6226
.pdf10
Рис. 4. Структурное представление объекта исследования.
На рис 4, б дана преобразованная схема объекта исследования с одной целевой функцией уi = ηi + εi, где ηi – истинное значение выхода при i-ом экспе-
рименте; εi – аддитивная помеха, соответствующая i-му эксперименту, образо-
ванная за счет суммарного действия неуправляемых переменных Предполагается, что зависимость η = φ (х) «гладкая», т. е. дифференци-
руема и может быть представлена разложением в ряд Тейлора. Помехи εi – это независимые случайные числа, подчиняющиеся нормальному распределению с параметрами М (ε) = 0 и σ2ε const для каждой фиксированной комбинации уровней составляющих вектора х. Этим условиям удовлетворяет широкий класс объектов: промышленные агрегаты, полупромышленные и лабораторные уста-
новки.
Планирование эксперимента применяется при решении следующих типо-
вых исследовательских задач:
1)определение (отсеивание) наиболее значимых факторов;
2)количественная оценка эффектов влияния отдельных факторов и их взаимодействие на целевую функцию;
3)поиск оптимальных условий;
4)построение математической модели исследуемого объекта;
5)уточнение коэффициентов, констант, теоретических моделей, описы-
вающих механизм явлений, и выбор наилучшей модели из ряда конкурирую-
щих.
11
2.2 Полный и дробный факторные эксперименты
Целью полного и дробного факторного эксперимента является получение линейной и неполной квадратичной статической модели исследуемого объекта
– так называемого уравнения регрессии.
Так, для трехфакторной задачи вид модели (теоретического уравнения регрессии) будет иметь вид
3 |
3 |
(9) |
μ(y) η β0 βixi |
βijxixj β1,2,3x1x2x3, |
|
i 1 |
i 1 |
|
где β1, β2, β3 – коэффициенты, характеризующие эффекты влияния управляемых переменных на целевую функцию; βij, β1,2,3 – коэффициенты, характеризующие эффекты влияния парных взаимодействий переменных и тройного взаимодей-
ствия соответственно.
Из-за действия помехи ε результат измерения у при фиксированных зна-
чениях управляемых переменных является случайной величиной, следователь-
но, по результатам эксперимента мы можем вычислить лишь оценки bi – истин-
ных генеральных значений коэффициентов βi. Введя фиктивную переменную
х0 = 1 и перейдя к переменным z, запишем уравнение (9) в виде
7 |
(10) |
y bizi. |
|
i 0 |
|
Нахождение математической модели вида (10) состоит из ряда последо-
вательных этапов
1. Планирование эксперимента.
На этом этапе выбирается экспериментальный план, позволяющий ре-
шить поставленную задачу – вычислить наилучшие оценки коэффициентов уравнения (10). Экспериментальный план – это некоторая совокупность экспе-
риментов, каждый из которых характеризуется набором фиксированных значе-
ний управляемых переменных. В данном случае наилучшим планом является
полный факторный эксперимент (ПФЭ), реализующий все возможные непо-
вторяющиеся комбинации уровней п независимых переменных, каждая из ко-
торых принудительно варьируется на двух уровнях. Число этих комбинаций
12
N = 2n. При планировании эксперимента проводят преобразование независимых переменных хi в безразмерные переменные
x |
(x |
x*) / x , |
(11) |
|
δi |
i |
i |
i |
|
где xi* – значение управляемой переменной, соответствующее начальному ба-
зовому режиму; хi – шаг варьирования.
Переход к безразмерным переменным значительно облегчает дальнейшие расчеты, так как в этом случае верхние и нижние уровни варьирования xвi и xнi в
относительных единицах будут равны соответственно xвi = +1, xнi = –1.ПФЭ для
п = 3 представлен в табл. 1.
Три столбца управляемых переменных образуют план эксперимента, а
остальные столбцы матрицы получаются перемножением соответствующих значений управляемых переменных. Матрицу планирования для п = 4 можно построить на базе планирования 23, повторив этот способ дважды: первый раз при значениях х4, находящихся на нижнем уровне, а второй раз – на верхнем.
Аналогично могут быть получены планы для сколь угодно большого числа п независимых переменных. Матрица планирования для ПФЭ является ортого-
нальной с линейно независимыми вектор-столбцами.
N |
|
z |
0; |
p,l 0,1, 2,..., k; |
|
|
z |
p,i |
|
|
|||
i 1 |
l,r |
|
|
, |
(12) |
|
|
|
|
|
|||
p l, |
|
|
|
|
|
|
|
|
|
|
|
где k + 1 – число независимо оцениваемых коэффициентов (в случае п = 3 k + 1 = 8).
2. Проведение эксперимента.
С целью усреднения выходной величины y каждая строка эксперимен-
тального плана дублируется несколько раз. В случае т параллельных опытов
|
|
|
1 m |
|
|
|
|
y |
g |
|
|
y |
g,i |
, g 1,2,..., N. |
(13) |
|
|||||||
|
|
mi 1 |
|
|
Если т = 3, эксперимент делится на три серии опытов, в каждой из кото-
рых полностью реализуется ПФЭ. Для исключения систематических ошибок при вычислении оценок коэффициентов регрессии необходимо рандомизиро-
13
вать варианты варьирования в каждой из трех серий, т. е. с помощью таблицы равномерно распределенных случайных чисел определить последовательность реализации вариантов варьирования переменных в каждой серии опытов. Ран-
домизация проводится следующим образом. Из таблицы равномерно распреде-
ленных чисел (табл. 2) выбираются числа от 1 до 8 (каждое число берется толь-
ко 1 раз). Числа эти выбираются в том порядку, в котором они встречаются при последовательном обходе столбцов таблицы, начиная с первого.
|
|
|
|
|
|
|
|
Таблица 1 |
|
|
|
Полный факторный эксперимент (ПФЭ) типа 23 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
N |
z0 |
z1 |
z2 |
z3 |
z4 |
z5 |
z6 |
|
z7 |
x0 |
x1 |
x2 |
x3 |
x1x2 |
x1x3 |
x2x3 |
|
x1x2x3 |
|
|
|
||||||||
1 |
+ |
- |
- |
- |
+ |
+ |
+ |
|
- |
2 |
+ |
+ |
- |
- |
- |
- |
+ |
|
+ |
3 |
+ |
- |
+ |
- |
- |
+ |
- |
|
+ |
4 |
+ |
+ |
+ |
- |
+ |
- |
- |
|
- |
5 |
+ |
- |
- |
+ |
+ |
- |
- |
|
+ |
6 |
+ |
+ |
- |
+ |
- |
+ |
- |
|
- |
7 |
+ |
- |
+ |
+ |
- |
- |
+ |
|
- |
8 |
+ |
+ |
+ |
+ |
+ |
+ |
+ |
|
+ |
При рандомизации второй серии экспериментов запервый столбец табли-
цы принимается столбец, следующий за последним столбцом, использованным в предыдущей серии. Аналогичным образом осуществляется рандомизация третьей серии экспериментов.
Так, последовательность реализации первой серии ПФЭ будет 8,4; 1,6; 5,7; 2,3.
3. Вычисление коэффициентов уравнения регрессии.
Для вычисления оценок bi используется метод наименьших квадратов
(МНК), минимизирующий сумму квадратов отклонений наблюденных унабл и
предсказанных по модели yˆ значений выхода:
n |
yˆ |
)2. |
(14) |
min (y |
|||
набл i |
i |
|
|
i 1
|
|
|
|
|
|
|
|
|
|
|
|
14 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Равномерно распределенные случайные числа |
|
|
|
|
|
|
Таблица 2 |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
|
18 |
19 |
20 |
21 |
22 |
23 |
24 |
25 |
10 |
09 |
73 |
25 |
33 |
76 |
52 |
01 |
35 |
86 |
34 |
67 |
35 |
48 |
76 |
80 |
95 |
|
90 |
91 |
17 |
39 |
29 |
27 |
49 |
45 |
37 |
54 |
20 |
48 |
05 |
64 |
89 |
47 |
42 |
96 |
24 |
80 |
52 |
40 |
37 |
20 |
63 |
|
61 |
04 |
02 |
00 |
82 |
29 |
16 |
65 |
08 |
42 |
26 |
89 |
53 |
19 |
64 |
50 |
93 |
03 |
23 |
20 |
90 |
25 |
60 |
15 |
95 |
|
33 |
47 |
64 |
35 |
08 |
03 |
36 |
06 |
99 |
01 |
90 |
25 |
29 |
09 |
37 |
67 |
07 |
15 |
38 |
31 |
13 |
11 |
65 |
88 |
67 |
|
67 |
43 |
97 |
04 |
43 |
62 |
76 |
59 |
12 |
80 |
79 |
99 |
70 |
80 |
15 |
73 |
61 |
47 |
64 |
03 |
23 |
66 |
53 |
98 |
95 |
|
11 |
68 |
77 |
12 |
17 |
17 |
68 |
33 |
66 |
06 |
57 |
47 |
17 |
34 |
07 |
27 |
68 |
50 |
36 |
69 |
73 |
61 |
70 |
65 |
81 |
|
33 |
98 |
85 |
11 |
19 |
92 |
91 |
70 |
31 |
06 |
01 |
08 |
05 |
45 |
57 |
18 |
24 |
06 |
35 |
30 |
34 |
26 |
14 |
86 |
79 |
|
90 |
74 |
39 |
23 |
40 |
30 |
97 |
32 |
85 |
26 |
97 |
76 |
02 |
02 |
05 |
16 |
56 |
92 |
68 |
66 |
57 |
48 |
18 |
73 |
05 |
|
38 |
52 |
47 |
18 |
62 |
38 |
85 |
79 |
63 |
57 |
33 |
21 |
35 |
05 |
32 |
54 |
70 |
48 |
90 |
55 |
35 |
75 |
48 |
28 |
46 |
|
82 |
87 |
09 |
83 |
49 |
12 |
56 |
24 |
73 |
79 |
64 |
57 |
53 |
03 |
52 |
96 |
47 |
78 |
35 |
80 |
83 |
42 |
82 |
60 |
93 |
|
52 |
03 |
44 |
35 |
27 |
38 |
84 |
35 |
98 |
52 |
01 |
77 |
67 |
14 |
90 |
56 |
86 |
07 |
22 |
10 |
94 |
05 |
58 |
60 |
97 |
|
09 |
34 |
33 |
50 |
50 |
07 |
37 |
98 |
11 |
80 |
50 |
54 |
31 |
39 |
80 |
82 |
77 |
32 |
50 |
72 |
56 |
82 |
48 |
29 |
40 |
|
52 |
42 |
01 |
52 |
77 |
56 |
78 |
51 |
83 |
45 |
20 |
96 |
34 |
06 |
28 |
89 |
80 |
83 |
13 |
74 |
67 |
00 |
78 |
18 |
47 |
|
54 |
06 |
10 |
68 |
71 |
17 |
78 |
17 |
88 |
68 |
54 |
02 |
00 |
86 |
50 |
75 |
84 |
01 |
36 |
76 |
66 |
79 |
51 |
90 |
36 |
|
47 |
64 |
93 |
29 |
60 |
91 |
10 |
62 |
99 |
59 |
46 |
73 |
48 |
37 |
51 |
76 |
49 |
69 |
91 |
82 |
60 |
89 |
28 |
93 |
78 |
|
56 |
13 |
68 |
23 |
47 |
83 |
41 |
13 |
65 |
48 |
11 |
76 |
74 |
17 |
46 |
85 |
09 |
50 |
58 |
04 |
77 |
69 |
74 |
73 |
03 |
|
95 |
71 |
86 |
40 |
31 |
81 |
65 |
44 |
80 |
12 |
43 |
56 |
35 |
17 |
72 |
70 |
70 |
15 |
45 |
31 |
82 |
23 |
74 |
21 |
11 |
|
57 |
82 |
53 |
14 |
38 |
55 |
37 |
63 |
74 |
35 |
09 |
98 |
17 |
77 |
45 |
27 |
72 |
14 |
43 |
23 |
60 |
02 |
10 |
45 |
52 |
|
16 |
42 |
37 |
96 |
28 |
60 |
26 |
55 |
69 |
91 |
62 |
68 |
03 |
66 |
25 |
22 |
91 |
48 |
36 |
93 |
68 |
72 |
03 |
76 |
62 |
|
11 |
39 |
90 |
94 |
40 |
05 |
64 |
18 |
09 |
89 |
32 |
05 |
05 |
14 |
22 |
56 |
85 |
14 |
46 |
42 |
75 |
67 |
88 |
96 |
29 |
|
77 |
88 |
22 |
54 |
38 |
21 |
45 |
98 |
91 |
49 |
91 |
45 |
23 |
68 |
47 |
92 |
76 |
86 |
46 |
16 |
28 |
35 |
54 |
94 |
75 |
|
08 |
99 |
23 |
37 |
08 |
92 |
00 |
48 |
80 |
33 |
69 |
45 |
98 |
26 |
94 |
03 |
68 |
58 |
70 |
29 |
73 |
41 |
35 |
53 |
14 |
|
03 |
33 |
40 |
42 |
05 |
08 |
23 |
41 |
44 |
10 |
48 |
19 |
49 |
85 |
15 |
74 |
79 |
54 |
32 |
97 |
92 |
65 |
75 |
57 |
60 |
|
04 |
08 |
81 |
22 |
22 |
20 |
64 |
13 |
12 |
55 |
07 |
37 |
42 |
11 |
10 |
00 |
20 |
40 |
12 |
86 |
07 |
46 |
97 |
96 |
64 |
|
48 |
94 |
39 |
28 |
70 |
72 |
58 |
15 |
63 |
60 |
64 |
93 |
29 |
16 |
50 |
53 |
44 |
84 |
40 |
21 |
95 |
25 |
63 |
43 |
65 |
|
17 |
70 |
82 |
07 |
20 |
73 |
17 |
90 |
61 |
19 |
69 |
04 |
46 |
26 |
45 |
74 |
77 |
74 |
61 |
92 |
43 |
37 |
29 |
65 |
39 |
|
45 |
95 |
93 |
42 |
58 |
26 |
05 |
27 |
15 |
47 |
44 |
52 |
66 |
95 |
27 |
07 |
99 |
53 |
59 |
36 |
78 |
38 |
48 |
82 |
39 |
|
61 |
01 |
18 |
33 |
21 |
15 |
94 |
66 |
94 |
55 |
72 |
85 |
73 |
67 |
89 |
75 |
43 |
87 |
54 |
62 |
24 |
44 |
31 |
91 |
19 |
|
04 |
25 |
92 |
92 |
92 |
74 |
59 |
73 |
42 |
48 |
11 |
62 |
13 |
97 |
34 |
40 |
87 |
21 |
16 |
86 |
84 |
87 |
67 |
03 |
07 |
|
11 |
20 |
59 |
25 |
70 |
14 |
66 |
70 |
23 |
52 |
37 |
83 |
18 |
73 |
20 |
88 |
98 |
37 |
68 |
93 |
69 |
14 |
16 |
26 |
25 |
|
22 |
96 |
63 |
05 |
52 |
28 |
25 |
62 |
04 |
49 |
35 |
24 |
94 |
75 |
24 |
63 |
38 |
24 |
45 |
86 |
25 |
10 |
25 |
61 |
96 |
|
27 |
93 |
35 |
68 |
73 |
71 |
24 |
72 |
00 |
54 |
99 |
76 |
54 |
64 |
05 |
18 |
81 |
69 |
96 |
11 |
96 |
38 |
96 |
54 |
69 |
|
28 |
23 |
91 |
23 |
28 |
72 |
95 |
29 |
35 |
96 |
31 |
53 |
07 |
26 |
89 |
08 |
93 |
64 |
33 |
35 |
13 |
54 |
52 |
77 |
97 |
|
45 |
00 |
24 |
90 |
10 |
33 |
93 |
33 |
59 |
80 |
80 |
83 |
91 |
45 |
42 |
72 |
68 |
42 |
83 |
60 |
94 |
97 |
00 |
13 |
02 |
|
12 |
48 |
92 |
78 |
56 |
52 |
01 |
06 |
46 |
05 |
88 |
52 |
36 |
01 |
39 |
09 |
22 |
86 |
772 |
28 |
14 |
04 |
77 |
93 |
91 |
|
08 |
36 |
47 |
70 |
61 |
74 |
29 |
41 |
32 |
17 |
90 |
05 |
97 |
87 |
37 |
92 |
52 |
41 |
05 |
56 |
70 |
70 |
07 |
86 |
74 |
|
31 |
71 |
57 |
95 |
39 |
41 |
18 |
38 |
69 |
23 |
46 |
14 |
06 |
20 |
11 |
74 |
52 |
04 |
15 |
95 |
66 |
00 |
00 |
18 |
74 |
|
39 |
24 |
23 |
97 |
11 |
89 |
63 |
38 |
19 |
56 |
54 |
14 |
30 |
01 |
75 |
87 |
53 |
79 |
40 |
41 |
52 |
15 |
85 |
6 |
67 |
|
43 |
68 |
06 |
84 |
96 |
28 |
52 |
07 |
45 |
15 |
51 |
49 |
38 |
19 |
47 |
60 |
72 |
46 |
43 |
66 |
79 |
45 |
43 |
59 |
04 |
|
79 |
00 |
33 |
20 |
82 |
66 |
95 |
41 |
94 |
86 |
43 |
19 |
94 |
36 |
16 |
91 |
08 |
51 |
34 |
88 |
88 |
15 |
53 |
01 |
44 |
|
03 |
54 |
56 |
05 |
51 |
45 |
11 |
76 |
15
Ортогональность экспериментального плана приводит к ортогональности матрицы коэффициентов системы нормальных уравнений, что в свою очередь обеспечивает взаимную независимость оценок коэффициентов уравнения рег-
рессии bi и их вычисление по простым формулам:
|
1 N |
|
|
|
|
|
n 1 |
(15) |
|
b |
|
z |
|
y |
|
, i 0,1,2,..., 2 |
. |
||
|
|
|
|||||||
i |
N g |
1 |
gi |
|
g |
|
|
|
Таким образом, для вычисления bi необходимо определить среднее ариф-
метическое усредненных значений выхода с учетом знаков соответствующего
столбца матрицы планирования.
4. Статистический анализ полученных результатов.
Статистический анализ включает проверку гипотезы о значимости коэф-
фициентов bi (проверка нуль-гипотезы: βi = 0). Проверка гипотезы проводится с помощью критерия Стьюдента, который в данном случае выражается в виде
t |
|
b |
/ s2(b ), |
(16) |
i |
|
i |
i |
|
где s2(bi) – дисперсия ошибки определения коэффициента bi:
s2(b ) s2 |
(y) / (N |
m |
); |
(17) |
i |
|
|
|
здесь s2(у) – так называемая дисперсия воспроизводимости:
|
1 |
N |
1 |
N m |
|
|
s2 |
(y) |
|
sg2(y) |
|
(ygi yg )2. |
(18) |
|
|
|||||
|
|
N g 1 |
(m 1)N g 1i 1 |
|
Если найденное значение параметра ti превышает значение tqv для числа степеней свободы
v N(m 1) |
(19) |
при заданном уровне значимости q (обычно 5 %), т. е.
sign(ti tкр) 1,
то нуль-гипотеза отвергается и коэффициент bi признается значимым. В про-
тивном случае [т. е. при sign(ti – tкр) = –1] нуль-гипотеза принимается, коэффи-
циент bi считают статистически незначимым (т. е. βi = 0) и соответствующий член bizi может быть исключен из математической модели.
16
Статистическая незначимость коэффициента bi может быть обусловлена следующими причинами:
1) уровень базового режима х* близок к точке частного экстремума по переменной хi:
bi y(x*) 0.
xi
2) шаг варьирования xi выбран малым;
3) данная переменная (произведение переменных) не имеет функцио-
нальной связи с выходным параметром у, т. е. βi = 0;
4) велика погрешность воспроизводимости эксперимента вследствие на-
личия неуправляемых и неконтролируемых переменных.
Если какой-либо из коэффициентов bi окажется незначимым, он может быть отброшен без пересчета всех остальных
Чтобы проверить гипотезу об адекватности представления результатов
эксперимента найденным уравнениям регрессии, достаточно оценить отклоне-
ние предсказанной уравнением регрессии выходной функции yˆg от результатов эксперимента yg в тех же точках zg факторного пространства. Рассеяние резуль-
татов эксперимента вблизи уравнения регрессии, аппроксимирующего искомую функциональную зависимость, можно охарактеризовать с помощью дисперсии неадекватности σ2ад,оценка которой находится по формуле
s2 |
|
1 |
N |
( |
y |
|
yˆ |
|
)2 |
, |
(20) |
|
|
g |
g |
||||||||||
|
||||||||||||
ад |
|
N d g 1 |
|
|
|
|
|
|
(21)
Проверка гипотезы об адекватности проводится с использованием
F-критерия Фишера, который позволяет проверить нуль-гипотезу о равенстве двух генеральных дисперсий σад2 и σ2(y). Если выборочные дисперсии
sад2 > s2(у), то F-критерий формируется как отношение
17
F s2 |
/ s2 |
(y) . |
(22) |
ад |
|
|
|
Если вычисленное значение критерия меньше Fкp, найденного по табли-
цам для соответствующих степеней свободы vад = N – d; v = N (m – 1) при за-
данном уровне значимости qад, то нуль-гипотеза принимается. В противном случае [при sign (F – Fкр) = ±1] гипотеза отвергается, и описание признается не-
адекватным объекту. Проверка адекватности возможна при vад > 0. Если гипо-
теза адекватности отвергается, необходимо переходить к более сложной форме уравнения регрессии, либо, если это возможно, проводить эксперимент с мень-
шим шагом варьирования хi.
Во многих практических задачах взаимодействия второго и высших по-
рядков отсутствуют или пренебрежимо малы. Кроме того, на первых этапах ис-
следования часто нужно получить в первом приближении лишь линейную ап-
проксимацию изучаемого уравнения связи при минимальном количестве экспе-
риментов. Поэтому использовать ПФЭ для определения коэффициентов лишь при линейных членах неэффективно из-за реализации большого числа вариан-
тов варьирования 2n, особенно при большом числе факторов п.
Дробным факторным экспериментом (ДФЭ) называется эксперимент,
реализующий часть (дробную реплику) ПФЭ. ДФЭ позволяет получить линей-
ное приближение искомой функциональной зависимости в некоторой неболь-
шой окрестности точки базового режима при минимуме опытов.
Первый этап «планирования эксперимента» в случае ДФЭ для трехфак-
торной задачи приведен в табл. 3. Здесь произведение х1х2 выбирается таким же, как и третья независимая переменная. Такое планирование позволяет оце-
нить свободный член b0 и три коэффициента рeгрессии при линейных членах b1, b2, b3 (при четырех опытах нельзя получить более четырех коэффициентов).
Применение ДФЭ всегда связано со смешиванием, т. е. с совместной оценкой нескольких теоретических коэффициентов уравнения регрессии. В
нашем примере, если коэффициенты регрессии при парных произведениях от-
личны от нуля, то каждый из найденных коэффициентов bi будет совместной смешанной оценкой двух теоретических коэффициентов:
18
b0 β0 β1,2,3;
b1 β1 β2,3;
b2 β2 β1,3;
b3 β3 β1,2.
Действительно, указанные коэффициенты в таком планировании не могут быть оценены раздельно, поскольку столбцы матрицы для линейных членов и соответствующих парных произведений совпадают. Рассмотренный план ДФЭ представляет половину плана ПФЭ типа 22 и называется «полурепликой» от ПФЭ типа 23, или планированием тина N = 23 – 1.
|
|
|
|
|
|
|
|
|
|
Таблица 3 |
|
|
|
|
Дробный факторный эксперимент |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
N0 |
z0 |
z1 |
|
z2 |
z3 |
z4 |
|
z5 |
z6 |
z7 |
|
x0 |
x1 |
|
x2 |
x3 |
x1x2 |
|
x1x3 |
x2x3 |
x1x2x3 |
|
|
|
|
|
|
||||||||
1 |
+ |
- |
|
- |
+ |
+ |
|
- |
- |
+ |
|
2 |
+ |
+ |
|
- |
- |
- |
|
- |
+ |
+ |
|
3 |
+ |
- |
|
+ |
- |
- |
|
+ |
- |
+ |
|
4 |
+ |
+ |
|
+ |
+ |
+ |
|
+ |
+ |
+ |
|
При большом числе переменных для получения линейного приближения можно построить дробные реплики высокой степени дробности. Так, при п = 7
можно составить дробную реплику на основе ПФЭ типа 23 (см. табл. 1), при-
равняв четыре линейные переменные к взаимодействиям первого и второго по-
рядков. В этом случае мы получим ДФЭ, представляющий 1/16 от ПФЭ типа 27,
или планирование типа N = 27 4. В случае если число факторов 3 < п < 7, при построении ДФЭ для оценки лишь линейных факторов следует руководство-
ваться следующими соображениями:
1)число строк матрицы планирования должно быть равно N = 8;
2)в качестве переменных х1, х2, х3 должны быть выбраны те эффекты,
взаимодействия которых (β1,2, β1,3, β2,3, β1,2,3) из физических соображений равны нулю или малы;
3) изменение остальных переменных производится таким образом, чтобы соответствующие им столбцы матрицы планирования совпадали со столбцами
19
произведений переменных х1, х2, х3, эффекты взаимодействия которых отсутст-
вуют или наименьшие.
Последующие этапы, связанные с проведением эксперимента, вычисле-
нием коэффициентов уравнения регрессии, статистическим анализом получен-
ных результатов для ДФЭ, ничем не отличаются от этапов ПФЭ [3].
2.3 Планирование экстремальных экспериментов
Планирование экстремальных экспериментов позволяет решать задачу оптимизации объекта исследования, которая сводится к отысканию таких зна-
чений управляемых переменных x10, x20,..., xn0, при которых целевая функция достигает экстремума. При экспериментальном поиске стационарной точки х0 в
факторном пространстве переменных X осуществляется локальное изучение поверхности отклика по результатам ряда экспериментов, специально сплани-
рованных вблизи текущей точки. Экстремальное значение отклика достигается с помощью многократной последовательности процедуры изучения поверхно-
сти и продвижения в факторном пространстве.
Ниже рассмотрены два типовых метода планирования экстремальных экспериментов, отличающихся способом определения направления движения к экстремуму и организацией самого движения.
1. Метод крутого восхождения (метод Бокси-Уилсони).
Планирование эксперимента в соответствии с этим методом, состоящее из двух взаимосвязанных частей – пробных движений, предназначенных для выяснения направления и скорости движения, и рабочих, осуществляющих продвижение или «крутое восхождение» к экстремуму, производится в сле-
дующей последовательности:
1) проводится ПФЭ или ДФЭ с центром в начальной точке х1 с целью оценки градиента функции grad у(х1). Поскольку координатами вектора гради-
ента