книги из ГПНТБ / Мастеров, В. А. Практика статистического планирования эксперимента в технологии биметаллов
.pdft и и — числа повторений рангов в первой и второй строке.
Врассматриваемом примере Т = О, U = 0,5-2- (2—1) =
=1. Тогда р = 0,823. Значения р в зависимости от согла
сованности ранжировок могут меняться от + 1 (ранжировочные ряды совпадают) до •—1 (отсутствие корреля ции).
Значимость коэффициента ранговой корреляции оце нивается с помощью таблицы распределения частот для 5 при п = 4н-10 (приложение V). Распределение при п > 1 0 стремится к нормальному распределению со стан дартом отклонения
Пользоваться приложением V следует при отсутствии связанных рангов, в противном случае оценка значимо
сти получается приближенной. |
|
Для рассматриваемого примера п— 7, 5 |
= 1 0 ,5 , соот |
ветственно вероятность Р { 5 ^ 10,5} = 0,019 |
и неслучай |
ный характер согласованности ранжировок не отверга ется с надежностью 98%.
Если п > 10 (например, получили при п =11 значение р = 0,45), то вычисляется стандарт отклонения
затем отношение
z = — 0,45/0,316=1,42
и вероятность согласованности ранжировок считывается из приложения VI (при z=l,42 получаем Р = 0,92). (См.
также [5, 6].)
МЕТОДЫ ЭКСПЕРИМЕНТАЛЬНОГО ОТСЕИВАНИЯ ФАКТОРОВ
Метод случайного баланса. Если к началу экспери мента число факторов 8-ь-10, применяют факторный эксперимент с небольшим числом опытов и варьировани ем переменных на двух уровнях.
30
Число строк-опытов матрицы планирования N~^n-\- + 1 и кратно 8. Например, для 10 факторов ставится 16 опытов. Матрица планирования представляет собой одну из случайных выборок из полного факторного эк сперимента. Поскольку N меньше числа всех .коэффици ентов регрессии, совместные оценки коэффициентов оказываются смешанными некоторым случайным об
разом.
Практика показывает, что с помощью таких мат риц и специальных алгоритмов обработки результатов эксперимента удается выделить доминирующие факторы среди очень большого числа факторов и взаимодействий, взятых под подозрение. Отделение факторов произво дится с помощью построения диаграмм рассеяния и не сложных, но достаточно трудоемких и рутинных матема тических вычислений. Поэтому для обработки результа тов рекомендуется применять ЭЦВМ и так называемый
алгоритм ветвящейся стратегии [9].
Для практического овладения методом случайного баланса рекомендуется литература [3, 10— 17].
Наряду с методами случайного баланса и пассивно активного эксперимента получили распространение для выделения значимых факторов методы дисперсионного анализа и комбинаторного анализа.
С помощью дисперсионного анализа значимость фак тора оценивается по его вкладу в дисперсию параметра оптимизации. Интересным примером анализа влияния неоднородности условий плавки-литья и условий прес сования профилей из алюминиевых сплавов на свойства полуфабрикатов является работа М. Н. Степнова [19].
Применяется большое |
число планов эксперимента для |
1, 2 и более факторов; |
подробное описание и примеры |
читатель найдет в работах [20—24].
Приемы комбинаторного анализа: латинские и гре ческие квадраты, прямоугольники, кубы, сочетания гре ческих и латинских квадратов и прямоугольников и другие используются для отсеивания в задачах с боль
шим числом качественных факторов [1, 20, 25—29, 79,80].
Пассивно-активный метод эксперимента [18]. В ус ловиях производства иногда возможно накапливать дан ные результатов испытаний у и соответствующих им ус ловий (факторов) производства х,. Часто такой матери ал можно найти в технической документации, отчетах.
31
По существу ои представляет собой данные пассивного эксперимента.
Чтобы применить к его обработке простые методы ак тивного эксперимента (описаны в гл. III), квантуют уровни факторов:
исходная таблица данных аналогична представленной на стр. 13.
Для каждого фактора Х{ находится средняя арифме
тическая Х{.
затем значения х* преобразуются:
вместо х,- пишется
Далее применяется техника метода случайного балан са или выделяется, если возможно, из полученной таб лицы ортогональная матрица, для которой расчет моде ли производится без сложных вычислений. Практика по казала возможность уверенного выделения сильных эф фектов с помощью описанного метода.
Глава III
ОПТИМИЗАЦИЯ ТЕХНОЛОГИЧЕСКИХ РЕЖИМОВ С ПОМОЩЬЮ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТА
В этой главе на материалах исследований производ ства биметаллов, микросварки, обработки металлов дав лением и других рассмотрено математическое планиро вание эксперимента при поиске оптимальных режиицв, в том числе полный и дробный факторный эксперимент, движение в область оптимума, исследование области оптимума с помощью планов второго порядка.
Применение планирования опытов позволило по срав нению с традиционными приемами технологических ис следований:
сократить сроки и затраты на эксперимент, в некото рых случаях выполнять опытные работы на производст
32
венном оборудовании, а также экономно расходовать до рогой материал опытных изделий;
получить уравнение-модель для управления процес сом и выбора оптимальных .условий обработки мате
риала; оптимизировать процесс обработки, не располагая
знанием его «механизма».
ПЛАНЫ ПЕРВОГО ПОРЯДКА.
ПОЛНЫЙ ФАКТОРНЫЙ
ЭКСПЕРИМЕНТ ТИПА 2"
Факторные планы эксперимента, рассмотренные в этом параграфе, являются симметричными относительно центра эксперимента и ортогональными; факторы варь ируются на двух уровнях (+ 1 и — 1 );
выполняется условие нормировки
£ X I = N.
и= 1
Поскольку по формуле кодирования
X _ |
XL— 0,5 (max хс H-minx,) |
,ng\ |
1 |
0,5 (maxxt — min*,-) |
’ |
переменные Xi равны + 1 , или — 1 , часто цифру 1 опус кают и матрица планирования состоит из N строк с со четаниями знаков (+ ) и (—). Например, для двух фак торов матрица планирования имеет вид табл. 3.
Т а б л и ц а 3
Матрица плана 22
3— 1193 |
33 |
Проверка условия ортогональности, например, для
столбцов Х\ и Х 2 \
N
£ хих2и= ( - и .•( - 1) + (+ 1).. ( - и + ( - и .. (+ о +
Н =1
Таблица 4
Матрицы полного факторного эксперимента от 22 до 25
о. га а>н
План |
gg |
X, |
X. |
X, |
X, |
Хь |
|
К о |
|
|
|
|
|
|
1 |
+ |
+ |
+ |
+ |
+ |
22 2 |
- |
+ |
+ |
+ |
+ |
|
2 |
3 |
_| |
— |
+ |
+ |
+ |
|
|
|
|
|
+ |
+ |
23 |
|
± |
i |
|
+ |
+ |
|
|
+ |
+ |
|||
|
|
+ |
- |
|
+ |
+ |
|
|
|
|
|
+ |
+ |
|
9 |
+ |
+ |
+ |
|
+ |
|
10 |
+ |
+ |
+ |
|
+ |
21 |
11 |
|
+ |
|
+ |
|
12 |
|
— |
+ |
|
+ |
|
|
+ |
+ |
|
|||
|
13 |
|
|
+ |
||
|
14 |
— |
+ |
— |
|
+ |
|
15 |
+ |
|
— |
|
+ |
|
16 |
|
|
|
|
+ |
|
17 |
+ |
+ |
+ |
+ |
|
|
18 |
— |
+ |
+ |
+ |
|
|
19 |
+ |
— |
+ |
+ |
|
|
20 |
— |
— |
+ |
+ |
|
|
21 |
+ |
+ |
|
+ |
|
|
22 |
— |
—+ |
— |
-L |
|
|
23 |
О- |
— |
1 |
|
|
|
1 |
|
|
+ |
|
|
|
24 |
|
— |
— |
+ |
|
|
25 |
+ |
+ |
+ |
|
|
|
26 |
— |
4* |
+ |
— |
|
|
27 |
+ |
— |
+ |
— |
|
|
28 |
— |
— |
+ |
— |
|
|
29 |
+ |
+ |
|
— |
|
|
30 |
|
+ |
— |
— |
|
|
31 |
+ |
|
|
||
|
|
— |
— |
|
||
|
32 |
— |
— |
— • |
— |
|
4 - ( -1- 1) • ( + 0 = 0 и т . д ,
|
В |
приведенной мат |
||||
рице |
учтены |
все |
воз |
|||
можные |
|
сочетания |
||||
двух |
факторов. |
|
Число |
|||
сочетаний равно |
22— |
|||||
.= 4 . |
В |
общем |
случае |
|||
п |
факторов |
получим |
||||
полное |
число |
сочета |
||||
ний двух уровней 2п = |
||||||
— |
N . |
Подобные планы |
||||
эксперимента |
|
называ |
ют полным факторным экспериментом 1-го по рядка, или сокращен но, экспериментом 2п:
Способ построения матриц 2п ясен из табл. 4, где каждая из них получается до страиванием матрицы
2(п- ]).
Из формулы (10) следует, что для рас чета коэффициента bi из матрицы планирова ния используются ТОЛЬКО столбцы X i u и уи. Поэтому при пла не 22 раздельно оцени ваем коэффициенты Ь0, Ь\, Ь2 н b 12, и можно построить модель вида
У — b0 + bL Хг Ъг Хг
— Ь1ЪХг Х%, (24)
но не удастся проверить ее адекватность. В самом деле, в формуле (15) для оценки адекватности число степеней свободы v равно N—d\ в нашем примере N = 4 , d — 4, следовательно, v = 0.
На практике часть коэффициентов нередко оказывает ся незначимой, тогда v> 0 и проверка адекватности воз можна. Если у технолога есть основания полагать, что один из факторов Х\, Хо или их взаимодействие Х\Х2сла бо влияет на у, то при плане 22 можно проверить адек ватность соответствующей модели
У — Ьо + by Х± -\- Ъ12 Ху Х2
или
л
У= Ь0 + ЬуХу-\- b2X2.
Влитературе коэффициенты при Xi именуются ос новными, или линейными эффектами факторов, а коэффи циенты при произведениях факторов (например, Ь\2) —
эффектами взаимодействий.
Вобщем случае, план 2” позволяет оценить 2n= N линейных эффектов и эффектов взаимодействий двух, трех, ..., п факторов. Например, план 23 позволяет сде лать расчет всех коэффициентов модели независимо один от другого;
У = Ьо + Ьу Ху + Ь2 Х2 + Ь3 Х3 |
Ь12 Ху Х2 -j- |
|
||||
|
+ bia Ху Х3 -(- Ь23 Х2 Х3 + |
Ь123 |
Х2 Х 3. |
(25) |
||
Аналогично для плана 24: |
|
|
|
|
||
y = b0 + |
t b , x t + |
v bijx i x i + |
V |
bilkX l X , X k + |
||
|
i—j |
i./—1 |
i . j, k— 1 |
|
|
|
|
|
I</ |
l<i<k |
|
|
|
|
“I” by234 -Yj X2 Xz "Y-l- |
|
|
|
||
Напомним порядок использования расчетных формул |
||||||
для планирования типа 2 ": |
|
|
|
|
||
Кодирование переменных ........................... |
|
(23) |
|
|
||
Оценка |
дисперсии |
воспроизводимости |
|
|
|
|
на основании Параллельных опытов . . |
(19) |
|
— |
|||
Проверка однородности дисперсий вое- |
(20), |
прил'оже- |
||||
производимости ...................... |
..... |
|
ние III |
|
|
|
3’ |
|
|
|
|
|
35 |
Усреднение дисперсий воспроизводимо |
|
|
сти ...................................................................... |
(21, |
22) |
Оценка дисперсии ошибки определения |
(11) |
|
коэффициентов модели ................................ |
|
|
Оценка критического значения коэффи |
|
(17),п |
циента . |
|
|
Расчет коэффициентов модели . . . . |
ние II |
|
(10) |
|
|
Расчет дисперсии неадекватности мо |
|
|
дели ...................................................................... |
(15) |
|
Составление и оценка значимости отно |
|
|
шения дисперсии неадекватности и вос |
|
|
производимости ............................................ |
(18), |
приложе |
|
ние I. |
Во многих задачах технолог априорно предполагает, что при моделировании процесса достаточно ограничить ся линейной моделью или моделью с линейными членами и частью возможных взаимодействий. Особенно типична
такая ситуация для многофакторных (п ^ 4) |
задач: |
а) чем больше п, тем меньше обычно объем |
априорной |
информации; |
|
б) маловероятно влияние тройных и более взаимодейст вий факторов; в) на первой стадии многофакторного эксперимента
обычно только намечается направление движения к оп тимуму и достаточно аппроксимировать исследуемую часть поверхности отклика г/(х,) плоскостьюУ
У— Ь0 -\- bL Х1 -!-■•• ф Ъп Хп\
г) с ростом /г быстро возрастают сроки и стоимость экс
перимента: 24= 1 6 опытов, 2б= 6 4 опыта и т. д. В то же время для оценки адекватности линейного уравнения в плане 23 остается 1 степень свободы, а в плане 2б уже 57 степеней свободы! Конечно, чем больше опытов, тем точнее оценки коэффициентов модели — каждый из них, согласно формулам (9), (10), определяется с учетом результатов всех опытов. На практике при /г^З-=-4 обычно достаточно для начала исследования получить хотя бы не очень точную линейную модель, избежав за трат на получение той части информации, которую несут эффекты взаимодействий факторов. Для решения подоб ных задач используют часть плана полного факторного эксперимента — так называемые дробные реплики.
ОПТИМИЗАЦИЯ ВОЛОЧЕНИЯ и отжигов БИМЕТАЛЛИЧЕСКОЙ ПРОВОЛОКИ МЕДЬ+СЕРЕБРО (ПОЛНЫЙ ФАКТОРНЫЙ ЭКСПЕРИМЕНТ ТИПА 23)*
Общая постановка задачи и априорное ранжирование факторов этого исследования описаны в гл. II. На осно вании диаграммы рангов исследовали влияние суммар ной вытяжки между отжигами X (фактор x t) , температуры 0, °С промежуточного отжига (фактор х2) и длитель-
Рис. 4. Распределение средней толщины h (/) и разнотолщиипостн <7 (2) по длине прессованного прутка
ности отжига т (фактор х'з) на отношение М коэффи циентов вариации толщины серебряной оболочки прово локи диаметром 0,8 мм и исходного прессованного прут ка диаметром 12 мм (параметр оптимизации у).
На рис. 4 представлено распределение средней тол щины и коэффициента вариации q толщины оболочки по длине одного из двух исходных прутков. Поскольку q изменяется в некоторых пределах, в качестве параметра оптимизации приняли именно М а не q проволоки. Ти пичное распределение толщины оболочки по окружности иллюстрируют рис. 2 и 5. Уровни и интервалы варьиро вания факторов представлены в табл. 5, матрица плани рования 2 3, результаты измерений и расчетов по полу ченной модели — в табл. 6.
* Выполнено совместно с аспирантом Ю. А. Воропаевым.
37
Толщина ofo/мчки tl, MKM
Phc. 5. Распределение толщины серебряного слоя по периметру поперечного сечения
|
|
|
|
|
|
Т а б л и ц а 5 |
Уровни и интервалы варьирования факторов |
||||||
|
|
|
|
Уровни |
|
Интервал |
Фактор |
|
Код |
верх |
нуле |
ниж |
|
|
варьирования |
|||||
|
|
|
ний |
вой |
ний |
A*v£ |
|
|
|
И-) |
(0) |
( - ) |
|
|
|
|
|
|||
Вытяжка % |
|
X о |
15,2 |
9,55 |
3,9 |
5,65 |
Температура 0, |
°С |
520 |
460 |
400 |
60 |
|
Длительность |
отжига |
|
1,0 |
|
|
|
т, ч |
|
* 3 |
0,75 |
0,5 |
0,25 |
Уравнение-модель процесса, которая строится при планировании 23, имеет видУ
У = |
Ь0 + Ь1 Хг -|- b2 Х2 b3X3 -|- bi2Хг Х2 -|- |
||
“Ь ^13 -^1 ^3 + ^23 ^ 2 ^3 + ^123 |
Х2 Х3, |
||
А |
|
оптимизации" М\ |
|
где у — параметр |
|
||
Х\, Х2, |
Х3— кодированные значения |
факторов |
|
|
_ |
хс— 0,5 (max xt -f- minx,-) |
|
|
1 |
0,5 (шах х^ -— min Х[) |
’ |
38
b0, b\, ...— неизвестные коэффициенты модели. Модель позволяет раздельно оценить не только влия
ние каждого фактора, но и влияние парных взаимодей ствий факторов, а также влияние тройного взаимодейст вия Хи Х2, Х2.
Построение модели и проверка ее адекватности опыт ным данным производится по стандартным формулам планирования 2 ":
1 . П р о в е р к а в о с п р о и з в о д и м о с т и — проверя ется гипотеза об однородности выборочных дисперсий:
|
|
s2 [Ух\= |
s2 {%}=■■• = s2 {*/„} = |
s2{*/}, |
|
||||||
|
|
|
|
|
|
|
|
|
Таблица 6 |
||
|
Матрица планирования, результаты опытов и расчетов |
|
|||||||||
|
|
|
изменения разнотолщинности оболочки |
|
|
||||||
и |
Уровни факторов |
|
|
Опытные данные |
|
|
Расчет |
||||
|
|
|
|
|
|
|
|
|
|||
Номер опыта |
А', |
х й |
X , |
% |
ft. % |
ft. % |
Ml |
М, |
Ми |
||
Ми |
|||||||||||
|
|
|
|
^исх’ |
|
|
|
|
|
А |
|
|
|
|
|
|
|
|
|
|
|
||
1 |
+ |
+ |
+ |
3,71 |
7,48 |
8,20 |
2,02 |
2,21 |
2,10 |
2,10 |
|
2 |
— |
+ |
+ |
3,68 |
7,02 |
6,99 |
1,91 |
1,90 |
1,90 |
1,90 |
|
3 |
+ |
|
+ |
4,40 |
7,71 |
7,П |
1,75 |
1,62 |
1,70 |
1,775 |
|
4 |
— |
— |
+ |
3,17 |
7,66 |
7,41 |
2,42 |
2,34 |
2,40 |
2,325 |
|
5 |
+ |
+ |
— |
3,83 |
6,97 |
7,86 |
1,82 |
2,05 |
1,90 |
1,90 |
|
6 |
— |
+ |
— |
3,58 |
6,34 |
6,13 |
1,77 |
1,71 |
1,70 |
1,70 |
|
7 |
“1" |
— |
— |
3,53 |
8,28 |
8,38 |
2,35 |
2,37 |
2,40 |
2,325 |
|
8 |
— |
— |
— |
3,21 |
8,83 |
9,04 |
2,75 |
2,82 |
2,80 |
2,875 |
|
|
|
|
|
|
|
|
|
|
|
что возможно сделать, если каждый опыт матрицы дуб лируется с раз ( с > 1 ).
Оценка дисперсии ц-того опыта:
С
/=1
с v = c — 1 степеней свободы.
Оценка однородности дисперсий s2{yu} с помощью критерия (Зщах Кохрена, который вычисляется по фор муле
п_ шах $2 {//„}
-max — N
S s» {Уи]
и=1
39