🗊Презентация Планирование эксперимента. Полный факторный эксперимент

Планирование эксперимента Полный факторный эксперимент

Основные определения Под экспериментом понимают совокупность операций совершаемых над объектом исследования с целью получения информации о его свойствах. Эксперимент, в котором исследователь по своему усмотрению может изменять условия его проведения, называется активным экспериментом. Если исследователь не может самостоятельно изменять условия его проведения, а лишь регистрирует их, то это пассивный эксперимент. Важнейшей задачей методов обработки полученной в ходе эксперимента информации является задача построения математической модели изучаемого явления, процесса, объекта. Ее можно использовать и при анализе процессов и при проектировании объектов. Можно получить хорошо аппроксимирующую математическую модель, если целенаправленно применяется активный эксперимент.

Основные определения Другой задачей обработки полученной в ходе эксперимента информации является задача оптимизации, т.е. нахождения такой комбинации влияющих независимых переменных, при которой выбранный показатель оптимальности принимает экстремальное значение. Опыт – это отдельная экспериментальная часть. План эксперимента – совокупность данных определяющих число, условия и порядок проведения опытов.

Основные определения Планирование эксперимента – это процедура выбора числа и условий проведения опытов, необходимых и достаточных для решения поставленной задачи с требуемой точностью. Задачи, для решения которых может использоваться планирование эксперимента, чрезвычайно разнообразны (выбор оптимального компонента смесей, повышение производительности действующих установок, повышение качества продукции и т.д.). Цель планирования эксперимента –при нахождение таких условий и правил проведения опытов которых удается получить надежную и достоверную информацию об объекте с наименьшей затратой труда, а также представить эту информацию в компактной и удобной форме с количественной оценкой точности.

При планировании эксперимента исследуемый объект представляется «черным ящиком», на который воздействуют факторы x. При планировании эксперимента исследуемый объект представляется «черным ящиком», на который воздействуют факторы x. Стрелки справа изображают численные характеристики целей исследования (параметры оптимизации). Для проведения эксперимента необходимо иметь возможность воздействовать на поведение «черного ящика». Все способы такого воздействия мы называем факторами. Их также называют входами «черного ящика».

Факторы должны быть совместимыми и независимыми. Совместимость предполагает допустимость любой комбинации факторов, а независимость - отсутствие между факторами корреляционной связи. Факторы должны быть совместимыми и независимыми. Совместимость предполагает допустимость любой комбинации факторов, а независимость - отсутствие между факторами корреляционной связи. К исследуемым параметрам предъявляют ряд требований. Они должны быть: Управляемыми: экспериментатор, выбрав нужное значение фактора, может его поддерживать постоянным в течение всего опыта; Операциональными: необходимо указывать последовательность действий, с помощью которых устанавливаются конкретные значения; Точными: степень точности определяется диапазоном изменения факторов; Однозначными: должны быть непосредственными воздействиями на объект.

Принятие решений перед планированием эксперимента При выборе области эксперимента прежде всего надо оценить границы областей определения факторов. При этом должны учитываться ограничения нескольких типов. Первый тип – принципиальные ограничения для значений факторов, которые не могут быть нарушены ни при каких обстоятельствах. Второй тип – ограничения, связанные с технико – экономическими соображениями. Третий тип – определяется конкретными условиями проведения процесса. Оптимизация обычно начинается в условиях, когда объект уже подвергался некоторым исследованиям информацию, содержащуюся в результатах предыдущих исследований называют априорной (т.е. полученной до начала эксперимента). Выбор экспериментальной области факторного пространства связан с тщательным анализом априорной информации.

Выбор основного уровня Наилучшими условиями, определенными из анализа априорной информации, соответствует комбинация уровней факторов. Каждая комбинация является многомерной точкой в факторном пространстве. Ее можно рассматривать как исходную точку для построения плана эксперимента. Ее называют основным (нулевым) уровнем.

Выбор интервалов варьирования Требуется исследовать влияние легирующих элементов (Cr – хрома, Nb – ниобия, W – вольфрама) на предел прочности литейного сплава ЖС6К. Номинальное содержание элементов: Cr=8,0%, Nb=1%, W=7,0%. Поставим ПФЭ при трех сериях опытов в точках: Cr=8,0±1,5%, Nb=1±1%, W=7,0±1,5%. Для стандартизации масштабов факторов условия проведения опыта сведем в таблицу

План проведения экспериментов записывается в виде матрицы планирования, в которой в определенном порядке перечисляются различные комбинации факторов на двух уровнях. Например, в таблице приведена матрица планирования ПФЭ 2 для трех факторов: x1, x2, x3. Знак «+» говорит о том, что во время опыта значение фактора устанавливают на верхнем уровне, а знак «-» показывает, что значение фактора устанавливают на нижнем уровне. План проведения экспериментов записывается в виде матрицы планирования, в которой в определенном порядке перечисляются различные комбинации факторов на двух уровнях. Например, в таблице приведена матрица планирования ПФЭ 2 для трех факторов: x1, x2, x3. Знак «+» говорит о том, что во время опыта значение фактора устанавливают на верхнем уровне, а знак «-» показывает, что значение фактора устанавливают на нижнем уровне.

При проведении экспериментов получают значения исследуемой величины y для каждого опыта (или серии опытов). Затем переходят к построению математической модели. При проведении экспериментов получают значения исследуемой величины y для каждого опыта (или серии опытов). Затем переходят к построению математической модели. Под моделью понимается вид функции y = f(x1, x2,...,xk), которая связывает изучаемый параметр со значениями факторов, лежащих в интервале между верхним и нижним уровнями. Эту функцию называют уравнением регрессии. По накопленному разными исследователями опыту работы с различными моделями можно считать, что самыми простыми моделями являются алгебраические полиномы.

Работу выполняем в следующем порядке: кодируем переменные; достраиваем матрицу планирования в кодированных переменных с учетом парных взаимодействий и дополняем столбцом средних значений отклика; вычисляем коэффициенты уравнения регрессии; проверяем вычисленные коэффициенты на значимость, предварительно определив дисперсию воспроизводимости, и получаем уравнение регрессии в кодированных переменных проверяем полученное уравнение на адекватность; проводим интерпретацию полученной модели; выписываем уравнение регрессии в натуральных переменных оптимизация параметров.

Для каждого фактора находим центр, интервал варьирования и зависимость кодированной переменной xi от натуральной zi по формулам. Оформляем результаты в таблице Для каждого фактора находим центр, интервал варьирования и зависимость кодированной переменной xi от натуральной zi по формулам. Оформляем результаты в таблице

Рассчитываем средние выборочные результатов для каждого эксперимента. Строим матрицу планирования с учетом всех взаимодействий и средних значений отклика Рассчитываем средние выборочные результатов для каждого эксперимента. Строим матрицу планирования с учетом всех взаимодействий и средних значений отклика

Линейное уравнение регрессии относительно новых переменных имеет вид: Линейное уравнение регрессии относительно новых переменных имеет вид: Если требуется изучить влияние парных взаимодействий различных факторов на исследуемый параметр, то уравнение регрессии записывают в виде Или Если надо учесть другие взаимодействия, то число слагаемых увеличивают.

Обычно проводят несколько серий опытов для каждого эксперимента. Это необходимо для проверки уравнения на адекватность. Обычно проводят несколько серий опытов для каждого эксперимента. Это необходимо для проверки уравнения на адекватность. Адекватность - это способность модели предсказывать результаты эксперимента в некоторой области с требуемой точностью. Результаты опытов в каждом j-ом эксперименте (j=1,..., n) записывают в правые столбцы матрицы планирования. В последнем столбце записывают средние выборочные значения полученных результатов для каждой серии опытов (см. таблицу 2). Если каждый эксперимент повторяли m раз, то в матрице будет записано m столбцов y1, y2, ..., ym. Если обозначить за yji значение результата, полученного в i-ом опыте (i=1,...,m) для j-ого эксперимента (j=1,...,n), то выборочное среднее для каждого эксперимента вычисляют по известной формуле:

Коэффициенты уравнения регрессии находят с помощью метода наименьших квадратов. Коэффициенты уравнения регрессии находят с помощью метода наименьших квадратов. Так как матрица планирования ПФЭ 2k должна удовлетворять определенным требованиям (такие матрицы с заданными требованиями уже построены), то формулы, определяющие коэффициенты уравнения регрессии, достаточно просты:

Вычисляем коэффициенты уравнения регрессии. Составляем для наглядности таблицу, в которую заносим найденные коэффициенты уравнения регрессии. Вычисляем коэффициенты уравнения регрессии. Составляем для наглядности таблицу, в которую заносим найденные коэффициенты уравнения регрессии.

Полученные коэффициенты необходимо проверить на значимость. Это можно сделать с помощью критерия Стьюдента: если , то b значим; если , то b незначим и его полагают равным нулю в уравнении регрессии. Полученные коэффициенты необходимо проверить на значимость. Это можно сделать с помощью критерия Стьюдента: если , то b значим; если , то b незначим и его полагают равным нулю в уравнении регрессии. Критическую точку tкр. находят из таблиц распределения Стьюдента по числу степеней свободы n(m - 1) и с заданным уровнем значимости α для случая двусторонней критической области. Среднее квадратическое отклонение коэффициентов Sкоэф. зависит от дисперсии воспроизводимости результатов по всем проведен­ным опытам S2{y} и вычисляется по формуле:

Дисперсия воспроизводимости S2{y} характеризует ошибку всего эксперимента. В случае равномерного дублирования опытов (т.е. при одинаковом числе наблюдений в каждом эксперименте) для расчета S2{y} используют формулу: Дисперсия воспроизводимости S2{y} характеризует ошибку всего эксперимента. В случае равномерного дублирования опытов (т.е. при одинаковом числе наблюдений в каждом эксперименте) для расчета S2{y} используют формулу: где n - число экспериментов (число строк в матрице ПФЭ); m - число опытов (наблюдений) в каждом эксперименте; yji - результат отдельного i-го наблюдения в j-ом эксперименте; - среднее выборочное значение наблюдений для j-ого экспе­римента, которое определяется по формуле.

Находим дисперсию воспроизводимости S2{y}. Для облегчения расчетов запишем формулу в другом виде Находим дисперсию воспроизводимости S2{y}. Для облегчения расчетов запишем формулу в другом виде здесь внутренние суммы являются выборочными диспер­сиями результатов опытов для j-го эксперимента (j=1,..., n). Для удобства оформляем расчеты в виде таблицы

Суммируя элементы последнего столбца таблицы 2.5, получаем: Суммируя элементы последнего столбца таблицы 2.5, получаем: Отсюда получаем дисперсию воспроизводимости: Определяем среднее квадратическое отклонение коэффициентов: Из таблиц распределения Стьюдента по числу степеней свободы n(m-1)=8*2=16 при уровне значимости α=0,05 находим tкр=2,12. Следовательно, tкр*Sкоэф =2,12*6,45=13,67

Сравнивая полученное значение tкр*Sкоэф=13,67 с коэффициентами уравнения регрессии, представленными в таблице, видим, что все коэффициенты взаимодействия меньше по абсолютной величине 13,67. Следовательно, коэффициенты взаимодействия незначимы. Получаем уравнение регрессии в кодированных переменных: Сравнивая полученное значение tкр*Sкоэф=13,67 с коэффициентами уравнения регрессии, представленными в таблице, видим, что все коэффициенты взаимодействия меньше по абсолютной величине 13,67. Следовательно, коэффициенты взаимодействия незначимы. Получаем уравнение регрессии в кодированных переменных: у = 527 + 35,75х1 + 46,75х2 - 66х3 Проверка на адекватность полученного уравнения регрессии со значимыми коэффициентами осуществляется с помощью критерия Фишера: если Fрасч. < Fmaбn, то уравнение адекватно, в противном случае - неадекватно. Расчетное значение критерия Fpacч определяют по формуле: где S2{y} - дисперсия воспроизводимости, найденная по формуле, а S2ост - остаточная дисперсия (или дисперсия адекватности).

Табличное значение критерия Fmабл. находим из таблиц критических точек распределения Фишера при уровне значимости α=0,05 по соответствующим степеням свободы k1= n — r= 8 - 7 =1 и k2= n(m-1)= 8-2 = 16, Fmабл=4,49. Табличное значение критерия Fmабл. находим из таблиц критических точек распределения Фишера при уровне значимости α=0,05 по соответствующим степеням свободы k1= n — r= 8 - 7 =1 и k2= n(m-1)= 8-2 = 16, Fmабл=4,49. Так как Fpасч=3,73 < Fmаблj= 4,49, то уравнение регрессии адекватно. Проведем интерпретацию полученной модели у = 527 + 35,75х1 + 46,75х2 - 66х3 По уравнению видно, что наиболее сильное влияние оказывает фактор х3 – содержание хрома в сплаве, так как он имеет наиболь­ший по абсолютной величине коэффициент. Так как коэффициенты при х1 и х2 положительны, то с увеличением этих факторов увеличивается отклик, т.е. увеличивается прочность.

Выписываем уравнение регрессии в натуральных переменных, подставляя вместо xi их выражения через zi, которые берем из последнего столбца таблицы: Выписываем уравнение регрессии в натуральных переменных, подставляя вместо xi их выражения через zi, которые берем из последнего столбца таблицы: у = 527 + 35,75+ 46,75 – 66 Преобразовав это уравнение, окончательно получаем его вид в натуральных переменных: у = 528,375 + 35,75z1 + 70,125z2 - 99z3.

Оптимизация параметров Оптимизация – процесс поиска максимума или минимума (поиск наилучшего значения параметра). Оптимизация бывает двух типов: 1) оптимизация параметров, в процессе которой ищут такие значения параметров, при которых целевая функция имеет экстремальное значение при заданной структуре; 2)оптимизация структуры, когда ищется структура системы, при которой целевая функция имеет максимальное значение (функциональное преобразование при заданных параметрах)

Сначала выбирается начальное значение x1,х2 и x3, затем интервалы варьирования и , составляется МПЭ.

Проведем расчет для новых опытов крутого восхождения. Необходимо в первую очередь перевести натуральные значения таблицы в кодированные. Кодированные величины получаются с помощью известной формулы: Проведем расчет для новых опытов крутого восхождения. Необходимо в первую очередь перевести натуральные значения таблицы в кодированные. Кодированные величины получаются с помощью известной формулы:

Расчеты (мысленные эксперименты) используются только для сокращения объема эксперимента. Параллельно с мысленными опытами проводится эксперимент, но он проводится не в каждой точке, и производится сравнение yрасч и yэксп. Когда это расхождение становится значительным, то переходят к проведению эксперимента. Расчеты (мысленные эксперименты) используются только для сокращения объема эксперимента. Параллельно с мысленными опытами проводится эксперимент, но он проводится не в каждой точке, и производится сравнение yрасч и yэксп. Когда это расхождение становится значительным, то переходят к проведению эксперимента.