Теория и практика многофакторного планирования экспериментов при создании моделей объектов управления.

Среди основных методов планирования, применяемых на разных этапах исследования, используют:

планирование отсеивающего эксперимента, основное значение которого выделение из всей совокупности факторов группы существенных факторов, подлежащих дальнейшему детальному изучению;

планирование эксперимента для дисперсионного анализа, т.е. составление планов для объектов с качественными факторами;

планирование регрессионного эксперимента, позволяющего получать регрессионные модели (полиномиальные и иные);

планирование экстремального эксперимента, в котором главная задача – экспериментальная оптимизация объекта исследования;

планирование при изучении динамических процессов и т.д.

Планирование эксперимента – это процедура выбора числа и условий проведения опытов, необходимых и достаточных для решения поставленной задачи с требуемой точностью. При этом существенно следующее:

 Стремление к минимизации общего числа опытов; одновременное варьирование всеми переменными, определяющими процесс, по специальным правилам – алгоритмам;

использование математического аппарата, формализующего многие действия экспериментатора;

выбор четкой стратегии, позволяющей принимать обоснованные решения после каждой серии эксперимен­тов.

 

 

Для описания объекта исследования удобно пользо­ваться представлением о кибернетической системе. Иногда такую кибернетическую систему называют «чер­ным ящиком». Стрелки справа изображают численные характеристики целей исследования. Мы обозначаем их буквой игрек и называем параметрами оптимизации. В литературе можно встретить другие названии: критерий оптимизации, целевая функция, выход «черного ящика» и т.д.

Для проведения эксперимента необходимо иметь воз­можность воздействовать на поведение «черного ящика». Все способы такого воздействия мы обозначаем буквой икс и называем факторами. Их называют также входами «черного ящика».

При решении задачи будем использовать математиче­ские модели объекта исследования. Под математической моделью мы понимаем уравнение, связывающее параметр оптимизации с факторами. Это уравнение в общем виде можно записать так:

 

.

Такая функция называется функцией отклика.

Каждый фактор может принимать в опыте одно из нескольких значений. Такие значения будем называть уровнями.

Отклик - переменная, представляющая результат эксперимента

Фактором называется измеряемая переменная ве­личина, принимающая в некоторый момент времени определенное значение. Факторы соответствуют способам воз­действия на объект исследования.

Параметр оптимизации

При планировании экстремального эксперимента очень важно определить параметр, который нужно оптимизиро­вать. Сделать это совсем не так просто, как кажется на первый взгляд. Цель исследования должна быть сформу­лирована очень четко и допускать количественную оценку. Будем называть характеристику цели, заданную коли­чественно, параметром оптимизации. Параметр оптимиза­ции является реакцией (откликом) па воздействие факто­ров, которые определяют поведение выбранной сис­темы. Реакция объекта многогранна, многоаспектна. Вы­бор того аспекта, который представляет наибольший ин­терес, как раз и задается целью исследования.

Ранг – это количественная оценка параметра оптимизации, но она носит условный (субъективный) характер. Мы ставим в соответствие качественному признаку неко­торое число – ранг.

Выбор модели

Под моделью мы понимаем функцию отклика

Выбрать модель ­­– значит выбрать вид этой функции, записать ее уравнение. Тогда останется спланировать и провести эксперимент для оценки численных значений констант (коэффициентов) этого уравнения.

Выбор области эксперимента

При выборе области эксперимента должны учи­тываться следующие соображения.

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. Например, если фактор – температура, то нижним пределом будет абсолютный нуль.

Второй тип – ограничения, связанные с технико-экономическими соображениями, например, со стоимостью сырья, дефицитностью отдельных компонен­тов, временем ведения процесса.

Третий тип ограниче­ний, с которым чаще всего приходится иметь дело, опре­деляется конкретными условиями проведения процесса, например, существующей аппаратурой, технологией, орга­низацией. В реакторе, изготовленном из некоторого мате­риала, температуру нельзя поднять выше температуры плавления этого материала или выше рабочей температуры данного катализатора.

Оптимизация обычно начинается в условиях, когда объект уже подвергался некоторым исследованиям. Инфор­мацию, содержащуюся в результатах предыдущих ис­следований, будем называть априорной (т.е. полученной до начала эксперимента). Мы можем использовать априор­ную информацию для получения представления о пара­метре оптимизации, о факторах, о наилучших условиях ведения процесса и характере поверхности отклика, т.е. о том, как сильно меняется параметр оптимизации при небольших изменениях значений факторов, а также о кривизне поверхности. Для этого можно использовать графики (или таблицы) однофакторных экспериментов, осуществлявшихся в предыдущих исследованиях или описанных в литературе. Если однофакторную зависимость нельзя представить линейным уравнением (в рас­сматриваемой области), то в многомерном случае, несомненно, будет существенная кривизна. Обратное утверж­дение, к сожалению, не очевидно.

Итак, выбор экспериментальной области факторного пространства связан с тщательным анализом априор­ной информации.

Полный факторный эксперимент

Эксперимент, состоящий из всех возможных обработок, образованных двумя или более факторами, каждый из  которых изучают на двух или более уровнях .                               

Дробный факторный эксперимент 

Эксперимент, состоящий из подмножества полного факторного эксперимента.                                                             

Проведение эксперимента

Каждый эксперимент содержит элемент неопределен­ности вследствие ограниченности экспериментального ма­териала. Постановка повторных (или параллельных) опытов не дает полностью совпадающих результатов, потому что всегда существует ошибка опыта (ошибка воспроиз­водимости). Эту ошибку и нужно оценить по параллель­ным опытам. Для этого опыт воспроизводится по возмож­ности в одинаковых условиях несколько раз и затем бе­рется среднее арифметическое всех результатов.

Все ошибки принято разделять на два класса: система­тические и случайные.

Систематические ошибки порождаются причинами, действующими регулярно, в определенном направлении. Чаще всего эти ошибки можно изучить и определить количественно.

Случайными ошибками называются те, которые появ­ляются нерегулярно, причины возникновения которых неизвестны и которые невозможно учесть заранее.