Планирование эксперимента Разделы : Лекции - 16 часов практич. работы - 16 часов 1.Введение. Основные определения. 2. Полный факторный эксперимент. 3. Дробный факторный эксперимент. 4. Анализ и обработка результатов. 5. Метод крутого восхождения. 6. Планы 2-го порядка. 7. Отсеивающие эксперименты. 8. Методы планирования по Тагути. 9. Планирование эксперимента в пакете «Statistica 6.0». УГТУ-УПИ, ФтФ ПОЭ, лекция 1 Основоположники Р. Фишер английский статистик, конец 20-х г.г. R.A. Fisher “The Design of Experiment”, 6-th ed., London, Oliver and Boyd, 1951 УГТУ-УПИ, ФтФ В.В. Налимов советский статистик, 60-е г.г. В.В. Налимов, Н.А. Чернова «Статистические методы планирования экстремальных экспериментов», М., Наука,1965 ПОЭ, лекция 1 Основная литература В.И. Асатурян «Теория планирования эксперимента», М., Радио и связь, 1983, 248 с. В.В. Налимов «Теория эксперимента», М., Наука, 1971, 208 с. Ю.П. Адлер, В.Е, Маркова, Ю.В. Грановский «Планирование эксперимента при поиске оптимальных условий», М., Наука, 1976, 280 с. В.Г. Горский, Ю.П. Адлер «Планирование промышленных экспериментов», М., Металлургия, 1974, 264 с. С.Л. Ахназарова, В.В. Кафаров «Методы оптимизации эксперимента в химической технологии», М.,Высшая школа, 1985,328 с. УГТУ-УПИ, ФтФ ПОЭ, лекция 1 Дополнительная литература Х.Шенк «Теория инженерного эксперимента», М., Мир, 1974, 384 с. Н.Джонсон, Ф. Лион, «Статистика и планирование эксперимента в технике и науке. Методы обработки данных», М., Мир, 1980, 612 с. К. Дэниел «Применение статистики в промышленном эксперименте», М., Мир, 1979, 301 с. Д. Финни «Введение в теорию планирования экспериментов», М., Наука, 1970, 288 с. В.Н. Лавренчик «Постановка физического эксперимента и статистическая обработка его результатов», М., Энергоатомиздат, 1986, 269 с. УГТУ-УПИ, ФтФ ПОЭ, лекция 1 1. Основные понятия ПЭ 1.1. Общие определения Планирование эксперимента - это процедура выбора числа и условий проведения опытов, необходимых и достаточных для решения поставленной задачи с требуемой точностью – стремление к минимизации общего числа опытов; – одновременное варьирование всеми переменными, определяющими процесс по специальным правилам-алгоритмам ; – использование математического аппарата, максимально формализующего действия экспериментатора ; – выбор четкой стратегии позволяющей принимать обоснованные решения после каждой серии опытов ; УГТУ-УПИ, ФтФ ПОЭ, лекция 1 Активный (опыт) Эксперименты Интерполяционный (требуется установить взаимосвязь между параметром оптимизации и влияющими факторами) Пассивный (наблюдение) Экстремальный (требуется решить задачу оптимизации, улучшить значение параметра оптимизации) Планирование экстремального эксперимента - это процедура выбора числа и условий проведения опытов, минимально необходимых для решения поставленной задачи, т.е. отыскания оптимальных условий. УГТУ-УПИ, ФтФ ПОЭ, лекция 1 Схема «черного ящика» x1 x2 Объект исследований («ЧЯ») y1 y2 ym xk pk Факторы Параметры оптимизации yj = f(x1, x2, …, xk) - функция отклика Задача экстремального эксперимента - поиск экстремума функции отклика УГТУ-УПИ, ФтФ ПОЭ, лекция 1 1.2. Факторы Фактор - это измеряемая переменная величина, принимающая в некоторый момент времени определенное значение. Факторы соответствуют способам воздействия на объект. Значения, которые принимают факторы в эксперименте, называются уровнями. Количественные И Качественные Основные требования : управляемость ; точность ; однозначность ; УГТУ-УПИ, ФтФ совместимость ; независимость ; и т.д. ПОЭ, лекция 1 1.3. Параметры оптимизации Параметр оптимизации - это реакция (отклик) объекта на воздействие факторов, которые определяют поведение изучаемой системы. Количественные И Качественные ограниченная непрерывная Область определения дискретная УГТУ-УПИ, ФтФ неограниченная ПОЭ, лекция 1 Параметры оптимизации Экономические Прибыль Себестоимость Затраты на эксперимент (на сам процесс) УГТУ-УПИ, ФтФ Техникоэкономические Рентабельность Производ-ть Надежность, долговечность КПД Техникотехнологические Выход продукта Физикохимические харак-ки продукта Прочие Психолог. Эстетич. Статистич. Медико-биологические харак-ки продукта ПОЭ, лекция 1 Параметр оптимизации должен быть : и т.д. эффективным с точки зрения достижения цели ; универсальным и полным, т.е всесторонне характеризовать объект ; количественным и выражаться одним числом ; статистически эффективным ; имеющим четкий физический смысл, простым и легко вычисляемым ; однозначным и существующим для всех различных состояний !!!! УГТУ-УПИ, ФтФ ПОЭ, лекция 1 1.4. Обобщенный параметр оптимизации В общем случае : разный физический смысл, несовпадающая размерность. Необходимо использование безразмерной шкалы !!! УГТУ-УПИ, ФтФ ПОЭ, лекция 1 1.4.1. Простейшая шкала преобразования откликов yj - частный отклик (j = 1, 2, 3,…., m) всего n опытов yji - значение j-го отклика в i-ом опыте (i = 1, 2, 3, … , n) «0» - брак «1»- годен УГТУ-УПИ, ФтФ ~ y ji {0;1} ПОЭ, лекция 1 Обобщенный отклик n Yi n ~ y ji j 1 Обобщенный отклик в i-ом опыте Yi {0;1} Все ~ y ji 1 Хотя бы один УГТУ-УПИ, ФтФ ~ y ji 0 Yi = 1 Yi = 0 продукт годен брак ПОЭ, лекция 1 Пример Создание нового автомобильного двигателя. Параметры оптимизации : y1 - масса двигателя, кг ; 1, если y1i <= 600 ~ y1i { 0, если y1i > 600 y2 - максимальная скорость автомобиля, км/ч ; 1, если y2i >= 200 ~ y2i { 0, если y2i < 200 УГТУ-УПИ, ФтФ ПОЭ, лекция 2 далее : y3 - расход топлива на 100 км, л ; 1, если y3i <= 10 ~ y3i { 0, если y3i > 10 y4 - максимальное давление масла, кг/см2 ; 1, если y4i <= 150 ~ y4i { 0, если y4i > 150 y5 - максимальное число оборотов коленвала, об/мин ; 1, если y5i <= 5000 ~ y5i { 0, если y1i > 5000 УГТУ-УПИ, ФтФ y6 - время разгона автомобиля до 100 км/ч, с ; 1, если y6i <= 10 ~ y6 i { 0, если y6i > 10 y7 - ресурс работы, тыс. км ; 1, если y7i >= 500 ~ y7 i { 0, если y7i < 500 ПОЭ, лекция 2 Комплексная оценка Учет требований разработчика и заказчика : ~ ~ ~ ~ ~ ~ ~ Y1i y1i y2i y3i y4i y5i y6i y7i 7 Учет требований только заказчика : Y2i 3 ~ y2i ~ y3i ~ y7i УГТУ-УПИ, ФтФ ПОЭ, лекция 2 Результаты испытаний Преобразованные Преобразованные отклики отклики Обобщенные Обобщенные отклики отклики Номер опыта Натуральные отклики y1i y2i y3i y4i y5i y6i6i y7i7i 1 570 270 8.7 165 5300 9 600 1 1 1 0 0 1 2 590 250 10 145 4800 9 550 1 1 1 1 1 3 480 90 10.5 138 4800 11 800 1 0 0 1 4 550 250 10.3 150 4700 9 750 1 1 0 5 590 300 9.2 150 5000 8 800 1 1 6 650 220 9.0 145 4500 9 750 0 7 570 220 9.2 160 5500 12 700 8 590 220 9.8 140 5000 9 9 580 220 9.0 140 4800 10 730 170 9.8 140 4800 УГТУ-УПИ, ФтФ ~ y~ y11ii ~ y~ y22ii ~ y~ y33ii ~ y~ y44ii ~ y~ y55ii ~ y~ y66ii ~ y~ y77ii Y Y1i1i Y Y2i2i 1 0 1 1 1 1 1 1 0 1 0 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 0 0 0 1 0 1 800 1 1 1 1 1 1 1 1 1 9 800 1 1 1 1 1 1 1 1 1 7 450 0 0 1 1 1 1 0 0 0 ПОЭ, лекция 2 Близость к «идеалу» yj0 - наилучшее («идеальное») значение j-го отклика, (j = 1, 2, 3,…., m) yji - yj0 - мера близости y ji y j 0 Yi y j 1 j0 m 2 Цель оптимизации : Yi 0 aj - статистический вес j-го отклика y ji y j 0 Yi a j y j 1 j0 m УГТУ-УПИ, ФтФ 2 m , где aj 1 j 1 и aj 0 ПОЭ, лекция 2 1.4.2. Шкала желательности Обобщенная функция желательности Харрингтона Стандартные отметки на шкале желательности Желательность Очень хорошо Отметка на шкале, dj 1.00 – 0.80 Хорошо 0.80 – 0.63 Удовлетв-но 0.63 – 0.37 Плохо 0.37 – 0.20 Очень плохо 0.20 – 0.00 УГТУ-УПИ, ФтФ dj - частная желательность dj = 0 неприемлемое значение dj = 1 наилучшее значение dj = 0.37 1/e dj = 0.63 1 - 1/e ПОЭ, лекция 2 Функция желательности d e e y , где y - кодированный отклик 1,0 dj 0,998 0,951 0,800 0,638 0,368 0,192 0,000 УГТУ-УПИ, ФтФ Хорошо dj y' 6 3 1,5 0,8 0 -0,5 -3 Очень хорошо 0,5 Удовлетворительно Плохо Оч. плохо 0,0 -3 -2 -1 0 1 2 3 4 5 6 y' ПОЭ, лекция 2 далее 1,0 0,5 0, если yj < ymin dj { 1, если yj ymin dj 0,0 1,0 0,5 Очень хорошо Хорошо Удовлетворительно Плохо Очень плохо 0,0 ymin УГТУ-УПИ, ФтФ y' ПОЭ, лекция 2 Далее 0, если yj < ymin и yj > ymax dj { 1, если ymin yj ymax 1,0 0,5 dj 0,0 1,0 Очень хорошо Хорошо 0,5 0,0 Удовлетворительно Плохо Очень плохо ymin УГТУ-УПИ, ФтФ y' ymax ПОЭ, лекция 2 Обобщенная желательность m Di m d ji j 1 Обобщенная желательность в i-ом опыте Di оцениваем по той же шкале желательности УГТУ-УПИ, ФтФ ПОЭ, лекция 2 Пример dj y y1 y2 y3 y4 y5 y6 y7 0.95 0.80 0.63 0.37 0.2 3.0 1.5 0.8 0.0 -0.5 500 550 570 600 700 280 250 220 200 170 8 8.5 9 10 11 130 135 145 150 170 4500 4700 4800 5000 5500 8 8.5 9 10 11 1000 800 700 500 400 y -0.5 170 УГТУ-УПИ, ФтФ 0.0 200 0.8 220 1.5 250 3.0 280 y2 ПОЭ, лекция 2 Оценка Учет требований разработчика и заказчика : D1i 7 d1i d 2i d 3i d 4i d5i d 6i d 7i Учет требований только заказчика : D2i 3 d 2i d 3i d 7i УГТУ-УПИ, ФтФ ПОЭ, лекция 2 Результаты Номер Номер Номер опыта опыта опыта 11 22 33 44 5 5 6 dd111 ddd222 ddd333 ddd444 ddd555 ddd666 ddd777 DD11 0.63 0.90 0.90 0.73 0.73 0.24 0.24 0.30 0.30 0.63 0.63 0.50 0.50 0.51 0.51 0.46 0.8 0.37 0.5 0.63 0.63 0.44 0.53 1 0.31 0.29 0.75 0.63 0.20 0.80 0.49 Желате Желате Желате льность льность льность удовл. удовл. удовл. удовл. D D222 D Желате Желате Желате льность льность льность 0.69 0.69 хор. хор. 0.50 удовл. 0.42 удовл. 6 УГТУ-УПИ, ФтФ ПОЭ, лекция 2 1.5. Факторное пространство - это пространство, образованное осями факторов x1 x1max Область определения x1min x2min УГТУ-УПИ, ФтФ x1max x2 ПОЭ, лекция 3 Метод сечений x1 x1max x1min x2min УГТУ-УПИ, ФтФ x1max x2 ПОЭ, лекция 3 Функция отклика Основные предположения : непрерывная ; гладкая ; единственный оптимум ; Можно представить в виде степенного ряда УГТУ-УПИ, ФтФ ПОЭ, лекция 3 Полиномиальные модели y b0 y y b0 b1x1 b2 x2 2 b0 b1x1 b2 x2 b12x1x2 b11x1 2 b22x2 Полиномиальный класс моделей Основные требования простота адекватность Способность модели предсказывать результаты эксперимента в исследуемой области с требуемой точностью УГТУ-УПИ, ФтФ ПОЭ, лекция 3