- •16. Основы планирования эксперимента. Математическая обработка экспериментальных данных
- •16.2. Полный факторный эксперимент
- •16.3 Дробный факторный эксперимент
- •Матрица планирования
- •Определяющими контрастами реплики являются соотношения
- •Перемножив определяющие контрасты, получим третье соотношение
- •16.4. Свойства матриц полного и дробного факторных экспериментов
- •16.5. Проведение эксперимента и обработка его результатов
- •16.6. Крутое восхождение по поверхности отклика
- •Уровни и интервалы варьирования факторов
- •Матрица планирования
Уровни и интервалы варьирования факторов
Наименование |
Факторы | |||
x1 |
x2 |
x3 |
x4 | |
Основной уровень |
0,40 |
840 |
60 |
- |
Интервал варьирования |
0,15 |
100 |
60 |
- |
Верхний уровень (+) |
0,55 |
940 |
120 |
Графитовый тигель |
Нижний уровень (-) |
0,25 |
740 |
0 |
Шамотный тигель |
Была реализована полуреплика 24-1 с определяющим контрастом 1 = x1x2x3x4. Матрица планирования и результаты исследований представлены в табл. 16.17. Опыты не дублировали. Для определения дисперсии параметра оптимизации было проведено три эксперимента при нахождении факторов на основных уровнях (графитовый тигель). Полученные значения параметра оптимизации yu, его среднее значение , отклонения значений параметра оптимизации от его среднего значенияи квадраты этих отклонений приведены в табл. 16.18.
Таблица 16.17
Матрица планирования
Номер экспер. |
Порядок реализации экспер. |
x0 |
x1 |
x2 |
x3 |
x4 |
y |
1 |
4 |
+ |
+ |
+ |
+ |
+ |
100 |
2 |
3 |
+ |
- |
+ |
+ |
- |
81 |
3 |
8 |
+ |
+ |
- |
+ |
- |
95 |
4 |
5 |
+ |
- |
- |
+ |
+ |
36 |
5 |
7 |
+ |
+ |
+ |
- |
- |
130 |
6 |
2 |
+ |
- |
+ |
- |
+ |
69 |
7 |
1 |
+ |
+ |
- |
- |
+ |
90 |
8 |
6 |
+ |
- |
- |
- |
- |
64 |
Таблица 16.18
Вспомогательная таблица для расчета
Номер экспер. |
yu | |||
1 |
80 |
|
0 |
0 |
2 |
82 |
2 |
4 | |
3 |
78 |
-2 |
4 | |
|
|
|
Дисперсия параметра оптимизации
Находим коэффициенты модели
Средняя квадратичная ошибка в определении коэффициентов регрессии
Доверительный интервал коэффициентов регрессии
bi = ts { bi }
При 5 % уровне значимости и числе степеней свободы f = n0 – 1 = 2 табличное значение критерия tт = 4,3. Следовательно, bi = ±3,053.
Все коэффициенты регрессии по абсолютной величине больше доверительного интервала, поэтому их можно признать статистически значимыми. Таким образом, получили модель в виде полинома первой степени: y=83,1 + 20 x1 + 11,9 x2 - 5,1x3 - 9,4 x4.
Согласно полученной модели параметр оптимизации возрастает с увеличением значений факторов x1, x2 и уменьшением значений факторов x3, x4. Наибольшее влияние на параметр оптимизации оказывает фактор x1.
Проверку адекватности модели производим по F - критерию Фишера. Для вычисления дисперсии адекватности составим вспомогательную табл. 16.19.
Таблица 16.19
Вспомогательная таблица для расчета
Номер опыта |
yj | |||
1 |
100 |
101 |
-1 |
1 |
2 |
81 |
79 |
+2 |
4 |
3 |
95 |
96 |
-1 |
1 |
4 |
36 |
37 |
-1 |
1 |
5 |
130 |
130 |
0 |
0 |
6 |
69 |
71 |
-2 |
4 |
7 |
90 |
87 |
+3 |
9 |
8 |
64 |
66 |
-2 |
4 |
|
|
|
|
Табличное значение Fт-критерия при 5% уровне значимости и числах степеней свободы для числителя 3 и для знаменателя 2 равно 19,2, FP<Fт. Следовательно, модель адекватна. Полученное уравнение используем для крутого восхождения по поверхности отклика. Крутое восхождение (табл. 16.20) начинаем из нулевой точки (основные уровни): x1 = 0,40; x2 = 840; x3 = 60; x4 - медленное охлаждение (шамотный тигель), так как быстрое охлаждение приводит к уменьшению параметра оптимизации (b4 = —9,4). Шаг движения для фактора x2 принят 2 = 100С. По формуле (16.14) вычисляем шаг движения для факторов x1 и x3:
Таблица 16.20
Параметры крутого восхождения по поверхности отклика
Наименование |
x1 |
x2 |
x3 |
x4 |
y |
Основной уровень |
0,40 |
840 |
60 |
- |
- |
Коэффициент bi |
20 |
11,9 |
-5,1 |
-9,4 |
- |
Интервал варьирования i |
0,15 |
100 |
60 |
- |
- |
bixi |
3 |
1190 |
-306 |
- |
- |
Шаг i |
0,0252 |
10 |
-2,57 |
- |
- |
Округленный шаг |
0,03 |
10 |
-3 |
- |
- |
Мысленный опыт |
0,43 |
850 |
57 |
Шамотный тигель |
- |
То же |
0,46 |
860 |
54 |
То же |
- |
Реализованный опыт 9 |
0,49 |
870 |
51 |
“ |
108 |
Мысленный опыт |
0,52 |
880 |
48 |
“ |
- |
Продолжение таблицы 16.20
То же |
0,55 |
890 |
45 |
“ |
- |
Реализованный опыт 10 |
0,58 |
900 |
42 |
“ |
196 |
Реализованный опыт 11 |
0,61 |
910 |
39 |
“ |
366 |
Реализованный опыт 12 |
0,64 |
920 |
36 |
“ |
313 |
Лучший результат получен в 11 эксперименте. Величина параметра оптимизации удовлетворила исследователей, и работа была закончена. Таким образом, потребовалось 12 экспериментов для того, чтобы определить оптимальные условия модифицирования алюминия молибденом.