Планирование эксперимента при оптимизации процессов химической техн
..pdfдля числа степеней свободы
(о = N (m — 1). |
(1.141) |
Оценка значимости коэффициентов регрессии произ водится расчетом /-критерия по формуле (1.90), расче том дисперсий коэффициентов по формуле (1.119) с уче том (1.131) и оценкой по условию (1.91):
2
(1.141 ,а)
Nm
Принятие решений. Если для какого-то коэффициен та условие (1.91) не выполняется, то соответствующий фактор можно признать незначимым и исключить его из уравнения. Однако рекомендуется помнить, что скорее всего полученная незначимость фактора является след ствием неудачно выбранного (малого) интервала варьи рования. Отсюда ясно, что более правильным является решение повторить эксперимент, расширив интервал варьирования для исследуемого фактора. Конечно, прц этом число опытов, а значит и длительность эксперимен та, возрастают. Иногда половину опытов сохраняют тем, что интервал варьирования расширяют только в одну сторону, другой же (верхний или нижний) уровень оста ется прежним.
Если фактор остался незначимым после повторения эксперимента и всех необходимых расчетов, то его (или их) отбрасывают и переходят к анализу адекватности уравнения.
Проверка адекватности уравнения регрессии осуще ствляется по формулам (1.92), (1.94), (1.95) с учетом параллельных опытов:
2 |
m |
N |
А |
(1.141,6) |
|
4 = — |
- т Ц О /и - У и ) 2. |
||||
N — I и=1 |
|
|
|
||
Поиск FT производится |
для |
степеней свободы /ад |
(1.93) |
||
и /о (1.141). |
|
выполнении |
условия |
(1.96), |
|
Принятие решений. При |
т. е. при неадекватной линейной модели, наиболее часто принимают решение об уменьшении интервалов варьи рования факторов и повторении эксперимента. Такое ре шение хотя и уменьшает кривизну поверхности отклика, однако может привести к появлению незначимых коэф
фициентов. Очень эффективно включать в план экспери мента новый фактор из числа отсеянных ранее. Если условие (1.96) выполняется, то адекватный линейный полином можно использовать для решения различных задач (гл. 3).
1. 5. 2. Алгоритм ПФЭ с параллельными опытами в одной точке факторного пространства.Исходные данные
не отличаются от алгоритма ПФЭ с одинаковым числом параллельных опытов (см. 1 . 5 . 1 ); так же проводится и кодирование.
План эксперимента строится с учетом априорной ин формации о хоро.шей воспроизводимости опытов, что не требует проверки однородности построчных дисперсий. Тогда для расчета ошибки опыта достаточно провести параллельных опытов (см. 1 . 5. 1); так же проводится и пространства (без потери общности они могут быть по ставленными в центре плана с координатами X =
=(0 , 0 — ,0 }, табл. 1 . 8 ).
Та б л и ц а 1.8. План эксперимента
|
|
|
|
План |
|
Номер |
*0 |
|
|
|
Выходная |
опыта |
|
|
хп |
переменная |
|
|
|
|
|
|
|
1 |
+1 |
+ 1 |
+1 |
+1 |
У\ |
2 |
+1 |
- 1 |
+ 1 |
+1 |
У2 |
N |
+1 |
—1 |
—1 |
—1 |
Уи |
N + \ |
+1 |
0 |
0 |
0 |
Уо\ |
N + 2 |
+1 |
0 |
0 |
0 |
У02 |
N Л-No |
1 |
0 |
0 |
0 |
о * о
Расчет ошибки опыта производится по формуле
s0 = Z ( ^ - 7 O)2/ / O, |
(1.142) |
k=1 |
|
где |
|
f0 = f i 0 - \ . |
(1.143) |
За исключением этапа проверки однородности дисперсий, |
|||
все |
остальные этапы данного алгоритма |
совпадают с |
|
алгоритмом 1 . 5. 1. |
|
||
|
1 . |
5. 3. Алгоритм ПФЭ при неравном числе параллель |
ных опытов. Введение. На практике приходится сталки ваться с такими ситуациями, которые не позволяют при реализации эксперимента выдержать одинаковое число параллельных опытов по каждой строке матрицы плани рования. Это происходит либо из-за случайных грубых нарушений условий эксперимента, когда измерение при знается неудачным, а повторить его по каким-либо при чинам не удается, либо вследствие неуверенности экспе риментатора в «чистоте» опыта.
Последовательность обработки результатов экспери мента при неравном количестве параллельных опытов не нарушается, однако алгоритмы расчета меняются вслед ствие нарушения ортогональности матрицы планирова ния. Это приводит к изменению расчетных формул для коэффициентов регрессии и их ошибок, а также для дис персии адекватности.
Исходные данные не отличаются от исходных данных алгоритма 1 . 5. 1 .
План эксперимента соответствует приведенному в табл. 1. 7, однако в каждой строке число параллельных опытов ти может быть иным.
Расчет коэффициентов уравнения регрессии. Вслед ствие неортогональности матрицы планирования расчет коэффициентов регрессии осуществляется по методу наименьших квадратов. Лучше всего использовать мат ричную форму записи и стандартные программы ЭВМ — обращение матриц, транспонирование, расчет детер минанта матриц и т. д. [см. 1. 4. 1, формула (1. 103)].
Расчет ошибки опыта. Рассчитываются построчные дисперсии по формулам (1. 138) и (1. 139).
При усреднении построчных дисперсий пользуются средневзвешенными значениями дисперсий, взятыми с учетом числа степеней свободы fu для и-ой строки мат
рицы планирования: |
|
|
||
|
_ |
5 1А + slh + — h s%fN |
2 |
t e l |
s 2 |
u= 1 |
(1.144) |
||
|
|
/i + A>H----- \-/N |
N |
|
0 |
|
/« |
||
|
2 |
|||
|
|
|
||
|
|
|
u= |
1 |
Проверка однородности дисперсий. При неравном числе параллельных опытов для проверки однородности дисперсий используется критерий Бартлета. Для этого рассчитывается величина Ар:
1 |
N |
(1.145) |
А ? -= - H f o i g ^ - |
2 /««в 4 ) ; |
си=\
с = 0,4343 |
(1.146) |
N |
(1.147) |
fo = Z f u , |
где /о — число степеней свободы; N — число сравнивае мых дисперсий (здесь их число равно числу строк мат риц).
Принятие решений. Бартлет доказал, что рассчитан ная величина Лр приближается к %2-распределению с N — 1 степенями свободы. Тогда, если выполняется не равенство
Лр = Ь < Х т , ((о, 9 = |
0,05), |
(1.148) |
то дисперсии признаются однородными. |
на нор |
|
Замечание. Критерий ,Бартлета |
базируется |
мальном распределении случайной величины уи. Поэтому проверка нормальности закона распределения уи весьма желательна.
Учитывая сложность применения критерия Бартлета при неодинаковом числе параллельных опытов, практи чески удобно использовать критерий ФишераДля этого составляется отношение максимальной построчной дис
персии к минимальной: |
|
Fp _ Su max |
(1.149) |
s u min |
|
Очевидно, что если выполняется условие |
|
FP< F T |
(1.150) |
ПрИ /итах = ^ктах |
1, |
/ttmin==Мит'т—1 И ЗВдЯННОМ уров |
не значимости q |
(т. |
е. максимальная и минимальная |
дисперсии отличаются незначимо), то и остальные дис персии будут отличаться незначимо. Таким образом, ги потезу об однородности дисперсий можно признать пра вомерной при выполнении условия (1. 150).
Проверка значимости коэффициентов регрессии не от личается от произведенной выше при равном числе па раллельных опытов. Следует отметить, что смысл провер ки несколько меняется вследствие неортогональности матрицы планирования, что приводит к появлению недиагональных элементов в матрице (ХТХ)~К Однако по значениям они обычно невелики и поэтому критерий Стьюдента можно использовать как средство ранжиро вания коэффициентов регрессии в соответствии с фор мулами (1.90), (1.91), числом степеней свободы f0 (1.147) и заданным уровнем значимости.
Принятие решений не отличается от предыдущих ал горитмов.
Проверка адекватности уравнения регрессии. Расчет дисперсии адекватности осуществляется по формуле
«ад = д, 1 2 т и (У и — У иУ - О-151)
Физический смысл формулы таков: различию между экспериментальным и расчетным значениями выходной переменной придается тем больший вес, чем большее число опытов реализуется. Здесь ти фактически являет ся весовым коэффициентом. Для проверки адекватности используется критерий Фишера в соответствии с (1. 95) и (1. 96).
Принятие решений не отличается от предыдущих ал горитмов.
1.5.4. Алгоритм ПФЭ с расчетом коэффициентов взаи модействий факторов. Введение. Ранее уже упомина лось, что цель ПФЭ — получение адекватной линейной модели, которую предполагается использовать для опти мизации объекта исследования. В задачах интерполяции же математическая модель должна адекватно описывать объект в области эксперимента и потому может быть не линейной. Планы ПФЭ, с одной стороны, позволяют до статочно просто рассчитать коэффициенты при взаимо действиях факторов и, если они значимы, использовать полученную модель для интерполяционных целей. С дру гой стороны, значимость коэффициентов при взаимодей
ствиях факторов сразу же позволяет 'сделать вывод о неадекватности линейной модели.
Исходные данные в отличие от 1*. 5. 1 пополняются условием необходимости расчета коэффициентов при взаимодействиях факторов, т. е. ищется модель в виде
|
у = |
ЬоХо -f- b\X\ -}- |
+ ЬпХп + bi2.Vj.V2 |
+ |
-|- |
(1.152) |
||||||||
|
|
|
|
|
|
п |
|
п |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
+ |
b i j X i X j + |
= |
2 |
b ‘ X i + s |
b i i x * x i- |
|
|
|
||||
|
|
|
|
|
|
u = |
0 |
i ¥ = j |
|
|
|
|
|
|
План эксперимента дополняется расчетными столбца |
||||||||||||||
ми XiXj. Например, план ПФЭ 2 3 |
приведен |
в табл. |
1. 9. |
|||||||||||
|
|
Т а б л и ц а 1.9. План эксперимента |
|
|
|
|||||||||
|
|
|
|
|
|
План |
|
|
|
|
|
|
|
|
Номер |
|
|
реализуемый |
|
|
расчетный |
|
|
|
Выходная |
||||
•Vo |
|
|
|
|
|
|
|
|
|
|
|
|||
опыта |
|
|
|
|
|
|
|
|
|
|
|
переменная |
||
|
|
|
|
лг2 |
*3 |
|
Х х х г |
*1 |
*8 |
Д-а *3 |
|
|
|
|
1 |
+ 1 |
+ i |
+ 1 |
+ 1 |
|
+ i |
+ 1 |
+ 1 |
|
У |
|
|||
2 |
- 1 |
+ i |
+ 1 |
+ 1 |
|
— 1 |
— 1 |
+ 1 |
|
У2 |
|
|||
3 |
+ 1 |
+ i |
— 1 |
+ 1 |
|
— 1 |
+ 1 |
- 1 |
|
Уз |
|
|||
4 |
+ 1 |
— 1 |
— 1 |
+ 1 |
|
+ 1 |
— 1 |
— 1 |
|
У* |
|
|||
5 |
+ 1 |
+ i |
+ 1 |
— 1 |
|
+ i |
— 1 |
—1 |
|
у$ |
|
|||
6 |
+ 1 |
- 1 |
+ 1 |
. — 1 |
|
— 1 |
+ 1 |
- 1 |
|
У6 |
|
|||
7 |
+ 1 |
+ i |
— 1 |
—1 |
- 1 |
— 1 |
+ 1 |
|
У7 |
|
||||
8 |
+ 1 |
— 1 |
— 1 |
—1 |
+ 1 . |
+ 1 |
+ 1 |
|
У8 |
|
||||
Расчет коэффициентов проводится по уравнению |
|
|||||||||||||
|
bij |
= |
1 |
* |
|
|
i == 1)2, |
tl, |
i ^ |
/. |
|
|
||
|
~ |
XiuXjuyut |
|
|
||||||||||
|
|
|
N |
|
|
|
|
|
|
|
|
|
(1.153) |
|
Остальные этапы |
не отличаются |
от |
|
приведенных в |
||||||||||
алгоритме 1.5. |
1 . |
|
|
|
|
|
|
|
|
|
|
|
||
Замечание 1. В задачах оптимизации необходимо, что |
||||||||||||||
бы все bij были незначимы, |
а в задачах |
интерполяции |
||||||||||||
наоборот — значимы |
(хотя |
бы |
некоторые). |
Поэтому |
||||||||||
для задач оптимизации всегда проводят расчет |
bij |
и ис |
||||||||||||
пользуют их для проверки адекватности модели. |
|
нели |
||||||||||||
Замечание 2. Существует |
еще одна проверка |
нейности модели оценкой гипотезы о равенстве нулю сум
мы коэффициентов при квадратичных членах. С этой целью в центре плана ставят несколько опытов, опреде ляют среднее у0 и вычисляют разность (&о — Уо), кото рая и является оценкой суммы коэффициентов при квад ратичных членах.
Действительно, свободный член Ь0у который рассчи тывают по уравнению:
*0 = 4 г 2 *0иУи = |
2 Уи = у. |
(1Л54> |
и= 1 |
N и= 1 |
|
п
является совместной оценкой р0 и
2 = 1
Ь0 — Ро + £Р«, |
(1.155) |
i |
|
где р0 — свободный член уравнения регрессии по гене ральной совокупности экспериментальных данных; Рп — коэффициенты при х2также по генеральной совокупности.
Это положение вытекает из идентичности столбцов матрицы планирования при х0 и х2 (они все равны + 1 ).
Тогда разность (у — может в ^акой-то мере служить оценкой кривизны поверхности отклика выход
ной переменной. Значимость |
этой |
разницы |
проверяют |
|
по условию: |
|
|
|
|
(Ьо —у0)уы |
^ |
4 |
(1.156) |
|
--------------- |
-> *Ti |
|||
50 |
|
|
|
|
где s0 — среднеквадратичное |
отклонение ошибок опыта; |
|||
N — число опытов; tT — табличное |
значение |
критерия |
Стьюдента для числа степеней свободы дисперсии s2 и
уровня значимости q.
Выполнение условия (1. 156) свидетельствует о значи мости квадратичных членов, и требуется, их введение в
интерполяционное уравнение или уменьшение интервалов варьирования факторов для получения адекватной ли нейной модели.
1. 5. 5. Алгоритм дробного факторного эксперимента
(Д ф э ).Введение. Полный факторный эксперимент явля ется весьма эффективным средством получения матема тической модели исследуемого объекта особенно при чис ле факторов /г>3. Однако увеличение числа факторов приводит к резкому увеличению числа опытов. Так, ПФЭ 26 требует постановки 64 опытов, а 27 — 128 опытов. Ко
нечно, точность модели при увеличении числа опытов также возрастает, однако, известно, что увеличение числа опытов приводит к большим затратам средств и време ни.
Практика показывает, что для получения достаточно точных оценок коэффициентов регрессии можно обой тись малым количеством опытов, вводя понятие дробного факторного эксперимента (или дробных реплик), кото
рый представляет собой некоторую часть
и т. д.) от полного факторного эксперимента (см. 1. 1. 3). Сокращение числа опытов влечет за собой появле ние корреляции между некоторыми столбцами матрицы планирования. Это обстоятельство не позволяет раз дельно оценивать эффект факторов и эффекты взаимо
действия. Получаются так |
называемые с м е ш а н н ы е |
оценки. |
|
Определения. Для дробных реплик используют спе |
|
циальные алгебраические |
соотношения, облегчающие |
выявление смешанных эффектов. Они называются г е н е р и р у ю щ и м и с о о т н о ш е н и я м и и о п р е д е л я ю щ и м и к о н т р а с т а м и .
Генерирующим называется coomouieHueJ которое по казывает, какое из взаимодействий, принято незначимым, а потому заменено в матрице планирования новой неза
висимой переменной. Так, |
рассмотренный |
в табл. 1. 10 |
|||||
план типа |
2 3 - 1 |
задавался |
генерирующим |
соотношением |
|||
|
|
|
Хз = Х\Х2. |
|
|
||
|
Т а б л и ц а |
1.10. План эксперимента |
|||||
|
|
|
|
План |
|
|
|
Номер опыта |
-Го |
|
|
|
|
|
Выходная |
|
|
|
|
= |
переменная |
||
|
|
|
|
|
|
*1 |
|
1 |
+ 1 |
+ |
i |
+ |
1 |
+ 1 |
У |
2 |
+ 1 |
- 1 |
|
+ |
1 |
- 1 |
У2 |
3 |
+ 1 |
+ 1 |
— 1 |
— 1 |
1/3 |
||
4 |
+ 1 |
- 1 |
|
- 1 |
|
+ 1 |
Уа |
С генерирующими соотношениями можно производить алгебраические операции: умножать обе части равенст ва на любые эффекты — линейные и определенные взаи
модействия. При этом, если фактор входит в уравнение в квадрате или в другой четной степени, то он заменяет ся единицей (х2.п= 1\ /г = 1 , 2,..., k). Умножив генерирую
щее соотношение для плана 2 3” 1 на х3:
* 3 = *1*2*3,
или, учитывая вышесказанное, получим
1 = *1*2*3.
Это и есть о п р е д е л я ю щ и й к о н т р а с т — соотно шение, которое задает элементы первого столбца матрицы (как известно, элементы первого столбца матрицы рав ны 1 ).
План эксперимента. Зная определяющий контраст, можно найти соотношения, задающие все смешанные оценки для данной дробной реплики. Для этого опреде ляющий контраст умножается на каждый фактор. В рас сматриваемом примере для первой полуреплики от плана 2 3 смешанные оценки коэффициентов регрессии задают ся следующими соотношениями:
*1 = |
* ! * | *2*3 = |
* 2*з; |
*2 = |
*2* 1*2*3 = |
*1*3*, |
*3 = |
*3*1*2*3 = |
*1*2, |
что соответствует оценкам
b[ v Pi + Ргз; Ь2 ►02 + Pi3', &з ^ Рз + Pi2 -
Замечание. Эффективность системы смешивания фак торов и взаимодействий факторов определяется так на зываемой р а з р е ш а ю щ е й с п о с о б н о с т ь ю м а т рицы. Она считается максимальной, если линейные эф фекты смешаны с эффектами взаимодействия, наиболь ших по числу факторов в него входящих. Так, при выборе
полуреплики 2 4 - 1 |
возможны восемь решений |
|||||
1. |
*4 |
= |
*I*2; |
5. |
*4 = |
* 1 * 3; |
2 . |
*4 = |
— *i*2; |
6 . |
*4 = |
— *1*3; |
|
3. |
*4 = |
*2*з; |
7. |
* 4 = |
*1*2*з; |
4. *4 = ---*2*3', |
8. *4 = ---*1*2*3. |
Согласно принятому определению, наибольшая раз решающая способность у реплик 7 и 8 , они называют ся г л а в н ы м и . При наличии априорной информации и значимости взаимодействий факторов можно разрабо тать наилучшую систему смешивания оценок. Если эти сведения отсутствуют, то выбирают реплику с наиболь шей разрешающей способностью, поскольку тройные взаимодействия обычно менее важны, чем двойные.
Остальные этапы алгоритма — расчет коэффициентов регрессии и статистический анализ уравнения — не отли чаются от приведенных выше.
1.6. Факторный эксперимент второго порядка
Введение. Задачей факторного эксперимента второго порядка является проведение оптимального плана ис следований, получение нелинейной модели и ее статисти ческий анализ. Модель применяется для поиска коорди наты оптимума и может использоваться для целей интер поляции и экстраполяции.
Обычно |
факторный |
эксперимент |
второго |
порядка |
||
используется |
для |
описания |
существенно* нелинейных |
|||
объектов полиномом |
|
|
|
|
||
У = |
К + 2 |
ь*х*+ |
2 |
btjxixj + |
2 bilXl |
(U 57) |
|
/=i |
|
i, i=i |
|
i=i |
|
Пояснение. Построить планы, по которым можно по лучить модель в виде (1.157) с помощью ранее рассмот ренных алгоритмов не удается хотя бы потому, что усло вие ортогональности в столбцах матрицы не выполняется (сумма элементов столбцов не равна нулю). Также тре буется поставить большое число опытов. Очевидно, что планирование на трех уровнях З71 неэкономично и потому предложено дополнить план ПФЭ 2 Попределенными точ-~ ками факторного пространства так, чтобы выполнялось условие ортогональности или ротатабельности, но при этом число опытов таких планов было меньшим, чем ПФЭ Зп:
N = 2” + 2п + No < 3", |
(1.158) |
где каждое слагаемое определяет число опытов ПФЭ 2 П, число «звездных» и число нулевых опытов (в центре