Дробный факторный эксперимент_с46-49
.docДробный факторный эксперимент (ДФЭ)
Полный факторный эксперимент позволяет оптимально использовать пространство независимых переменных:
- снизить погрешность определения коэффициентов
- получить элементарно простые формулы для их вычисления.
Однако число опытов, необходимое для реализации ПФЭ, в ряде случаев может все же оказаться неприемлемо большим. Так, если число факторов равно 10, то необходимое число опытов N = 210 = 1024. Поэтому желательно сократить число опытов, но так, чтобы матрица не потеряла своих оптимальных свойств.
Рассмотрим простейший случай — матрицу ПФЭ для двух факторов. Пользуясь ПФЭ, можно получить модель
Если есть основание предполагать, что а12 → 0, т. е. эффект взаимодействия мал, в матрицу ПФЭ вместо х1х2 можно включить третий фактор х3, который в опытах будет принимать значения, соответствующие столбцу х1х2. Запишем новую таблицу (табл. 4.2) и подсчитаем столбцы для всех взаимодействий.
Можно видеть, что в этой таблице совпадают столбцы для хо и х1х2х3, для х1 и х2х3, для х2 и х1х3, для х3 и х1х2, т. е. рассчитанные коэффициенты будут смешанными оценками
а0 → а0+а123 ; а1 → а1+а23 ; а2 → а2+а13 ; а3 → а3+а12 ;
Это значит, что найти истинное значение а0 , а1, а2 и а3 из такого эксперимента нельзя, но предполагая, что все эффекты взаимодействий стремятся к нулю, считаем, что
Иначе говоря, возможность сокращения числа опытов появляется при введении неко-торых допущений о свойствах функции отклика, а риск ошибочно оценить линейные эффек-ты за счет влияния взаимодействия является платой за это сокращение.
Факторный план может быть уменьшен в кратное двум количество раз без нарушения ортогональности. Матрица дробного факторного эксперимента представляет собой 1/2, 1/4, 1/8 и т. д. реплику, в которой столбец одного из эффектов получается перемножением столб-цов других эффектов. Это произведение, взятое со знаком + или —, называется генерирую-щим соотношением. В приведенном примере генерирующее соотношение для х3—х1х2.
Рассмотренный пример использования четырех опытов для трех факторов вместо вось-ми опытов, необходимых для ПФЭ, является дробным факторным экспериментом (ДФЭ) от ПФЭ 23–1 половиной ПФЭ (полуреплика).
Обозначим ДФЭ 2k–p, где k — общее число факторов, р — число эффектов взаимодей-ствия, замененных новыми факторами. Если полный факторный эксперимент для пяти факторов содержит 32 опыта, а желательно поставить лишь одну четвертую часть (четверть-реплику), то ДФЭ будет 25–2. Необходимо только, чтобы остающееся число опытов было больше числа факторов, иначе будут смешаны и линейные эффекты.
В общем случае определить, какие эффекты смешаны, можно, пользуясь определяю-щим контрастом, представляющим собою произведение генерирующего соотношения на генерируемый фактор. Определяющий контраст всегда равен +1 или —1. Для того чтобы определить, какой эффект смешан с данным, нужно умножить определяющий контраст на фактор. Так, если для трех факторов х1х2х3 = 1, то х1 будет смешанным с х2х3:
так как х1∙х1=1.
Для реплик большой дробности имеется лишь одна четкая рекомендация: если известно, что какое-либо взаимодействие существенно, его по возможности не следует заменять фактором и наиболее важный фактор следует ставить на место наиболее слабого взаимодействия. Пусть необходимо выбрать 1/8 реплики для ПФЭ 26 , т.е. 26–3 , причем известно, что сильным является взаимодействие х2х3 , а из вводимых факторов х4 , х5 и х6
наиболее сильный х4 . Тогда следует выбрать генерирующие соотношения
х4 = х1х2х3 ; х5 = х1х2 ; х6 = х1х3 .
Определяющие контрасты будут
1= х1х2х3х4 = х1х2х5 = х1х3х6 .
В табл. 4.3 приведена матрица планирования для этого случая. Чтобы исключить влияние систематических ошибок, рекомендуется случайная последовательность опытов матрицы, например 7, 6, 3, 8, 2, 5, 4, 1.
N |
x0 |
x1 |
x2 |
x3 |
x5 |
x6 |
x4 |
N |
x0 |
x1 |
x2 |
x3 |
x5 |
x6 |
x4 |
x1x2 |
x1x3 |
x1x2x3 |
x1x2 |
x1x3 |
x1x2x3 |
||||||||||
1 |
+ |
+ |
+ |
+ |
+ |
+ |
+ |
5 |
+ |
+ |
+ |
– |
+ |
– |
– |
2 |
+ |
– |
+ |
+ |
– |
– |
– |
6 |
+ |
– |
+ |
– |
– |
+ |
+ |
3 |
+ |
+ |
– |
+ |
– |
+ |
– |
7 |
+ |
+ |
– |
– |
– |
– |
+ |
4 |
+ |
– |
– |
+ |
+ |
– |
+ |
8 |
+ |
– |
– |
– |
+ |
+ |
– |
Анализ РЕЗУЛЬТАТОВ ЭКСПЕРИМЕНТА
Определение ошибок эксперимента
Для оценки получаемых при планировании результатов эксперимента необходимо определить ошибку воспроизводимости опытов sв.
Ошибку опытов определяют по n специально поставленным параллельным опытам на основном уровне. Тогда дисперсия ошибку воспроизводимости будет равна
Анализ адекватности модели
Проведя эксперимент, можно воспользоваться отдельными результатами для выводов. Однако всегда представляют результаты в виде модели процесса. Опыты выполнены с ошиб-ками, и, как бы хорошо не были подобраны коэффициенты модели, всегда будут существо-вать μi, невязка — предсказанного по модели, и экспериментального результата
Полученное уравнение является наилучшим среди всех линейных уравнений в смысле минимума квадратов невязок. Хотя сумма квадратов невязок и минимальна, она существует и называется остаточной суммой квадратов.
Под адекватностью понимают пригодность модели. Смысл пригодности формулирует-
ся экспериментатором. Вычислим, например, остаточную дисперсию, равную остаточной сумме квадратов, деленной на число степеней свободы;
Число степеней свободы равно числу данных (опытов) за вычетом числа коэффициен-тов, которые уже вычислены по результатам этих опытов независимо друг от друга,
f = N–k–1
Здесь k соответствует числу коэффициентов в уравнении.
Параллельные реализации одного опыта соответствуют в этом случае одному опыту. Если поставлены пулевые опыты для оценки дисперсии воспроизводимости, но результат этих опытов не используется при подсчете коэффициентов модели, то нулевые опыты не участвуют и при расчете степеней свободы.
После определения s2ост и дисперсии воспроизводимости эксперимента s2В по крите-рию Фишера проверяют адекватность модели.
Проверка значимости коэффициентов
Дисперсия коэффициента регрессии aj определяется по формуле
Например, для ПФЭ двух факторов
Доверительный интервал для aj строится обычным образом с использованием
t-критерия.
Коэффициент значим, если его абсолютная величина больше доверительного
интервала.