Разделы презентаций


Дробно-факторный эксперимент (ДФЭ)

Содержание

К матрице ДФЭ предъявляют те же требования, что и к матрице ПФЭПланы ДФЭ 2n-k, где k - показатель дробности плана ПФЭ.  При k=1 число опытов в плане ДФЭ в два раза

Слайды и текст этой презентации

Слайд 1Дробно-факторный эксперимент (ДФЭ)
При многофакторном эксперименте, особенно когда число факторов больше

шести (n > 6), число опытов планов ПФЭ 2n (N

= 2n) становится чрезмерным. Переходят к дробному факторному эксперименту (ДФЭ) - части полного факторного эксперимента, или дробным репликам
ДФЭ может содержать половину, четверть и т.д. опытов от ПФЭ
Дробно-факторный эксперимент (ДФЭ)При многофакторном эксперименте, особенно когда число факторов больше шести (n > 6), число опытов планов

Слайд 2К матрице ДФЭ предъявляют те же требования, что и к

матрице ПФЭ
Планы ДФЭ 2n-k, где k - показатель дробности плана

ПФЭ.  При k=1 число опытов в плане ДФЭ в два раза меньше чем в плане ПФЭ, поэтому такие планы называют полурепликой плана ПФЭ, при k=2 – четвертьрепликой плана ПФЭ 
К матрице ДФЭ предъявляют те же требования, что и к матрице ПФЭПланы ДФЭ 2n-k, где k -

Слайд 3Минимизация числа опытов

Минимизация числа опытов

Слайд 4 Пользуясь таким планированием, можно вычислить четыре коэффициента и

представить результаты эксперимента в виде неполного квадратного уравнения
Если в выбранных

интервалах варьирования процесс может быть описан линейной моделью, то достаточно определить три коэффициента b0, b1, b2. При линейном приближении b12→0 и вектор-столбец x1x2 можно использовать для нового фактора x3
Пользуясь таким планированием, можно вычислить четыре коэффициента и представить результаты эксперимента в виде неполного квадратного

Слайд 5Посмотрим, каковы будут оценки коэффициентов в этом случае. Здесь уже

не будет тех раздельных оценок, которые мы имели в полном

факторном эксперименте 2k. Оценки смешаются следующим образом:
b1 → β1 + β23, b2 → β2 + β13, b3 → β3 + β12

Вместо 8 опытов для изучения 3 факторов можно поставить 4

Матрица планирования не теряет своих оптимальных свойств

Посмотрим, каковы будут оценки коэффициентов в этом случае. Здесь уже не будет тех раздельных оценок, которые мы

Слайд 6Чтобы сократить число опытов, нужно новому фактору присвоить вектор-столбец матрицы,

принадлежащий взаимодействию, которым можно пренебречь. Тогда значение нового фактора в

условиях опытов определяется знаками этого столбца

Поставив четыре опыта для оценки влияния трех факторов, мы воспользовались половиной полного факторного эксперимента 23 или «полурепликой».

Чтобы сократить число опытов, нужно новому фактору присвоить вектор-столбец матрицы, принадлежащий взаимодействию, которым можно пренебречь. Тогда значение

Слайд 7 Если бы мы х3 приравняли к –x1x2, то получили

бы вторую половину матрицы 23. В этом случае 
b1 → β1

- β23, b2 → β2 - β13, b3 → β3 - β12

Объединение этих двух полуреплик и есть полный факторный эксперимент 23, отражающий и линейные эффекты и эффекты взаимодействия

Если бы мы х3 приравняли к –x1x2, то получили бы вторую половину матрицы 23. В этом

Слайд 8Матрица из восьми опытов для четырех факторного планирования будет полурепликой

от полного факторного эксперимента 24, а для пятифакторного планирования –

четвертьрепликой от 25

В четвертьреплике два линейных эффекта приравниваются к эффектам взаимодействия

Матрица из восьми опытов для четырех факторного планирования будет полурепликой от полного факторного эксперимента 24,  а

Слайд 9 Для обозначения дробных реплик, в которых p линейных эффектов приравнены

к эффектам взаимодействия, удобно пользоваться условным обозначением 2k-p.

Так, полуреплика от 23 запишется в виде 23-1,  а четвертьреплика от 25 – в виде 25-2

При построении полуреплики 23-1 существует только две возможности приравнять х3 к х1х2 или –х1х2. Поэтому есть только две полуреплики 23-1

Для обозначения дробных реплик, в которых p линейных эффектов приравнены к эффектам взаимодействия, удобно пользоваться условным обозначением

Слайд 10Для произведения трех столбцов первой матрицы выполняется соотношение: +1 =

х1х2х3, а для второй матрицы: -1 = х1х2х3.

Для произведения трех столбцов первой матрицы выполняется соотношение: +1 = х1х2х3, а для второй матрицы: -1 = х1х2х3.

Слайд 11 Символическое обозначение произведения столбцов, равного +1 или –1, называется

определяющим контрастом.
Контраст помогает определять смешанные эффекты. Для того чтобы

определить, какой эффект смешан с данным, нужно помножить обе части определяющего контраста на столбец, соответствующий данному эффекту.
Символическое обозначение произведения столбцов, равного +1 или –1, называется определяющим контрастом.  Контраст помогает определять смешанные

Слайд 12Это значит, что коэффициенты линейного уравнения будут оценками:
х1 =

х1х1х2х3 = х2х3
Если контраст +1, то для х1 имеем
для х2

имеем

х2 = х1х2х2х3 = х1х3

для х3 имеем

х3 = х1х2х3х3 = х1х2

b1 → β1 + β23, b2 → β2 + β13, b3 → β3 + β12

Это значит, что коэффициенты линейного уравнения будут оценками: х1 = х1х1х2х3 = х2х3Если контраст +1, то для

Слайд 13 Соотношение, показывающее, с каким из эффектов смешан данный

эффект, называется генерирующим соотношением
Полуреплики, в которых основные

эффекты смешаны с двухфакторными взаимодействиями, носят название планов с разрешающей способностью III (по наибольшему числу факторов в определяющем контрасте).Такие планы принято обозначать: 
Соотношение, показывающее, с каким из эффектов смешан данный эффект, называется генерирующим соотношением  Полуреплики, в

Слайд 14Разрешающая способность этих полуреплик различна
1. х4 = х1х2
При

выборе полуреплики 24-1 возможны 8 решений
3. х4 = х2х3
7.

х4 = х1х2х3

2. х4 = –х1х2

4. х4 = –х2х3

5. х4 = х1х3

6. х4 = – х1х3

8. х4 = – х1х2х3

Разрешающая способность этих полуреплик различна 1.  х4 = х1х2При выборе полуреплики 24-1 возможны 8 решений3. х4

Слайд 15Разрешающая способность задается системой смешивания данной реплики. Она будет максимальной,

если линейные эффекты смешаны с эффектами взаимодействия наибольшего возможного порядка


Реплики 7 и 8 имеют максимальную разрешающую способность и называются главными

Реплики 1 – 6 имеют по три фактора в определяющем контрасте, а 7 – 8 по четыре.

Разрешающая способность задается системой смешивания данной реплики.  Она будет максимальной, если линейные эффекты смешаны с эффектами

Слайд 16При отсутствии априорной информации об эффектах взаимодействия экспериментатор стремится выбрать

реплику с наибольшей разрешающей способностью, т.к. тройные взаимодействия обычно менее

важны, чем парные
При отсутствии априорной информации об эффектах взаимодействия экспериментатор стремится выбрать реплику с наибольшей разрешающей способностью, т.к. тройные

Слайд 17Реплики, в которых нет ни одного главного эффекта, смешанного с

другим главным эффектом или парным взаимодействием, а все парные взаимодействия

смешаны друг с другом, носят название планов с разрешающей способностью IV (по наибольшему числу факторов в определяющем контрасте). Они имеют обозначение 

Такие полуреплики называют главными полурепликами, так как они обладают наибольшей разрешающей способностью

Реплики, в которых нет ни одного главного эффекта, смешанного с другим главным эффектом или парным взаимодействием, а

Слайд 18х5 можно приравнять к одному из 6 парных взаимодействий. В этом

случае получим полуреплику с разрешающей способностью III.  
При

выборе полуреплики 25-1 в распоряжении экспериментатора имеется множество вариантов

х5 можно приравнять к одному из четырех тройных взаимодействий. Тогда получим план с разрешающей способностью IV, и все линейные эффекты будут смешаны с тройными взаимодействиями  

х5 можно приравнять к одному из 6 парных взаимодействий. В этом случае получим полуреплику с разрешающей способностью III.  

Слайд 19Полуреплика может быть задана генерирующими соотношениями

или  Такие реплики носят название планов с разрешающей способностью V  и обозначаются

Определяющими контрастами в этом случае будут

и

Полуреплика может быть задана генерирующими соотношениями

Слайд 20Полурепликами 26-1 редко пользуются на практике, т.к. такая полуреплика требует 32

опыта, а выгодны планы 26-2-или 26-3 требующие соответственно 16 и 8

опытов. С ростом числа факторов возрастает дробность применяемых реплик

При построении главных полуреплик в определяющий контраст надо включать наибольшее число факторов

Полурепликами 26-1 редко пользуются на практике, т.к. такая полуреплика требует 32 опыта, а выгодны планы 26-2-или 26-3 требующие соответственно

Слайд 21 При исследовании влияния пяти факторов можно поставить не

16 опытов, а только 8, т. е. воспользоваться репликой 25-2.

Здесь возможны двенадцать решений, если х4 приравнять парному взаимодействию, а х5 – тройному. Например,

и

Тогда определяющими контрастами являются 

или

При исследовании влияния пяти факторов можно поставить не 16 опытов, а только 8, т. е.

Слайд 22Чтобы полностью охарактеризовать разрешающую способность реплики, необходимо записать обобщающий определяющий

контраст

Чтобы полностью охарактеризовать разрешающую способность реплики, необходимо записать обобщающий определяющий контраст

Слайд 23Пример. Методом дробных реплик найти математическое описание процесса в виде

уравнения регрессии:
Выбор генерирующих соотношений в общем случае произволен, однако он

существенно влияет на характер совместных оценок коэффициентов регрессии.
Правило определения совместных оценок коэффициентов состоит в следующем

Воспользуемся планированием типа 252 и примем генерирующие соотношения

Пример. Методом дробных реплик найти математическое описание процесса в виде уравнения регрессии:Выбор генерирующих соотношений в общем случае

Слайд 24Перемножив их почленно, получим новые определяющие контрасты. В данном случае

это
1.
2. Умножив обе части генерирующих соотношений соответственно на X4

и X5, получим  

определяющие контрасты

Перемножив их почленно, получим новые определяющие контрасты. В данном случае это 1.2. Умножив обе части генерирующих соотношений

Слайд 253. Составим алгебраическую сумму из единицы и правых частей всех

полученных определяющих контрастов
4. Умножив каждый из факторов на S

и заменив факторы соответствующими коэффициентами разложения в ряд Тейлора, получим
3. Составим алгебраическую сумму из единицы и правых частей всех полученных определяющих контрастов 4. Умножив каждый из

Слайд 26 Если поверхность отклика не может быть описана многочленом

вида
Метод ортогонального центрального композиционного планирования
для адекватного математического описания

используется многочлен более высокой степени, например, отрезок ряда Тейлора, содержащий члены с квадратами переменных. Тогда используют центральное композиционное планирование (ЦКП) эксперимента
Если поверхность отклика не может быть описана многочленом вида Метод ортогонального центрального композиционного планирования для

Слайд 27 Различают два вида центрального композиционного планирования (ЦКП):

ортогональное и ротатабельное
здесь 2n – количество

опытов, образующих полный факторный эксперимент; 2n – число так называемых «звездных» точек в факторном пространстве, имеющих координаты (±α, 0, 0, ..., 0); (0, ±α, 0, ..., 0), ..., (0, 0, ..., ±α). Здесь величина α называется «звездным» плечом; 1 – опыт в центре планирования, т. е. в точке факторного пространства с координатами (0, 0, ..., 0)

Количество опытов при ортогональном ЦКП определяется по формуле

Различают два вида центрального композиционного планирования (ЦКП):     ортогональное и ротатабельноездесь 2n

Слайд 28 Значения «звездного» плеча α для ЦКП с различным

числом факторов n следующие:
Эти значения α

выбраны из условия ортогональности матрицы планирования
Значения «звездного» плеча α для ЦКП с различным числом факторов n следующие:   Эти

Слайд 29Переменные величины
введены для того, чтобы матрица планирования была ортогональна

и коэффициенты регрессии определялись независимо друг от друга по результатам

опытов
здесь j – номер опыта; i – номер фактора

Уравнение регрессии при ортогональном ЦКП ищут в следующем виде

Переменные величины введены для того, чтобы матрица планирования была ортогональна и коэффициенты регрессии определялись независимо друг от

Слайд 30Чтобы получить уравнение регрессии в обычной форме
находят величину

Чтобы получить уравнение регрессии в обычной форме  находят величину

Слайд 31Ортогональное ЦКП для двух факторов

Пример

Ортогональное ЦКП для двух факторовПример

Слайд 32Схема опытов ортогонального ЦКП для двух факторов:

опыты полного факторного эксперимента;

* – опыты в звездных точках;

– опыт в центре

плана
Схема опытов ортогонального ЦКП для двух факторов:опыты полного факторного эксперимента; * – опыты в звездных точках; –

Слайд 33где i ≠ 0
Коэффициенты регрессии при ортогональном ЦКП считают

по следующим формулам
где i ≠ k

где i ≠ 0 Коэффициенты регрессии при ортогональном ЦКП считают по следующим формулам где i ≠ k

Слайд 34где i ≠ 0
Для расчета оценок дисперсий

в определении коэффициентов регрессии используют следующие выражения
где i ≠

k
где i ≠ 0   Для расчета оценок дисперсий в определении коэффициентов регрессии используют следующие выражения

Слайд 35Коэффициент bi, считается значимым, если



Аналогично проверяется значимость

остальных коэффициентов регрессии.
Проверка адекватности уравнения регрессии осуществляется с помощью критерия Фишера
Коэффициент bi, считается значимым, если

Слайд 36Это план 2-ого порядка после преобразований (*)


Эти преобразования позволяют усреднить

случайные погрешности
Ортогональный план
Ортогональный план 2-ого порядка
Тогда уравнение регрессии
В итоге уравнение

регрессии преобразуется к виду
Это план 2-ого порядка после преобразований (*)Эти преобразования позволяют усреднить случайные погрешностиОртогональный планОртогональный план 2-ого порядкаТогда уравнение

Слайд 37 Метод ротатабельного планирования эксперимента позволяет получать более

точное математическое описание поверхности отклика по сравнению с ортогональным ЦКП,

что достигается благодаря увеличению числа опытов в центре плана и специальному выбору величины «звездного» плеча α.

Метод ротатабельного центрального композиционного планирования

Метод ротатабельного планирования эксперимента позволяет получать более точное математическое описание поверхности отклика по сравнению

Слайд 38 Это план, у которого точки плана располагаются на

окружностях (сферах, гиперсферах)
Точность оценивания функции отклика по любому

направлению факторного пространства (для всех точек плана) одинаковая, что позволяет наилучшим образом извлечь максимальное количество (несмещенной) информации из плана
Это план, у которого точки плана располагаются на окружностях (сферах, гиперсферах)  Точность оценивания функции

Слайд 39Характеристики ротатабельного ЦКП

* Полный факторный эксперимент.
** Эксперимент по методу дробных

реплик.

Характеристики ротатабельного ЦКП* Полный факторный эксперимент.** Эксперимент по методу дробных реплик.

Слайд 40 При ротатабельном ЦКП для вычисления коэффициентов регрессии и

соответствующих оценок дисперсий находят следующие константы
где n – число

факторов; N – общее число опытов ротатабельного ЦКП; N0 – число опытов в центре плана
При ротатабельном ЦКП для вычисления коэффициентов регрессии и соответствующих оценок дисперсий находят следующие константы где

Слайд 41На основании результатов эксперимента вычисляют следующие суммы
(где i=1,2,…,n),
(где

i ≠ k),
(где i=1,…, n)

На основании результатов эксперимента вычисляют следующие суммы (где i=1,2,…,n), (где i ≠ k), (где i=1,…, n)

Слайд 42Формулы для расчета коэффициентов регрессии имеют следующий вид
где i

≠ k

Формулы для расчета коэффициентов регрессии имеют следующий вид где i ≠ k

Слайд 43Оценки дисперсий в определении коэффициентов регрессии вычисляют по следующим формулам


(где i=1,2,…,n)
(где i≠k)

Оценки дисперсий в определении коэффициентов регрессии вычисляют по следующим формулам (где i=1,2,…,n) (где i≠k)

Слайд 44Коэффициент bi, считается значимым, если



Аналогично проверяется значимость остальных

коэффициентов регрессии

Оценку дисперсии адекватности рассчитывают по формуле

Коэффициент bi, считается значимым, если            Аналогично

Слайд 45С ней связано число степеней свободы
Проверку адекватности уравнения регрессии осуществляют

с помощью критерия Фишера

С ней связано число степеней свободыПроверку адекватности уравнения регрессии осуществляют с помощью критерия Фишера

Слайд 46Ротабельный план 2-ого порядка
Для того, что бы привести

план 2-ого порядка к ротатабельному, величину плеча выбирают из условия


Ротабельный план 2-ого порядка  Для того, что бы привести план 2-ого порядка к ротатабельному, величину плеча

Слайд 47Пример. Рассмотреть ротатабельное ЦКП для двух факторов. Матрица планирования и

результаты эксперимента приведены в таблице
Матрица планирования и результаты эксперимента

Пример. Рассмотреть ротатабельное ЦКП для двух факторов. Матрица планирования и результаты эксперимента приведены в таблице Матрица планирования

Слайд 48Для нахождения коэффициентов регрессии вычислим следующие вспомогательные коэффициенты
На основании

результатов опытов вычислим вспомогательные суммы

Для нахождения коэффициентов регрессии вычислим следующие вспомогательные коэффициенты На основании результатов опытов вычислим вспомогательные суммы

Слайд 49 Коэффициенты регрессии рассчитываем по формулам

Коэффициенты регрессии рассчитываем по формулам

Слайд 52Оценку дисперсии воспроизводимости можно найти на основании результатов опытов, проведенных

в центре плана
Эта величина найдена при числе степеней свободы


Оценки дисперсий в определении коэффициентов регрессии

Оценку дисперсии воспроизводимости можно найти на основании результатов опытов, проведенных в центре плана Эта величина найдена при

Слайд 54 Пользуясь таблицей значений критерия Стьюдента, находим
для

и


Для проверки значимости коэффициентов регрессии рассмотрим соотношения:

Пользуясь таблицей значений критерия Стьюдента, находим для

Слайд 55 Все коэффициенты регрессии значимы. Вычисляем оценку дисперсии адекватности

Все коэффициенты регрессии значимы. Вычисляем оценку дисперсии адекватности

Слайд 56Число степеней свободы, связанных с этой оценкой дисперсии
Расчетное значение

критерия Фишера
Из таблицы значений критерия Фишера соответствующее значение критерия

. Условие выполнено, следовательно, уравнение регрессии
Число степеней свободы, связанных с этой оценкой дисперсии Расчетное значение критерия Фишера Из таблицы значений критерия Фишера

Слайд 57адекватно представленным результатам эксперимента
Перейдем в уравнение регрессии от кодированных

переменных к физическим
Пусть в нашем примере кодированные переменные X1

и X2 представляют собой температуру и концентрацию, причем координаты центра плана x01= 60°С и x02= 30%, а шаги варьирования Δx1= 5°С и Δх2= 1% . Тогда
адекватно представленным результатам эксперимента Перейдем в уравнение регрессии от кодированных переменных к физическим Пусть в нашем примере

Слайд 58Подставляя их в полученное в этом примере уравнение регрессии, преобразуем

его к виду
Пользуясь таким уравнением, исследователь избавляется от необходимости переводить

всякий раз условия опыта в кодированные переменные
Подставляя их в полученное в этом примере уравнение регрессии, преобразуем его к видуПользуясь таким уравнением, исследователь избавляется

Обратная связь

Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика