- •4. Основные методы планирования экстремального
- •Предисловие
- •Введение
- •1. Творчество и научные исследования
- •1.1. Основные понятия и определения
- •1.2. О научном исследовании Понятие научного знания
- •1.3. Методология теоретических и экспериментальных исследований
- •1.3.1. Законы и формы мышления (мышление, понятие, абстракция)
- •1.3.2. Законы и формы мышления (сравнение, индукция и дедукция, анализ и синтез)
- •1.3.3. Законы и формы мышления (обобщение, аналогия, гипотеза)
- •1.3.4. Методология исследований
- •1.3.5. Задачи теоретических исследований
- •1.4. Цель и предмет исследования
- •1.4.1. Цель исследования
- •1.4.2. Предмет исследования
- •1.5. Рабочая гипотеза
- •Примеры аналогий
- •1.6. Особенности исследования непрерывных процессов
- •1.7. Введение в методы исследования
- •1.7.1. Измерения и отметки
- •1.7.2. Точность измерений
- •Предельные ошибки при различных способах измерений
- •1.7.3. Наблюдение
- •1.7.4. Поисковые опыты
- •1.7.5. Основные опыты
- •1.7.6. Определение общего количества опытов
- •2. Погрешности измерений и устройств
- •2.1. Погрешности измерений
- •2.1.1. Измеряемые сигналы
- •2.1.2. Погрешности измерений
- •2.1.3. Случайные погрешности
- •2.1.4. Числовые характеристики
- •2.1.6. Нормальный закон распределения
- •2.1.6. Закон равномерной плотности распределения
- •2.1.7. Композиции законов распределения. Правила суммирования случайных погрешностей
- •2.1.8. Зависимые и независимые случайные величины. Корреляция случайных погрешностей
- •2.1.9. Определение законов распределения случайных величин
- •2.1.10. Числовые характеристики статистического распределения
- •2.1.11. Проверка правдоподобия гипотезы о соответствии статистического закона теоретическому
- •2.1.12. Погрешности косвенного измерения
- •2.1.13. Промахи
- •2.1.14. Систематические погрешности. Оценка неисключенного остатка.
- •2.1.15. Запись результата измерения
- •2.2. Погрешности измерительных устройств при неизменном во времени значении измеряемой величины
- •2.2.1. Структурные схемы измерительных устройств
- •2.2.2. Характеристики преобразователей
- •2.2.3. Погрешности преобразователей. Аддитивная и мультипликативная составляющие
- •2.2.4. Частные погрешности. Причины их возникновения и законы распределения
- •3) Методические погрешности;
- •I. Нормальный закон распределения
- •II. Закон равномерной плотности распределения
- •III. Закон распределения Симпсона
- •IV. Закон распределения арксинуса (арккосинуса)
- •2.2.5. Методические погрешности
- •2.2.6. Суммирование частных погрешностей
- •2.2.7. Нормирование погрешностей измерительных устройств
- •2.3. Погрешности измерительных устройств при изменении значении измеряемой величины во времени
- •2.3.1. Понятие динамической погрешности
- •3. Параметры, факторы, модели объектов исследования
- •3.1. Параметры оптимизации
- •3.1.1. Виды параметров оптимизации
- •3.1.2. Требования к параметру оптимизации
- •3.1.3. Задачи с несколькими выходными параметрами
- •3.2. Обобщенный параметр оптимизации
- •3.2.1. Способы построения обобщенного отклика
- •Натуральные, преобразованные и обобщенные отклики
- •3.3. Факторы
- •3.3.1. Определение фактора
- •3.3.2. Требования, предъявляемые к факторам при планировании эксперимента
- •3.3.3. Требования к совокупности факторов
- •3.4. Выбор модели
- •3.4.1. Модели объектов исследования
- •3.4.2. Шаговый принцип
- •3.4.3. Полиномиальные модели
- •4. Основные методы планирования экстремального эксперимента
- •4.1. Сущность теории планирования эксперимента
- •4.2. Принятие решений перед планированием эксперимента
- •4.3. Корреляционный анализ
- •4.3.1. Понятие о корреляции
- •1) Эксперимент;
- •1) Корреляционный;
- •2) Регрессионный;
- •3) Дисперсионный.
- •4.3.2. Линейная корреляция
- •Общая схема расчетов коэффициента корреляции
- •Корреляционная таблица для х, у
- •Определение данных для вычисления σх и σу
- •Корреляционная таблица для х и z
- •Определение данных для вычислений
- •4.3.3. Нелинейная корреляция
- •4.3.4. Множественная линейная корреляция
- •Корреляционная таблица для у, z
- •4.3.5 Корреляционные (регрессионные) уравнения
- •4.3.6. Ранговая корреляция
- •4.4. Дисперсионный анализ
- •4.4.1. Однофакторный дисперсионный анализ.
- •4.5. Регрессионный анализ
- •4.5.1. Метод наименьших квадратов (мнк).
- •Расчетная таблица для вычислений коэффициентов регрессии
- •Расчет остаточной суммы квадратов
- •Условия и результаты опытов
- •4.5.2. Статистический анализ уравнения регрессии.
- •Значения t-критерия Стьюдента при 5%-ном уровне значимости
- •4.5.3. Матричный подход к регрессионному анализу
- •4.5.3.1. Метод наименьших квадратов для одного фактора
- •Условия и результаты опытов
- •4.5.3.2. Некоторые операции над матрицами
- •4.5.3.6. Критерии оптимальности планов
- •4.5.4. Построение регрессионных моделей
- •4.5.4.1. Выбор модели.
- •4.5.4.2. Эксперимент.
- •4.5.4.3. Вычисление оценок коэффициентов модели.
- •4.5.4.4. Проверка модели на адекватность.
- •4.5.4.5.Упрощение модели.
- •4.5.4.6. Точность регрессионной модели.
- •Приложения
- •Список литературы
3.3.3. Требования к совокупности факторов
При планировании эксперимента обычно одновременно изменяется несколько факторов. Поэтому очень важно сформулировать требования, которые предъявляются к совокупности факторов. Прежде всего выдвигается требование совместимости. Совместимость факторов означает, что все их комбинации осуществимы и безопасны. Это очень важное требование. Если не уделять достаточного внимания на требование совместимости факторов то можно запланировать такие условия опыта, которые могут привести к взрыву установки или осмолению продукта. Такой результат очень далек от целей оптимизации.
Несовместимость факторов может наблюдаться на границах областей их определения. Избавиться от нее можно сокращением областей. Положение усложняется, если несовместимость проявляется внутри областей определения. Одно из возможных решений — разбиение на подобласти и решение двух отдельных задач.
При планировании эксперимента важна независимость факторов, т. е. возможность установления фактора на любом уровне вне зависимости от уровней других факторов. Если это условие невыполнимо, то невозможно планировать эксперимент. Итак, мы подошли ко второму требованию — отсутствию корреляции между факторами. Требование некоррелированности не означает, что между значениями факторов нет никакой связи. Достаточно, чтобы связь не была линейной.
Исследуется некоторая термодинамическая система. Можно ли включить в планирование эксперимента следующие три фактора: 1 — давление, атм, 2 — объем, л, 3 — температуру, °К?
Пусть в термодинамической системе имеет место уравнение Менделеева—Клапейрона PV=nRT и заданы два фактора, например
V(х1) и Т(х2). Тогда Р(х3) может быть вычислено. То же самое и с двумя другими парами факторов. Поэтому в планирование можно включать два (а не три) фактора. Здесь возможны три комбинации: 1) х1 и х2, 2) х1 и х3, 3) х2 и х3.
Ранее мы уже приводили примеры факторов, относящиеся к органической химии и полимерам. А теперь перейдем к другим областям, памятуя изречение Ньютона, что примеры так же поучительны, как и правила.
Области практических приложений планирования эксперимента чрезвычайно многообразны: химия, металлургия, биология, медицина, обогащение полезных ископаемых, пищевая и текстильная промышленность, сельское хозяйство, военное дело и др. .
Применяется планирование эксперимента и в несколько неожиданных областях исследования, в таких, как геронтология (наука о долголетии), при классификации образцов древней керамики, в хлебопечении и табачном деле.
В зависимости от объектов исследования меняются и факторы. В приведенных примерах, не возможно отразить все это многообразие. Остановимся на более типичных для практики случаях.
В выборе примеров мы также руководствовались принципом многофакторности; приводили задачи, в которых количество факторов было бы не меньше четырех, так как придумать примеры с двумя-тремя факторами очень легко может и сам читатель.
Пример 4. При исследовании электролитического процесса получения алюминия в планирование эксперимента были включены следующие семь факторов: 1 — напряжение на электролизере, а; 2 — время между обработками электролизера, час; 3 — концентрация фтористого магния в электролите, %; 4 — концентрация фтористого кальция в электролите, %; 5 — криолитовое отношение; 6 — уровень электролита в ванне, см; 7 — время между операциями съема угольной пены, сутки .
Пример 5. Приведем пример факторов, влияние которых интересовало экспериментатора при оптимизации производства резисторов: 1 — давление при прессовке, кг/см2; 2— температура при прессовке, °С; 3 — время выдержки под давлением, мин; 4 — температура в муфеле при прессовке, °С; 5 — время температурной выдержки, мин; 6 — дисперсность наполнителя, мк; 7 — соотношение флюса и наполнителя, г/г; 8 — давление при шамотировании, кг/см2; 9 — дисперсность сажи, мк; 10 — время выдержки при шамотировании, мин; 11 — качество керамики оснований; 12 — дисперсность флюсов, мк .
Пример 6. При изучении процесса варки сульфатной целлюлозы в планирование эксперимента были включены такие пять факторов: 1 — концентрация активной щелочи в варочном растворе (в единицах Na2O), г/л; 2 — сульфитность раствора, %; 3 — конечная температура варки, °С; 4 — продолжительность подъема температуры до конечной, мин; 5 — продолжительность варки при конечной температуре, мин.
Пример 7. При оптимизации процесса обогащения молибденовой руды экспериментатор остановил свое внимание на следующих факторах: 1 — время измельчения руды, мин; 2 — расход олеата натрия, г/т; 3 — расход алкилсульфата, г/т; 4 — расход соды, г/т; 5 — расход керосина, г/т .
Пример 8. При оптимизации процесса экстракции циркония и гафния из солянокислых растворов в качестве независимых переменных приняты: 1 — концентрация металла, г/л; 2 — концентрация кислоты, мол/л; 3 — концентрация спирта, %; 4 — соотношение объемов фаз, мл/мл .
Пример 9. В микробиологических исследованиях весьма важной задачей является нахождение оптимального состава питательной среды. В одной из микробиологических работ проверялось влияние следующих факторов:
Обработка результатов эксперимента велась по пробам, полученным на четвертые сутки выращивания. В экспериментах такого рода возможно также варьировать время выращивания, температуру и т. д.
Пример 10. Для специалистов, занимающихся животноводством, приведем пример факторов, влияющих на откорм свиней.
Определялось соотношение в рационе питательных веществ и стимуляторов, т. е. химических соединений, воздействующих на обмен веществ в организме. Изучалось влияние следующих четырнадцати факторов:
макроэлементы: 1 — Са; 2 — К; 3 — Mg; 4 — Na;
микроэлементы: 5 — Со; 6 — Zn; 7 — Си; 8 — Fe; 9 — J; 10 — Мn;
витамины: 11 — А; 12 — D2; 13 — В12;
антибиотики: 14 — биомицин.
Видимо, приведенных примеров достаточно, чтобы можно было составить себе ясное представление о понятии «факторы».
Итак, мы установили, что факторы — это переменные величины, соответствующие способам воздействия внешней среды на объект. Они определяют как сам объект, так и его состояние. Требования к факторам: управляемость и однозначность.
Управлять фактором — это значит установить нужное значение и поддерживать его постоянным в течение опыта или менять по заданной программе. В этом достоит особенность «активного» эксперимента. Планировать эксперимент можно только в том случае, если уровни факторов подчиняются воле экспериментатора.
Факторы должны непосредственно воздействовать на объект исследования. Трудно управлять фактором, если он является функцией других переменных, но в планировании эксперимента могут участвовать сложные факторы, такие, как логарифмы, соотношения и т. д. Факторы должны быть определены операционально.
Требования к совокупности факторов: совместимость и отсутствие линейной корреляции. Выбранное множество факторов должно быть достаточно полным. Если какой-либо существенный фактор пропущен, это приведет к неправильному определению оптимальных условий или к большой ошибке опыта. Факторы могут быть количественными и качественными.
Точность фиксации факторов должна быть высока. Степень точности определяется диапазоном изменения факторов.
Выбор факторов — очень ответственный этап при подготовке к планированию эксперимента. От удачного выбора зависит успех оптимизации.
После того как вы ознакомились с параметром оптимизации и факторах, можно подойти к выбору модели исследуемого процесса.
