- •Введение
- •1. Общие положения теории планирования эксперимента
- •1.1. Основные понятия
- •1.2. Критерии оптимальности и типы планов
- •2. Градиентные методы оптимизации
- •2.1. Понятие градиента
- •2.2. Способы градиентной оптимизации
- •2.3. Особенности применения градиентной оптимизации совместно с методами планирования экспериментов
- •3.1. Постановка задачи оптимизации
- •3. Планы для решения задач оптимизации
- •3.2. Полный факторный эксперимент типа 2k
- •3.3. Оценки коэффициентов функции отклика
- •3.4. Дробный факторный эксперимент
- •3.5. Оценки коэффициентов функции отклика в дробном факторном эксперименте
- •4. Обработка результатов эксперимента
- •4.1. Предварительная обработка
- •4.2. Проверка однородности дисперсии воспроизводимости
- •4.3. Проверка адекватности модели
- •4.4. Проверка значимости оценок коэффициентов модели
- •5. Планы для описания поверхности отклика
- •5.1. Композиционные планы
- •5.2. Ортогональные центральные композиционные планы
- •5.3. Ротатабельные центральные композиционные планы
- •5.4. Композиционные планы типа Вn
- •5.5. Каталоги оптимальных планов
- •6. Планы для оценки влияния факторов
- •6.1. Планы на латинских квадратах
- •6.2. Оценка значимости фактора
- •6.3. Оценка дифференциального эффекта уровней фактора
3.4. Дробный факторный эксперимент
С ростом количества факторов k число точек плана в ПФЭ растет по показательной функции 2k. Планы ПФЭ позволяют получить несмещенные оценки градиента функции отклика в центральной точке, но в случае применения линейного полинома оказываются недостаточно эффективными по количеству опытов при большом числе независимых переменных, так как остается слишком много степеней свободы на проверку адекватности модели. Например, при k = 5 на проверку адекватности линейной модели остается 26 степеней. Хотя большое количество опытов и приводит к существенному снижению погрешности в оценке коэффициентов, все же такое число степеней свободы для проверки адекватности является чрезмерным.
Таким образом, в случаях, когда используются только линейные приближения функции отклика, количество опытов следует сократить, используя для планирования так называемые регулярные дробные реплики ПФЭ, содержащие подходящее число опытов и сохраняющие основные свойства матрицы планирования. Реплика, включающая только половину экспериментов ПФЭ, называется полурепликой, включающая четвертую часть опытов – четвертьрепликой и т. д. Краткое обозначение указанных дробных реплик 2k – 1, 2 k– 2 соответственно.
Построение регулярной дробной реплики или проведение дробного факторного эксперимента (ДФЭ) типа 2k–p предусматривает отбор из множества k факторов k–p основных, для которых строится план ПФЭ. Этот план дополняется р столбцами, которые соответствуют остальным факторам. Каждый из этих столбцов формируется по специальному правилу, а именно, получается как результат поэлементного умножения не менее двух и не более k–p определенных столбцов, соответствующих основным факторам. Иначе говоря, в дробных репликах p линейных эффектов приравнены к эффектам взаимодействия. Но именно такое построение матрицы планирования и позволяет обеспечить ее симметричность, ортогональность и нормированность.
Таблица 3.2
|
Матрица планирования |
Вектор результатов |
|||
|
x0 |
x1 |
x2 |
x3 |
y |
|
+ |
– |
– |
+ |
y1 |
|
+ |
– |
+ |
– |
y2 |
|
+ |
+ |
– |
– |
y3 |
|
+ |
+ |
+ |
+ |
y4 |
Правило образования каждого из p столбцов ДФП называют генератором плана. Каждому дополнительному столбцу соответствует свой генератор (для плана типа 2k– p должно быть задано p различных генераторов). Генератор задается как произведение основных факторов, определяющее значение элементов соответствующего дополнительного столбца матрицы планирования. Примером записи генератора для плана 23 – 1 служит выражение x3 = x1x2, табл. 3.2. Матрица планирования ДФП типа 2k– p содержит k + 1 столбец и N = 2k– p строк.
