- •Моделирование сложных процессов Понятие о моделях сложных процессов
- •Классификация моделей
- •Физическое моделирование
- •Математическое моделирование
- •Методология математического моделирования Концепция последовательного усложнения модели
- •Переход к безразмерным переменным
- •Редукция сложных систем
- •Анализ моделей
- •Оптимизация исследуемых процессов Методы оптимизации
- •Обобщенный параметр оптимизации
- •Планирование эксперимента и обработка результатов Методология планирования эксперимента
- •Полный факторный эксперимент
- •Дробный факторный эксперимент
- •Центральные композиционные планы
- •Статистическая проверка гипотез о свойствах эксперимента
- •Порядок статистической обработки и анализ результатов эксперимента
- •Методы насыщенных и сверхнасыщенных планов для выявления доминирующих факторов.
- •Приложение
- •Список использованных источников
Дробный факторный эксперимент
При большом числе учитываемых в эксперименте факторов ПФЭ становится громоздким и отнимает много времени для его проведения, так как при увеличении количества факторов число опытов растет по экспоненте. Правда, при этом уменьшаются ошибки при определении коэффициентов полинома, так как для оценки каждого из них используются все опыты.
Однако, число опытов можно сократить, если априорно известно, что на процесс не оказывают влияния те или иные взаимодействия; действительно, в реальной ситуации некоторые взаимодействия факторов особенно высокого порядка (то есть включающих большое число факторов) не влияют на выходной параметр. В этом случае, можно использовать так называемые дробные реплики от ПФЭ или дробный факторный эксперимент.
Предположим, что необходимо получить математическое описание процесса при трех учитываемых факторах x1, x2, и x3, оказывающих влияние на функцию отклика y.
При использовании ПФЭ для определения коэффициентов полинома 1-ого порядка необходимо провести восемь опытов (23) в соответствии с матрицей планирования. Число опытов должно быть не менее числа коэффициентов полинома, для нахождения которого планируется эксперимент. В данном случае, планируемая математическая модель, описывающая исследуемый процесс, имеет вид полинома, содержащего восемь коэффициентов от a0 до a123. Однако, если взаимодействие между факторами X1, X2, и X3 отсутствуют, можно ограничиться четырьмя опытами. В этом случае, можно воспользоваться матрицей планирования ПФЭ для двух факторов, заменив в ней обозначение х1х2 на x3, соответствующее безразмерному значению фактора Х1. на верхнем и нижнем его уровнях. Чередование знаков в этом столбце соответствует результату перемножения безразмерных значений двух других факторов (X1 и X2), т. е. остается неизменным после замены символов в матрице планирования, которая после введения в нее третьего фактора остается ортогональной. Эксперимент в этом случае будет ставиться уже с включением третьего фактора, изменяющегося согласно столбцу х1х2 ПФЭ, а предполагаемая математическая модель будет иметь вид полинома 1-го порядка, не учитывающего взаимодействия факторов, т. е.
|
(*) |
Такой сокращенный план содержит половину опытов от требуемого их числа 2k согласно плану ПФЭ (в нашем случае четыре опыта вместо восьми) и называется полурепликой от ПФЭ типа 2k. Условное обозначение такого плана: ДФЭ типа 2k-I, где k – число учитываемых в эксперименте факторов; I – число взаимодействий, замененных факторами, учитываемых в эксперименте.
Для рассматриваемого случая трех факторов Х1, Х2, Х3 матрица планирования ДФЭ типа 23-1(x3= x1 x2) будет иметь вид
Номер опыта |
x0 |
x1 |
x2 |
x3 |
yj |
1 |
+ |
– |
– |
+ |
y1 |
2 |
+ |
+ |
– |
– |
y2 |
3 |
+ |
– |
+ |
– |
y3 |
4 |
+ |
+ |
+ |
+ |
y4 |
Приведенное планирование эксперимента дает возможность при обработке и анализе его результатов оценить в полиноме свободный член a0 и коэффициенты при линейных членах a1, a2 и a3. Однако при этом предполагается, что коэффициенты a12, a13, a23, и a123 в этом полиноме равны нулю. Поэтому составление такой матрицы планирования эксперимента возможно лишь в том случае, если полностью отсутствует или пренебрежительно мало влияние на функцию отклика эффектов взаимодействия факторов исследуемого процесса. Только в этом случае математическая модель, представленная полиномом, в котором отсутствуют члены, учитывающие эти взаимодействия (так как соответствующие им коэффициенты равны нулю), может быть адекватна исследуемому процессу.
При использовании матрицы планирования ДФЭ нужно всегда помнить, что мы получаем совместную оценку нескольких эффектов: факторов и их взаимодействий. Действительно,
Поэтому подсчитываемые в дальнейшем значения линейных коэффициентов a1, a2 и a3 полинома по экспериментальным значениям функции отклика будут всегда включать также значения коэффициентов, учитывающих эффект влияния взаимодействия факторов на функцию отклика (в нашем случае — это коэффициенты a12, a13 и a23). В результате этого подсчитанные значения коэффициентов полинома фактически будут иметь следующий вид:
где a1, a2 и a3 – действительные значения линейных коэффициентов полинома; a΄1, a΄2 и a΄3 – полученные их значения при наличии эффекта влияния взаимодействия факторов на функцию отклика.
Вот почему для получения математической модели вида (*), адекватной исследуемому процессу, необходимо быть уверенным в отсутствии эффекта влияния взаимодействия факторов на экспериментальное значение функции отклика. Только при этом условии подсчитанные коэффициенты a΄i будут искомыми значениями линейных коэффициентов ai. Если это условие не выполняется, то найденные значения линейных коэффициентов a΄i, будут отличаться от действительного значения ai на величину коэффициента aij учитывающего эффект влияния парного взаимодействия двух других факторов.
Эти эффекты не могут быть раздельно оценены при планировании, состоящем только из одной полуреплики ПФЭ. Если вернуться к нашему случаю исследования процесса, в котором учитываются три фактора, то проведение четырех опытов было достаточно для оценки четырех коэффициентов (включая свободный член a0) именно для математической модели вида (*), в которой эффект влияния взаимодействия факторов не учитывается. Если же у исследователя возникают сомнения в отсутствии этого эффекта, то необходимо вернуться к модели ПФЭ и провести не менее восьми опытов и все коэффициенты (включая коэффициенты, учитывающие эффект влияния взаимодействий факторов) оценить раздельно. Раздельно оценить эти эффекты (т. е. раздельно оценить коэффициенты a1, a2, a3, a12, a13, и a23, входящих в полученные значения a΄1, a΄2, и a΄3) с помощью четырех опытов, условия которых оговорены матрицей планирования ДФЭ 23-1, не представляется возможным, так как здесь неразличимы столбцы для линейных членов и парных взаимодействий. Однако такую раздельную оценку для линейных коэффициентов a΄i и коэффициентов a΄ij, учитывающих парное взаимодействие факторов, можно провести, если поставить дополнительно еще четыре опыта в соответствии с матрицей планирования ДФЭ 23-1, приравнивая x3 = – x1 x2.
Подсчитанные коэффициенты a΄i, линейных членов полинома, также как и в предыдущем случае, будут включать реальные значения коэффициентов a1, a2 и a3, учитывающих эффект влияния парного взаимодействия факторов на полученный экспериментальный материал. Но в данном случае совместная оценка коэффициентов уже будет происходить с обратным знаком
Изменение знака объясняется тем, что для матрицы ДФЭ 23-1 взаимозависимость значений факторов имеет вид
Теперь после постановки уже восьми опытов в соответствии с приведенными планами можно записать раздельные оценки
Таким образом, для получения раздельных оценок ai и aij необходимо было провести восемь опытов, т. е. пришлось объединить две полуреплики от ПФЭ 23. Поэтому практически всегда имеет смысл начинать исследования с ДФЭ; если у исследователя появились сомнения в том, что какие-то взаимодействия, ранее не включенные в план эксперимента, могут влиять на выходной параметр он всегда имеет возможность расширить матрицу планирования до ДФЭ меньшей дробности или ПФЭ и найти раздельную оценку интересующих его эффектов.
В случае применения матриц планирования ДФЭ для исследования процессов, содержащих более трех факторов, нужно стремиться к тому, чтобы максимальное число линейных факторов оказалось не смещенным с парными взаимодействиями. Чем более высокие уровни взаимодействия будут заменены факторами из числа рассматриваемых в эксперименте, тем более высоким уровнем разрешающей способности для раздельной оценки коэффициентов полинома будет обладать матрица ДФЭ.
Для формализации процедуры определения разрешающей способности дробной реплики, представленной в виде матрицы планирования ДФЭ при фиксированных k и I, вводятся понятия генерирующего соотношения (ГС) и определяющего контраста (ОК.).
В примере с тремя факторами Х1, Х2 и Х3 генерирующими соотношениями являются x3 = x1x2 и x3 = – x1x2, каждое из которых характеризует соответствующую полуреплику от ПФЭ типа 23.
Выражения ОК получаются умножением левой и правой частей приведенных ГС на их левую часть, т. е. на x3. При этом получаются элементы второго столбца матрицы планирования ДФЭ, соответствующие свободному члену a0 полинома, которые всегда равны единице, так как x2i = 1:
Формализация заключается в том, что определяющие контрасты позволяют определить всю систему совместных оценок факторов и взаимодействий, не изучая матрицы планирования. Для этого последовательно умножают обе части ОК на соответствующие эффекты и получают всю картину совместных оценок данной матрицы ДФЭ.
При планировании эксперимента исследователь имеет возможность приравнять вновь вводимые в матрицу факторы различным взаимодействиям, и, как следствие, получить различные ОК и системы совместных оценок. Из всех вариантов приемлемыми являются лишь те, в которых не происходит совместная оценка двух интересующих исследователя эффектов.
Имея систему совместных оценок, можно формализовать процедуру построения плана ДФЭ, обеспечивающего высокую разрешающую способность при определении коэффициентов полинома.
Чтобы получить высокую разрешающую способность, стремятся таким образом построить план ДФЭ, чтобы линейные факторы были смешаны с взаимодействиями самого высокого порядка (они чаще бывают равными нулю) или с теми взаимодействиями, о которых априорно известно, что они не оказывают влияния на процесс. Оценить разрешающую способность нам помогает ГС, чем больше символов входит в ГС, тем обычно выше разрешающая способность.
Например, если в эксперименте рассматриваются четыре фактора (k = 4), то в предполагаемой линейной имитационной математической модели, соответствующей полиному 1-го порядка, имеем
При планировании ПФЭ типа 24, необходимо было бы провести минимум 16 опытов для определения 16-ти коэффициентов.
Полуреплика от этого плана ПФЭ будет включать 8 опытов, а соответствующую матрицу ДФЭ типа 24-1 можно построить на базе матрицы планирования ПФЭ типа 23, заменив одно из взаимодействий на четвертый фактор.
Рассмотрим в качестве генерирующих соотношений одно, из числа низкого порядка, например х4=х1х2, а другое – из числа самого высокого порядка, в данном случае х4= х1х2х3.
На основании выбранных ГС найдем соответствующие ОК:
С помощью найденных ОК составим две системы совместных оценок:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Приведенные оценки двух полуреплик от ПФЭ 24 получены для двух выбранных ГС, когда взаимодействия факторов приравниваются к независимой переменной (в нашем случае, к четвертому линейному фактору Х4). При ГС х4=х1х2 (левая колонка системы совместных оценок), член, учитывающий парное взаимодействие факторов Х1 и Х2 (a12Х1Х2) будет заменен в уравнении, а следовательно, и в матрице, на член, учитывающий влияние четвертого фактора Х4 на функцию отклика, что соответствует плану ДФЭ 24-1 и имитационной математической модели вида
Для ГС х4= х1х2х3 план ДФЭ 24-1 будет соответствовать модели вида
В обоих случаях потребуется провести 8 опытов для определения 8 коэффициентов. Однако разрешающая способность дробной реплики ГС х4= х1х2х3, для раздельной оценки коэффициентов a1, a2, a3, a4 при линейных членах полинома будет выше потому, что все линейные факторы, как видно из приведенной системы совместных оценок, не смешаны с парными взаимодействиями, в то время, как для ГС x4 = x1x12 три из четырех линейных факторов смешаны с парными взаимодействиями.
Для четверти реплики в пятифакторном планировании типа 25-2 могут быть заданы, например генерирующее соотношение
заранее полагая, что пара x1x2 и тройка x1x2x3 не дает значимого эффекта взаимодействия. Определяющими контрастами для этой четверть-реплики согласно вышеприведенным правилам будут соотношения
Если у дробной реплики имеются два и более определяющих контраста, то для нахождения обобщающего определяющего контраста их необходимо перемножить между собой, используя все возможные комбинации. В случае четверть-реплики получается одна комбинация
Обобщающий определяющий контраст, построенный на основе всех полученных определяющих контрастов, полностью характеризует разрешающую способность реплик высокой степени дробности
Совместные оценки здесь будут определяться соответствиями
По мере возрастания числа учитываемых в исследуемом процессе факторов можно применять реплики с большей степенью дробности (1/4,1/8). При этом с ростом числа независимых переменных (учитываемых факторов) растет разрешающая способность дробных реплик, ибо для линейной имитационной модели соответственно возрастет порядок взаимодействия факторов и количество членов полинома, учитывающих эти взаимодействия, а следовательно, увеличивается точность оценки коэффициентов при линейных членах, смешанных с взаимодействиями высокого порядка. Число опытов, проводимых в соответствии с матрицей дробной реплики для раздельной оценки коэффициентов полинома, должно быть не менее числа коэффициентов в предполагаемой имитационной модели, включая коэффициент a0.