- •Организация эксперимента, ч II
- •"Металловедение цветных и драгоценных металлов"
- •5. Литература
- •1. Цель работы
- •5. Литература
- •2. Теоретическое введение
- •3. Порядок выполнения работы
- •4. Оформление отчета
- •5. Литература
- •1. Цель работы
- •2. Теоретическое введение
- •4. Оформление отчета
- •5. Литература
- •6. Контрольные вопросы
- •1. Цель работы
- •1. Цель домашнего задания
- •3. Пример задания
- •4. Требования к отчету
- •5. Литература
- •6. Контрольные вопросы
- •1. Цель работы
- •2.Теоретическое введение
- •3. Задание
- •4. Порядок выполнения работы
- •6. Литература
1. Цель домашнего задания
Научиться составлять полные и дробные факторные планы первого порядка
ТЕОРЕТИЧЕСКОЕ ВВЕДЕНИЕ И МЕТОДИКА
После стадии предпланирования, на которой выбирают параметры оптимизации (показатели качества, зависимые переменные) и факторы (независимые переменные) переходят к основной задаче эксперимента: установлению закономерностей влияния вторых на первые. Результатом этой стадии эксперимента обычно является построение зависимостей параметров оптимизации от факторов. Эти зависимости носят как правило эмпирический характер и выражаются в виде уравнений:
Y1 =(X1 ,X2 ,...Xn )
Y2 =(X 1,X2 ,...Xn )
...............
Yk =(X1 ,X2 ,...Xn )
где n- число факторов, k- число параметров оптимизации
Эти уравнения в многомерном пространстве факторов (факторном пространстве) имеют некоторый геометрический образ (поверхность отклика). Получение представлений об этой поверхности и составляет задачу эксперимента. Как правило, задачи являются экстремальными, т.е. необходимо установить такую комбинацию факторов, при которой наиболее важные параметры оптимизации имеют максимальное значение.
Выделяют два типа таких задач:
область максимума известна, в этом случае строят поверхность отклика (математическую модель), как правило в виде полинома,
поверхность отклика практически неизвестна, и в этом случае необходимо определить область, где находится максимум, предварительно строя линейную модель.
Одним из наиболее эффективных методов решения этой задачи является метод крутого восхождения. В этом методе задача решается поэтапно. Сначала, варьируя в каждом опыте всеми факторами в небольшом диапазоне, исследователь ищет лишь направление движения к области экстремума, строя линейную модель (уравнение 6.1). Анализ линейного уравнения позволяет наметить направление движения из исходной точки к экстремуму, т.е. определяют направление градиента для данной апроксимирующей плоскости. Сделав несколько опытов в направлении градиента, выбирают точку с более высоким значением параметра оптимизации. Одной серии может быть недостаточно, поэтому проводят несколько серий, а достигнув области экстремума строят нелинейную модель поверхности отклика. Используя нелинейное уравнение (полином) можно определить координаты (комплекс значений факторов) экстремума. При "классическом эксперименте" (варьирование одним фактором) оптимум можно и не найти, особенно при большом количестве факторов.
Для построения линейной модели (6.1) обычно используют двухуровневые факторные планы. Основными элементами факторных планов являются: центр плана X (все факторы находятся на среднем или нулевом уровне); диапазоны варьирования всех факторов X; верхние уровни всех факторов Xmax=X0 +X; нижние уровни всех факторов Xmin =X0-X. В 2-х уровневых планах все факторы находятся на верхнем и нижнем уровне. В этом случае разным факторам независимо от размерности дают кодовые значения +1 и -1 (верхний и нижний уровень). Для каждого опыта все эти элементы записывают в виде специальной таблицы, так называемой матрицы планирования факторного эксперимента (табл. Д.1).
Очевидно, что при 2-х факторах и 2-х уровнях все возможные комбинации исчерпываются в 4-х опытах, поэтому составление матрицы планирования не вызывает затруднений (опыты 1-4 в табл.Д.1). Чтобы составить 3-х факторный план следует повторить предыдущую матрицу при значении X = +1 и -1, т.е. общее число опытов N составит 8.
Аналогично происходит построение матрицы планирования и при большем количестве факторов (к). Общее число опытов в этом случае определяется по формуле N=2 , из чего следует сильное увеличение N с ростом к. Например, при 6 факторах матрица полного факторного эксперимента включает 64 опыта, что обычно находится за пределами целесообразности.
Поскольку для определения коэффициентов модели число опытов должно превышать (к+1), что намного меньше числа опытов полного факторного эксперимента, при большом количестве факторов обычно используют дробные факторные планы (реплики). Для их построения используют так называемые генерирующие соотношения, которые показывают с каким эффектом смешан данный эффект. Например, в случае 4-х факторов полуреплика с генерирующим соотношением X4 =X1 X2 X3 , имеет матрицу планирования, приведенную в табл. Д.1. В этом случае по результатам эксперимента можно построить уравнение:
Y= b0 +b1 X1 +b2 X2 +b3 X3 + b4X4 , (Д.1)
Данный дробный факторный план имеет 3 степени свободы (N-к-1=8-4-1), что для метода крутого восхождения вполне достаточно. Расчет коэффициентов этого уравнения рассмотрен в лаб. работе N6.
Таблица Д.1
Построение матрицы планирования для полного (23) и дробного (24-1) факторного планов
N |
X1 |
X2 |
X3 |
X4=X1X 2X3 |
Y |
1 |
+ |
+ |
+ |
+ |
Y1 |
2 |
+ |
- |
+ |
- |
Y2 |
3 |
_ |
+ |
+ |
- |
Y3 |
4 |
- |
- |
+ |
+ |
Y4 |
5 |
+ |
+ |
_ |
- |
Y5 |
6 |
+ |
- |
_ |
+ |
Y6 |
7 |
_ |
+ |
_ |
+ |
Y7 |
8 |
- |
- |
_ |
- |
Y8 |