- •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.
1. Планирование эксперимента в условиях неоднородностей (разбиение планов на блоки, использование латинских планов).
При проведении эксперимента в условиях неоднородности необходимо учитывать мешающие факторы, которые являются источниками неоднородности. Для оценки этих факторов необходимо применить разбиение опытов на блоки. В одном блоке значения одного из мешающих фактора постоянны. Пример блока – опыты, проводимые на одном и том же стенде.
Для определения влияния мешающих факторов при планировании экспериментов в условиях неоднородности используют т.н. латинские планы.
Латинский квадрат представляет собой таблицу m x n, где m,n – число вариантов каждого из мешающих факторов. В таком квадрате каждый вариант встречается одинаково часто в каждой строке и столбце. Главные факторы обозначаются латинскими буквами.
Пример
Главный фактор – партия образцов. Мешающие факторы – оператор, проводящий эксперимент; стенд, на котором проводится эксперимент. Число вариантов каждого из мешающих факторов равно 3. Пример латинского квадрата 3х3 приведен в таблице 1.
Таблица 1. Латинский квадрат 3х3
|
Номер оператора |
||||
1 |
2 |
3 |
|||
Номер стенда |
I |
A |
B |
C |
|
II |
B |
C |
A |
||
III |
C |
A |
B |
||
С точки зрения факторных планов, латинский квадрат можно рассматривать как пример неполного трехфакторного эксперимента. Латинский квадрат является дробной репликой 1/n, рассматривающей n2 из n3 возможных условий. При применении латинского квадрата эффекты взаимовлияния факторов принимаются незначимыми. Модель эксперимента по латинским планам может быть представлена как линейная.
Пример (продолжение)
Факторы:
х1 – партия образцов (латинские буквы);
x2 – номер стенда (строки);
x3 – номер оператора (столбцы);
N – число опытов;
n – число уровней каждого из факторов.
Пример плана эксперимента по латинскому квадрату представлен в таблице 2.
Таблица 2. План эксперимента по латинскому квадрату
№ опыта |
x1 |
x2 |
x3 |
yi |
|
|
1 |
0 |
0 |
0 |
|
|
|
2 |
1 |
0 |
1 |
|
|
|
3 |
2 |
0 |
2 |
|
|
|
4 |
0 |
1 |
2 |
|
|
|
5 |
1 |
1 |
0 |
|
|
|
6 |
2 |
1 |
1 |
|
|
|
7 |
0 |
2 |
1 |
|
|
|
8 |
1 |
2 |
2 |
|
|
|
9 |
2 |
2 |
0 |
|
|
|
Σ |
|
|
|
|
|
|
Дисперсионный анализ
SS – sum of square (сумма квадратов)
Вычисление вспомогательных сумм квадратов
Сумма квадратов всех результатов:
Сумма квадратов итогов по фактору x1, деленная на число уровней фактора
;
Сумма квадратов итогов по фактору x2, деленная на число уровней фактора
;
Сумма квадратов итогов по фактору x2, деленная на число уровней фактора
;
Корректирующий член
.
Результаты вносятся в таблицу 3.
Таблица 3. Результаты дисперсионного анализа
Источник дисперсии |
Число степеней свободы |
Сумма квадратов SS |
Средний квадрат MS |
x1 |
n-1 |
SSx1=SS2-SS5 |
(SSx1)/(n-1) |
x2 |
n-1 |
SSx2=SS3-SS5 |
(SSx2)/(n-1) |
x3 |
n-1 |
SSx3=SS4-SS5 |
(SSx3)/(n-1) |
Остаток |
(n-1)(n-2) |
SSo=SSy- SSx1- SSx2- SSx3 |
(SSx3)/((n-1)(n-2)) |
Итого |
n2-1 |
SSy=SS1-SS5 |
(SSy)/(n2-1) |
Проверка значимости линейных эффектов каждого из факторов проводится по критерию Фишера
Fm=
Если Fm>Fкр, то линейные эффекты m-ого фактора значимы.
