- •1.Сравнительная характеристика методов активного и пассивного эксперимента при изучении многофакторных объектов.
- •2. Композиционные оцкп, их построение и анализ.
- •1.Принципы статистического подхода к исследованию многофакторных объектов.
- •2.Композиционные рцкп, их построение и анализ.
- •Предпосылки статистического анализа результатов в задачах планирования эксперимента
- •Планирование и анализ эксперимента в задачах робастного проектирования.
- •Общие принципы планирования эксперимента и их характеристика
- •2. Планирование эксперимента при наличии неуправляемого аддитивного дрейфа.
- •Вопрос 2
- •1.Классификация задач и методов планирования эксперимента.
- •1.Процедуры проверки гипотез в задачах сравнительного эксперимента (t,f,g,b-критерии)
- •2.Планирование многофакторных испытаний с учетом дрейфа и порядковых эффектов факторов на основе матриц 2к.
- •2. Планы многофакторного анализа
- •Дисперсионный анализ при дрейфе
- •Построение однофакторных моделей методом наименьших квадратов (мнк), сравнение мнк с другими методами оценивания.
- •Свойство пропорциональности частот уровней факторов, комбинаторные планы в задачах элиминирующего эксперимента и минимизации перебора вариантов.
- •1.Построение однофакторных моделей методом полиномов Чебышева.
- •2.Модели многоуровневых планов с качественными переменными ( на примере латинских планов).
- •1.Методы отсеивающего эксперимента, их назначение.
- •2.Модели многоуровневых планов с количественными переменными.
- •1.Построение статистических моделей по данным пассивного эксперимента. Процедуры оценки и улучшение их качества.
- •2. Планы дфэ 2к, их назначение, построение и анализ.
- •1.Планы 2-го порядка для построения квадратичных моделей, критерии их оптимальности.
- •2.Методы построения обобщенных показателей (откликов) и многокритериальной оптимизации.
- •1.Оптимизация многофакторных объектов методом крутого восхождения
- •1. Симплексный метод оптимизации.
- •2. Возможности методов планирования эксперимента в современных задачах управления качеством.
- •1.Сравнение метода крутого восхождения (кв) и симплексного метода оптимизации (смо)
- •2. Содержание и особенности планирования экспериментов в задачах многофакторных испытаний.
- •1. Планирование эксперимента в условиях неоднородностей (разбиение планов на блоки, использование латинских планов).
- •2. Планы выборочного контроля и оценка необходимого объема наблюдений.
2. Планы дфэ 2к, их назначение, построение и анализ.
№ п/п |
Х1 |
Х2 |
Х3=Х1Х2 |
1 |
-1 |
-1 |
+1 |
2 |
+1 |
-1 |
-1 |
3 |
-1 |
+1 |
-1 |
4 |
+1 |
+1 |
+1 |
Надо расписать в стандартном виде (фактор первого столбца меняет знаки с max частотой от опыта к опыту, 2-ой в 2 раза реже, а 3-ий фактор варьировать согласно произведению первых двух столбцов, т.е. согласно столбцу взаимного влияния фактора х1 на х2). Расчет коэффициента проводится по тем же самым формулам, что и ранее.
– при
этом величина коэффициента
будет характеризовать смешенную оценку
влияния собственного фактора Х3
и влияние первых двух факторов Х1
и Х2,
которые оказались незначимыми.
Получаем в результате ДФЭ – дробный факторный эксперимент, представляющий часть полного факторного эксперимента (ПФЭ)
Число факторов ДФЭ:
,
где q
– степень дробности ПФЭ
q=1
q=2
q=1
Геометрическая интерпретация многофакторных планов.
Если нарисовать на плоскости в кодированных значениях факторы условия двухфакторного плана.
Графические планы 2-х факторного эксперимента соответствуют вершинам квадрата, ограничивающего область режимов для которых и строится зависимость выходного показателя от исследуемых факторов.
В случае 3-х факторов план из 8-ми опытов соответствует вершинам куба, ограничивающего область режимов, для которых строится зависимость выходного показателя у от 3-х исследуемых факторов.
Планы 2к используют при решении 2-х различных типов задач, возникающих на практике.
Планы ПФЭ (полного перебора вариантов) принимают при исследовании многофакторных систем, где интерес представляет оценки не только влияния самих факторов, но и их взаимного влияния на выходной показатель у.
При этом получают новую информацию об исследуемой системе – информацию от указанных взаимных влияниях, которые в принципе невозможно получить традиционными однофакторными экспериментами, когда каждый фактор варьирует по одному при фиксированных значениях других факторов.
Планы ДФЭ используют для последовательности нахождения оптимальных комбинаций исследуемых факторов, когда полный перебор таких комбинаций (вариантов) невозможен из-за ограниченности ресурсов. В случае количественных факторов по данным ДФЭ, получают модели, включающие только коэффициент влияния самих факторов, без коэффициента взаимного влияния. Такие экономные планы используют для решения задач оптимизации объекта, на основе модели такого ДФЭ определяется направленное движение из исходного режима в область оптимальных режимов, по кратчайшему пути, т.е. по траектории «крутого восхождения» или «наискорейшего спуска» - синонимом известных методов градиентной оптимизации в вычислительной математике.
Для того, чтобы пренебречь эффектами взаимного влияния факторов, шаги варьирования по ним выбирают достаточно малыми, чтобы пренебречь указанными эффектами и получить адекватное описание в небольшой окрестности исходного режима.
Разложим в ряд Тейлора:
Существует формализованная процедура расчета условия опытов для движения к оптимуму по кратчайшему направлению, она включает постановку на первом этапе экономного по числу опытов плана ДФЭ, построение его модели и ее анализ. Далее по значениям вычисленных коэффициентов рассчитывают условия опытов по полной траектории к оптимуму, изменяя факторы относительно их исходного уровня пропорционально их коэффициенту в модели и с учетом знания коэффициентов.
Факторы с положительным коэффициентом увеличивают относительно уровня, а с отрицательным – уменьшают.
По каждому фактору определяют шаги движения по траектории крутого восхождения. Обычно их выбирают равным исходным шагом варьирования по исследуемым факторам или несколько меньшими, чтобы «осторожно» двигаться к оптимуму и не проскочить его.
Билет 14
