- •Глава 7. Организация активного эксперимента (Планирование эксперимента)
- •7.1 Общие положения
- •X1, x2, …, xk – входные переменные – контролируемые и управляемые факторы, воздействующие на объект (играют роль причин);
- •7.2 Планирование и критерии оптимальности планов эксперимента
- •7.3 Факторный эксперимент. Планы первого порядка
- •7.3.1 Планирование полного факторного эксперимента (пфэ)
- •План-матрица пфэ 22
- •План-матрица пфэ 23
- •Полная план-матрица пфэ 23
- •7.3.2 Планирование дробного факторного эксперимента (дфэ)
- •План-матрица эксперимента 23-1
- •План-матрица эксперимента 23-1
- •7.3.3 Проверка свойств планов-матриц пфэ 2k и дфэ 2k-p
- •7.3.4 Проведение и обработка результатов факторного эксперимента. Рандомизация опытов
- •Проверка однородности дисперсий и воспроизводимости измерений. Определение ошибки опытов
- •Оценка коэффициентов регрессии, проверка их значимости
- •Xiu построчные значения фактора в I-том столбце плана-матрицы;
- •Проверка адекватности регрессионной модели
- •7.3.5 Пример планирования и обработки результатов факторного эксперимента
- •Интервал варьирования и уровни факторов
- •План-матрица и результаты эксперимента
- •В первом случае значения факторов переводим в кодированную форму:
- •Выполним расчеты, используя натуральные значения факторов. Обозначим выход продукта в процентах от массы исходного сырья буквой q.
- •7.3.6 Принятие решений по результатам факторного экспериментирования
- •7.4 Планы второго порядка
- •7.4.1 Принципы композиционного планирования
- •7.4.2 Центральные композиционные ортогональные планы второго порядка (цкоп) Для получения ортогональных планов второго порядка необходимо преобразовать столбцы квадратичных переменных и столбец x0:
- •Показатели цкоп
- •Формулы для расчетов коэффициентов регрессии и их дисперсий после реализации цкоп:
- •Значения для цкоп
- •План-матрица пфэ и его результаты
- •План-матрица и результаты пфэ 23
- •Данные для определения условий опытов в звездных точках
- •План-матрица цкоп и результаты опытов (вторая серия опытов)
- •Вспомогательная таблица для проверки адекватности уравнения регрессии
- •7.4.3 Центральные композиционные ротатабельные планы второго порядка (цкрп)
- •Показатели цкрп
- •Данные для расчета коэффициентов регрессии и их дисперсий при цкрп.
- •Уровни варьирования факторов.
- •План-матрица и результаты первой серии опытов (пфэ 23).
- •План-матрица цкрп результаты его реализации
- •7.5 Симметричные некомпозиционные квази-д-оптимальные планы Песочинского
- •Данные для расчета коэффициентов регрессии и их дисперсий.
- •Матрица симметричного квази-д-оптимального
- •7.6 Принятие решений по планам второго порядка
- •1. Нелинейная модель объекта исследования неадекватна
- •7.7 Вопросы для самоконтроля
План-матрица цкрп результаты его реализации
Согласно результатам проверки (по t-критерию Стьюдента), с надёжностью 0,95 все коэффициенты регрессии могут быть признаны статистически значимыми.
Таким образом, получено уравнение регрессии второго порядка:
Адекватность модели проверили по F-критерию. Поскольку дублировали только один опыт (в центре плана), оценку дисперсии адекватности модели вычислили по формуле (7.21).
ℓ = 10.
Следовательно:
; ;
,
, .
Поскольку , гипотеза об адекватности полученной модели принимается.
7.5 Симметричные некомпозиционные квази-д-оптимальные планы Песочинского
Принцип композиционности планирования не всегда является удобным. Часто удобней и экономичней запланировать и реализовать сразу большую серию опытов, чем последовательно несколько раз небольшие серии, особенно в тех случаях, когда экспериментатор знает, что функция отклика в изучаемой области факторного пространства заведомо нелинейная. В частности, в таких случаях применяют симметричные квази-Д-оптимальные планы Песочинского.
Экспериментальные точки выбирают из множеств, указанных в таблице. Факторы варьируют на трех уровнях: – 1, 0, + 1. Расчет коэффициентов модели
можно проводить по формулам, аналогичным формулам для расчета коэффициентов регрессии по результатам реализации ЦКРП. В таблице 7.20 приведены значения вспомогательных констант сi для расчетов по результатам реализации планов Песочинского.
Таблица 7.20
Данные для расчета коэффициентов регрессии и их дисперсий.
Число факторов |
с1 |
с2 |
с3 |
с4 |
c5 |
2 |
0,52941 |
0,29412 |
0,10000 |
0,12500 |
0,5000 |
3 |
1,00000 |
0,50000 |
0,12500 |
0,25000 |
0,2500 |
4 |
0,38235 |
0,11765 |
0,03125 |
0,04167 |
0,1250 |
5 |
0,42000 |
0,10000 |
0,02500 |
0,03125 |
0,1250 |
Продолжение табл. 7.20
Число факторов |
с6 |
с7 |
с8 |
с9 |
с10 |
2 |
-0,05882 |
0,72761 |
0,31623 |
0,35355 |
0,66421 |
3 |
0,18750 |
1,00000 |
0,35355 |
0,50000 |
0,66144 |
4 |
0,00735 |
0,61834 |
0,17678 |
0,20413 |
0,36380 |
5 |
0 |
0,64807 |
0,15811 |
0,17678 |
0,35355 |
Таблица 7.21
Матрица симметричного квази-д-оптимального
плана Песочинского (k = 3)
№ опыта |
X0 |
X1 |
X2 |
X3 |
X1X2 |
X1X3 |
X2X3 |
X12 |
X22 |
X32 |
Y |
1 |
+ |
0 |
+ |
+ |
0 |
0 |
+ |
0 |
+ |
+ |
|
2 |
+ |
0 |
– |
+ |
0 |
0 |
– |
0 |
+ |
+ |
|
3 |
+ |
0 |
+ |
– |
0 |
0 |
– |
0 |
+ |
+ |
|
4 |
+ |
0 |
– |
– |
0 |
0 |
+ |
0 |
+ |
+ |
|
5 |
+ |
+ |
0 |
+ |
0 |
+ |
0 |
+ |
0 |
+ |
|
6 |
+ |
– |
0 |
+ |
0 |
– |
0 |
+ |
0 |
+ |
|
7 |
+ |
+ |
0 |
– |
0 |
– |
0 |
+ |
0 |
+ |
|
8 |
+ |
– |
0 |
– |
0 |
+ |
0 |
+ |
0 |
+ |
|
9 |
+ |
+ |
+ |
0 |
+ |
0 |
0 |
+ |
+ |
0 |
|
10 |
+ |
– |
+ |
0 |
– |
0 |
0 |
+ |
+ |
0 |
|
11 |
+ |
+ |
– |
0 |
– |
0 |
0 |
+ |
+ |
0 |
|
12 |
+ |
– |
– |
0 |
+ |
0 |
0 |
+ |
+ |
0 |
|
13 |
+ |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
Планы Песочинского, как и ЦКРП, неортогональны. При незначимости коэффициентов bi и bij исключение их и соответствующих слагаемых из регрессионной модели не требует пересчета остальных коэффициентов регрессии, а исключение незначимых коэффициентов b0 и bii требует пересчета оставшихся коэффициентов bii, а также их дисперсий.