Основные идей и предпосылки

МЕТОДИЧЕСКИЕ УКАЗАНИЯ

МЕТОД СЛУЧАЙНОГО БАЛАНСА

Специфика социального пространства.

Социальное время и пространство.

Социальное время зависит от насыщенности событий. (Революции и мирные жизненные процессы; размеренные прошлые века и нынешние – по-разному насыщены. Время как бы убыстряется. Все труднее угнаться за модой, освоить информацию. Человек зачастую мыслится как придаток машины. Человеческий организм начинает сдавать, не успевает.

Многие понятия пространства наделены особым смыслом: «Родина, отчий дом». Для религиозного человека особый смысл имеют пространства – святые места, храмы. Их антиподы – гиблые места.

Пространство и временные циклы влияют на национальный менталитет (ширь равнин, сезонные работы повлияли на русский менталитет; Западу присущ другой ритм).

Выводы.

К необходимым атрибутивным свойствам материи относятся: ее структурность, движение, пространство и время. Движение рассматривается как способ существования материи, пространство и время - как формы существования материи. Пространство и время необходимо связаны с движущейся материей и изменяют свои метрические свойства в зависимости от этого движения. Принцип материального единства мира может быть дополнен и следующими положениями: более сложные формы движения материи генетически связаны с более простыми и включают их; есть теоретические предпосылки рассматривать вещество как свернутое пространство; при физических и химических превращениях действует масса законов сохранения (энергии, вещества, моментов движения и т.п.). Открываемые естественными науками законы едины для всего наблюдаемого материального мира, наблюдается удивительное структурное сходство между явлениями микромира и явлениями мегамира.

Цель работы — ознакомление с основными идеями и процедурой применения метода случайного баланса, предназначенного для выделения наиболее существенных входных переменных среди большого числа линейных факторов и их парных взаимодействий в многофакторном объекте,

Задание: 1. Изучить методические указания к лабораторной работе и материалы

лекций по данной теме.

1. Ознакомится с техническим описанием и принципом работы лабораторного стенда.

2. Выполнить задание и провести обработку экспериментальных данных.

3. Оформить отчет о проделанной работе.

При оптимизации многофакторного объекта основным этапом является получение математической модели, адекватно описывающей статический объект в изучаемом диапазоне изменения его входных переменных (факторов). При этом естественно стремиться к тому, чтобы математическое описание было возможно более простым при максимуме^: подобия, особенно при разработке способов и систем оптимального управления, когда важно достичь или поддерживать глобальный, а не локальный или частный экстремум. Однако решение этой задачи в реальных условиях обычно связано с серьезными трудностями, вызванными весьма большим количеством переменных, в той или иной. степени влияющих на объект.

Если число всех возможных факторов, влияющих на объект, не превышает 6—7, то для предварительного изучения объекта можно применить методы дробного или полного факторного эксперимента. Однако при большом числе рассматриваемых факторов методы ПФЭ и даже ДФЭ, предназначенные для тщательного изучения поверхности отклика, оказываются слишком громоздкими и трудоемкими для постановки отсеивающих опытов. В случае изучения более 8—10 факторов, если эксперименты недороги и, если заведомо известно, что лишь немногие переменные являются существенными, следует применять метод случайного баланса.

Важнейшей теоретической предпосылкой МСБ является априорное знание того, что из всей совокупности рассматриваемых переменных только небольшое их число (например, 10—15%) являются действительно существенными, остальные же могут быть отнесены к «шумовому полю» Под «шумовым полем» обычно понимают случайные помехи е, о которых ничего или почти ничего неизвестно, и малозначимые и незначимые переменные (линейные и парные взаимодействия), которые нет смысла контролировать. Постулируется, что для успешного применения МСБ рассматриваемые переменные, расположенные в порядке убывания вкладов, вносимых ими в общую дисперсию отклика, должны образовывать быстро затухающую кривую (рис. 4.1). Вклады существенных факторов должны намного (минимум на порядок) превышать погрешность измерения, определяемую шумовым полем. Кроме того, предполагается, что объект управляем, что между отдельными составляющими дисперсии функции отклика и входными переменными может быть установлено соответствие, что опыты воспроизводимы, а отдельные измерения случайны и независимы друг от друга (выполняются теоретические предпосылки регрессионного анализа).

Основная идея метода заключается в том, что вместо дробных реплик, которые представляют собой систематические ортогональные выборки из ПФЭ, берутся случайные выборки. Тогда вектор-столбцы матрицы планирования можно считать не коррелированными или слабо коррелированными друг с другом. Совместные оценки оказываются смешанными случайным образом. Появляется возможность с высокой надежностью выделить и независимо оценить все доминирующие переменные.

При проведении отсеивающих опытов, задачей которых является выделение существенных переменных и отнесение всех несущественных или малосущественных переменных к «шумовому полю». Тогда выделенные существенные переменные (линейные члены и парные взаимодействия) могут быть независимо оценены и количественно, если их число h подчиняется условию

h+1<N. (4.2)

причем это оценивание производится, очевидно, с тем большей ошибкой, чем больше доля дисперсии функции отклика, вызываемая «шумовым полем». При использовании МСБ математическую модель сложного объекта

(4.3)

расщепляют на части, где h—число значимых переменных; и— h— число незначимых переменных; e—случайная составляющая (помехи). Под z_i,z_r понимаются нормированные линейные факторы и парные взаимодействия.

Из сказанного следует, что МСБ обладает меньшей чувствительностью, чем ПФЭ и ДФЭ. Под чувствительностью метода обычно понимается способность выделять коэффициенты уравнения регрессии, значимо отличающиеся от нуля (т. е. способность отбрасывать нуль-гипотезу Но: a _i= 0), Зато он обладает большей разрешающей способностью: в благоприятных условиях, при одинаковом числе опытов, он позволяет независимо выделить существенные переменные среди гораздо большего числа рассматриваемых переменных, чем при ДФЭ и тем более ПФЭ.