системати­ ческих ошибок и др.

Поскольку на изменение выходной переменной влияют помехи, план чаще всего реализуют несколько раз, получая т параллель­ ных значений переменной состояния. Первоначальное число т выбирают* по результатам предварительного эксперимента или с помощью специально поставленных опытов, оценивающих их вос­ производимость.

Для того чтобы избежать появления некоторой неслучайной связи между реализациями каждого эксперимента или серии экспе­ риментов, рекомендуется опыты рандомизировать во времени. Здесь рандомизация предполагает случайное расположение или случайную реализацию плана эксперимента.

Появление и влияние неслучайной составляющей в опытных данных можно показать на следующем примере.

Пример 2. В табл. 25 приведена матрица ПФЭ 23, полученная с помощью уже описанного приема (см. табл. 23): два раза повто­ ряется план 22 — один раз на верхнем уровне фактора х3, другой

раз — на нижнем.

первый день,

Предположим, что четыре опыта реализуются в

а остальные — во второй день. Предположим также,

что условия

опытов в эти дни отличались друг от друга на некоторую ошибку е (например, сбился нуль измерительного прибора). Тогда при под­ счете Ь3 получается:

Ь3=

+ У* + у*+ у * ~ (у6 + е) — (У« + е) — (У? + е) —

 

-- (#8 + в)] Рз-----<г >

вз

Таблица 26. Последовательность случайных чисел

№ п/п

1

2

3

4

5

6

7

8

Рандомизированны е

05

02

03

07

06

01

08

04

оп ы ты

где рз — истинное значение коэффициента при х3. Таким образом, значение Ь3 искажается. Отметим, что е на Ьг и Ь2 не влияет.

Рандомизация обычно проводится следующим образом. В таб­ лице случайных чисел [40, с. 492] из любого столбца выбирают числа в порядке их следования от 1 до N. Если матрица предпола­ гает параллельные опыты, то тогда количество случайных чисел возрастает от 1 до тЛ/, т. е. нумеруются не только строки матрицы, но и параллельные опыты. Каждое число от 1 до N или mN из таб­ лицы случайных чисел берут только один раз.

Для рассматриваемого примера в таблице случайных чисел были выбраны числа от 1 до 8 в последовательности, которая приведена в табл. 26. Это значит, что опыт № 1 в матрице планирования («+1, +1, +1», табл. 26) реализуется пятым по порядку, опыт 6 («—1, +1, —1») реализуется первым и т. д.

Рандомизация, как один из основных приемов планирования эксперимента, может принимать сложные формы [37; 44].

§ 2. Алгоритм расчета полного факторного эксперимента типа 2п

(при равном числе параллельных опытов в каждой точке факторного пространства)

Построение матрицы планирования. Если априорные сведения предполагают невысокую воспроизводимость результатов, то в матрицу планирования эксперимента включают параллельные опыты, как показано, например, в табл. 27 для ПФЭ 22.

Таблица 27. Матрица ПФЭ 22 с параллельными опытами

 

 

 

Планирование

 

Переменная

состояния

 

Опыты

 

 

 

 

 

Уи\

Уи2

Уит

У и

 

 

 

 

 

 

1

-

ы

+ 1

+

1

Уп

У\ч

У\т

Ь

2

+

i

1

+

i

Учл

Учч

У2т

У2

3

-

ы

+ i

1

Уз\

Узч

Узт

Уз

4

+ i

— 1

— 1

Ум

Ум

УАт

У а

П р и м е ч а н и е , т —*число параллельных опытов; Nm — общее число опытов; п — чис­ ло факторов.

Расчет коэффициентов уравнения регрессии (линейная форма). Коэффициенты рассчитывают по формуле (см. приложение 2)

N

Ь( =

Yi х^Уи

( t = l , 2,

п),

(69)

где

ы—1

 

 

 

 

 

 

т

 

 

 

 

 

 

 

 

Уи =*

2

Уик

 

(70)

 

 

k = \

 

 

среднее значение по параллельным опытам и-й строки

матрицы

планирования. Формулы (69) и (70) можно объединить:

 

 

 

N

т

 

(71)

 

Ь1~ ~Шп S

X х‘иУик-

 

 

 

и = 1

k = \

 

 

После вычисления коэффициентов регрессии переходят к статис­ тическому анализу уравнения регрессии, который состоит из трех этапов: 1 ) оценка дисперсии воспроизводимости (или оценка ошиб­ ки опыта), 2 ) оценка значимости коэффициентов уравнения регрес­ сии и 3) оценка адекватности модели.

Расчет ошибки опыта (дисперсии воспроизводимости). Известно, что ошибка опыта оценивается по параллельным опытам (случай,

когда ошибка опыта известна, заранее не рассматривается, как наи­ менее вероятный). Перед расчетом ошибки опыта необходимо убе­ диться, что рассеяние опытов в каждой точке факторного простран­ ства не превышает некоторой величины. С этой целью статистики

предлагают рассчитать построчные

дисперсии

si и проверить их

однородность. Расчет проводится по формуле:

 

 

 

 

 

т

 

 

 

 

 

 

Su =

2

№uk

Уи)2'

 

(72)

 

 

 

fe=l

 

 

 

 

 

Проверить однородность дисперсий su можно по критерию Кох-

рена. Его расчетное значение определяют так:

 

 

 

 

GP =

N

 

 

 

 

 

 

 

21 &

 

 

(73)

 

 

 

 

 

 

 

где

s2Um3x — максимальная из

рассчитанных

построчных

диспер-

 

N

si — сумма всех дисперсий по N строкам матрицы

 

сий; 2

плани-

 

и=]

 

 

 

 

 

 

рования.

выполняется условие

 

 

 

 

 

 

Если

 

 

 

 

 

 

 

Ср < GT,

 

 

(74)

то

гипотеза об однородности дисперсий

принимается. GT находят

по таблицам (приложение 7) для чисел степеней свободы h =

т — 1

и / 2 N и уровня значимости д. В технических расчетах прини­ мается 5 %-ный уровень значимости (/ = 0,05.

Принятие решений. Если условие (74) не выполняется, то од­ ним из решений является увеличение числа параллельных опытов, т. е. еще раз или несколько раз необходимо реализовать матрицу планирования.

Если увеличение т не дает результата, то следует изменить метод контроля переменной состояния, увеличив его точность. Иногда прибегают к масштабированию переменной состояния — вводится некоторая математическая функция от у (например квад­ ратный корень или логарифм).

При выполнении условия (74) построчные дисперсии усредняют по формуле:

N

 

N

т

S° = N

Su = ~N (т — 1)

X

S (Уик Уы)2»

ы=1

'

ы=1 ft=l

где f0 = N (т — 1) — число степеней

свободы.

Таким образом, получают ошибку опыта s20. Еще раз напомним, что неоднородные дисперсии усреднять нельзя.

Проверка значимости коэффициентов регрессии. Очевидно, что один фактор больше влияет на переменную состояния, другой — меньше. Для оценки этого влияния используют проверку значимос­ ти каждого коэффициента двумя равноценными способами. В обоих случаях вначале находят дисперсию коэффициентов регрессии по формуле (см. приложение 2 )

о

(76)

Sb[ N

 

т. е. дисперсии всех коэффициентов равны, поскольку зависят толь­ ко от ошибки опыта si и числа строк матрицы планирования N.

По первому способу оценку значимости коэффициентов осущест­ вляют по формуле:

t

-!А‘

(77)

'р

sbi

 

и условию

 

(78)

hp ^

^т>

где | Ь, | — абсолютное значение t-ro

коэффициента регрессии;

tr — табличное значение критерия Стьюдента, которое находят по

числу степеней свободы

f0 = N (т — 1) и уровню значимости q\

sbi — среднеквадратичное

отклонение Ьг

По второму способу для проверки значимости коэффициентов регрессии используют доверительный интервал Аbt, который,

вследствие равенства sbi для всех

коэффициентов,

одинаков для

всех Ьг.

 

 

А6< = ±

^ .

<79>

Тогда значимость оценивают, сравнивая абсолютные значения ко­

эффициента и доверительного

интервала:

 

1 М > 1 АМ -

(80)

Если выполняются условия

(78) и (80), то i-й коэффициент при­

знается значимым.

 

 

Принятие решений. Если для какого-то коэффициента условия (78) и (80) не выполняются, то соответствующий фактор можно признать незначимым и исключить его из уравнения регрессии. Однако надо быть осторожным и всегда помнить, что в предвари­ тельном эксперименте уже отсеивались незначимые факторы, скорее всего полученная незначимость фактора является следствием неудач­ но выбранного интервала варьирования: он был выбран малым. Отсюда ясно, что более правильным является решение повторить эксперимент при расширенном интервале варьирования для иссле­ дуемого фактора. Конечно, при этом число опытов, а значит, время эксперимента, возрастает. Иногда половину опытов сохраняют тем, что расширение интервала варьирования проводят только в одну сторону: один (верхний или нижний) уровень остается.

Если фактор остался незначимым после повторения экспери­ мента и всех необходимых расчетов, то его (или их) отбрасывают и пе­ реходят к оценке адекватности полученной математической модели.

Проверка адекватности линейного уравнения регрессии. При­ годность линейного уравнения регрессии для решения задачи поис­

ка области оптимума проверяется методом,

изложенным в гл. II,

§ 6 . Сравниваются две дисперсии — одна

показывает рассеяние

средних опытных данных переменной состояния уи относительно

тех значений переменной состояния уи, которые предсказаны по­ лученным линейным уравнением регрессии. Эта дисперсия назы­ вается дисперсией адекватности и рассчитывается по формуле:

N

 

=

£

й»-~Уи)\

 

<8»

где m — число

 

и = 1

 

 

 

параллельных опытов; N — число строк

матрицы

планирования;

/ — число членов

в

уравнении регрессии,

остав­

шихся после оценки значимости.

 

опыта. Адекватность

прове­

Вторая дисперсия — это

ошибка

ряют, оценивая отношение

 

 

 

 

 

по критерию Фишера

FP <

FT

 

 

(83)

 

 

 

 

для степеней свободы /ад =

N I,

f0 — N (т — 1) и

заданного

уровня значимости q. Если выполняется условие (83), то линейное уравнение регрессии признается адекватным, т. е. рассеяние экспе­ риментальных данных переменной состояния относительно уравне­ ния регрессии того же порядка, что и рассеяние, вызванное случайными изменениями в объекте исследования (ошибка опыта).

Таблица 28. Формулы расчета по плану ПФЭ 2

Блоки

Формулы расчета

Обозначения

За

5

у = 12 * 1bix i,

или

У = В 'Х

Ь ' - ъ

Ц

*/цУи, (* = 0,1,... ,л)

'/v « - 1

 

 

 

 

5 =

(X TX )~ {X TY

= т_ 1 k2= 1

 

1

уи

- т

2

 

 

 

 

 

Л= 1

 

 

 

 

 

N

 

 

G P " " S“ m a x / 2

 

4

 

 

 

Uтш1

 

Условие

однородности

 

дисперсии

Gp < GT(qj flt

/2);

 

fj =m — 1;

 

 

 

 

ft = N

 

 

 

i -

k

a£= 1 4

% - N '

t = M

lP %

Условие значимости коэффициентов

> *т(<7«

 

/ =

1)

N

 

*** (N л 1) ^

^

F = аД

Р£

Условие адекватности модели

Fp CF^q, fh /2)1

/1 = /V— n — 1;

переменная состояния (расчетная);

факторы;

Bybt —. коэффициенты уравнения регрессии;

л— число факторов;

переменная состояния (экс­ периментальная);

ХТ — транспонированная матри­ ца Х\

N

—«число опытов

2

— построчная

дисперсия;

su

Уик

переменная

состояния (в

 

параллельных опытах)

Gp

—«расчетные значения крите­

 

рия Кохрена;

пг

•— число параллельных опытов

GT

—«табличное значение К р и те

 

рия Кохрена;

fi> f i —•число степеней свободы; q — уровень значимости

SQ — ошибка опыта (дисперсия воспроизводимости);

5? «дисперсии коэффициентов;

bi

tl — расчетное значение крите-

pрия Стьюдента;

%— среднеквадратичные откло­ нения

tr

— табличное значение крите­

 

рия Стьюдента;

 

— число степеней свободы

ад

— дисперсия

адекватности;

Fn

— расчетное

значение крите­

рия Фишера

FT — табличное значение крите­ рия Фишера;

f2 = N ( m — 1)

fltf2 — число степеней свободы

При расчете Fр предпо­

лагается, что ■$ад

 

So'

Од-

НаКО на

практике

бывает,

что SaA<

So.

Тогда

вывод

об адекватности модели мо­

жет быть сделан без про­

верки условия (83). Приня­

тие решений. При невыпол­

нении

 

условия

(83), т. е.

при неадекватной линейной

модели наиболее часто при­

нимают решение об умень­

шении

интервалов

варьи­

рования

факторов и повто­

рении эксперимента. Такое

решение

хотя и уменьшает

кривизну

поверхности

от­

клика

 

переменной

состоя­

ния,

однако,

может при­

вести к появлению незначи­

мых коэффициентов. Очень

эффективно

включать

в

план

эксперимента

новый

фактор

из числа тех, кото­

рые в предварительном экс­

перименте отсеялись, но бы­

ли близки по своему эффек­

ту к оставшимся факторам.

Существует еще ряд реше­

ний,

 

которые

несколько

подробнее будут рассмотре­ Рис. 11. Алгоритм расчета и анализа мате­

ны в § 5

этой главы.

матической модели экспериментально-статис­

тическими методами.

Если

условие (83) вы­

 

полняется, то адекватный линейный полипом можно использовать для поиска области опти­

мума объекта исследования.

Изложенная последовательность расчета коэффициентов уравне­ ния, его статистического анализа и принятия решений может быть представлена алгоритмом, блок-схема которого изображена на рис. 11. Все расчетные формулы сведены в табл. 28.

Пример 3. Исследовался процесс извлечения ртути йз каусти­ ка с помощью специального экстрагента в периодическом реакторе

с мешалкой.

Выбор переМенн°й состояния. В качестве переменной состояния выбран п о к а за т ел ь «содержание ртути на выходе процесса». Он хо­ рошо измеряете51 с помощью атомно-сорбционного метода, имеет четкую области определения с точностью до 1 1 0 - 6 вес.%.

Выбор факторов. На содержание ртути в растворе каустика при очистке оказывают влияние следующие факторы:

1) скорость вращения мешалки, об/мин; 2) время пребывания раствора каустика в реакторе, мин; 3) температура раствора, °С;

4) первоначальное содержание ртути в каустике, вес.%;

5) количество экстрагента, г;

6) насыщенность экстрагента ртутью, мг/г.

Предварительный эксперимент. Были проведены несколько опытов однофакторного эксперимента и при этом выяснено, что в предпо­ лагаемой области экспериментирования влияние количества экстра­ гента и его насыщенности ртутью ничтожно мало. В эксперименте предполагалось использовать раствор каустика с содержанием

ртути порядка 1 2 10 4 %, т. е. концентрация ртути в каустике постоянна и поэтому может быть исключена из числа факторов. Такое отсеивание привело к включению в план эксперимента сле­ дующих факторов:

Хх — скорость вращения мешалки, об/мин; Х2 — температура раствора, °С;

Х3 — время пребывания раствора в реакторе, мин.

Описание экспериментальной установки. Эксперименты по кине­ тике очистки растворов каустика от ртути экстракцией проводи­ лись в лабораторном реакторе, представляющем собой стеклянный толстостенный сосуд (внутренний диаметр 69 лш, высота 200 мм) со сферическим днищем. Реактор был снабжен электронагревателем, регулирующим температуру процесса и термостатирующим систему

сточностью ± 1 °С . Для перемешивания применялась двухлопаст­ ная стеклянная мешалка, приводящаяся в действие электромотором

срегулируемым (от 250 до 4000 об/мин) числом оборотов. Конструк­ ция установки позволила проводить процесс как в периодическом, так и в непрерывном вариантах. Для опытов применяли промышлен­ ный, не подвергавшийся фильтрации 43—46%-ный раствор каус­

тика. Содержание ртути в таких растворах колебалось от 8

• 10“ 4

до 18 10 “ 4 вес.%.

оптимизации. Задачу оптимизации

можно

Постановка задачи

сформулировать так:

найти условия процесса извлечения

ртути

из каустика, которые обеспечили бы минимальное содержание рту­ ти в растворе при определенных ограничениях на факторы. Мате­ матически это можно выразить в виде получения математической модели

д

У =

bо + Ьгх г + Ь2х 2 + Ь3х з

и условия

 

л

min [b0+ Ь1х1+ Ьгх2 + Ьядг3]

min у =