Метод полного факторногоэксперимента дает возможность получить математическое описание исследуемого процесса в некоторой локальнойобласти факторного пространства, лежащей в окрестности выбранной точки скоординатами (x01, х02,…, x0n) [1, 2].
Итак, с помощью полного факторного эксперимента ищут математическое описание процесса в виде уравнения:
y=b0+b1x1+b2x2+…bnxn+b12x12+ b(n-1)nx(n-1)xn (3.1)
Его называют уравнением регрессии, а входящие в него коэффициенты - коэффициентами регрессии.
Для удобства вычислений коэффициентов регрессии все факторы в ходе полного факторного эксперимента варьируют на двух уровнях, соответствующих значениям кодированных переменных -1 и +1.
Таким образом, полным факторным экспериментом называется система опытов, содержащая все возможные неповторяющиеся комбинации уровней варьирования факторов.
В табл. 3.1 приведены условия опытов полного двухфакторного эксперимента. Часть таблицы, обведенная пунктиром, называется матрицей планирования.
Таблица 3.1 - Полный двухфакторный эксперимент
|
|
Номер опыта | Факторы | Функция отклика |
-1 | y1 | |
+1 | y2 | |
-1 | y3 | |
+1 | y4 |
В табл. 3.2 приведены условия опытов полного трехфакторного эксперимента. Эти опыты соответствуют в факторном пространстве вершинам куба с центром в начале координат.
Таблица 3.2 - Полный трехфакторный эксперимент
Номер опыта | Факторы | Функция отклика | ||
x1 | x1 | x1 | ||
-1 | -1 | -1 | y1 | |
+1 | -1 | -1 | y2 | |
-1 | +1 | -1 | y3 | |
+1 | +1 | -1 | y4 | |
-1 | -1 | +1 | y5 | |
+1 | -1 | +1 | y6 | |
-1 | +1 | +1 | y7 | |
+1 | +1 | +1 | y8 |
Из табл. 3.1 и 3.2 видны основные принципы построения матриц планирования полного факторного эксперимента;
- уровни варьирования первого фактора чередуются от опыта к опыту;
- частота смены уровней варьирования каждого последующего фактора вдвое меньше, чем у предыдущего.
Матрица планирования полного факторного эксперимента является ортогональной. Это свойство позволяет вычислять коэффициенты регрессии по простым формулам независимо друг от друга [27].
Общее количество опытов в матрице планирования:
N=2n, (3.2)
где п — число факторов.
На основании полного факторного эксперимента вычисляют коэффициенты регрессии, пользуясь следующими формулами:
; (3.3)
; (3.4)
, (3.5)
где l≠m.
Некоторые из коэффициентов регрессии могут оказаться пренебрежимо малыми - незначимыми. Чтобы установить, значим коэффициент или нет, необходимо, прежде всего, вычислить оценку дисперсии, с которой он определяется:
(3.6)
Следует отметить, что с помощью полного факторного эксперимента все коэффициенты определяются с одинаковойпогрешностью.
Принято считать, что коэффициент регрессии значим, если выполнено условие:
|
|
b>sbt (3.7)
где t — значение критерия Стьюдента.
В противном случае коэффициент регрессии незначим, и соответствующий член можно исключить из уравнения.
Получив уравнение регрессии, следует проверить его адекватность, т. е. способность достаточно хорошо описывать поверхность отклика. Эту проверку осуществляют с помощью критерия Фишера, который представляет собой следующее отношение:
, (3.8)
где sад — оценка дисперсии адекватности.
В числителе дроби (3.8) находится большая, а в знаменателе - меньшая из указанных оценок дисперсий.
Оценку дисперсии адекватности вычисляют по формуле
, (3.9)
где В - число коэффициентов регрессии искомого уравнения, включая и свободный член; уjэ, yj р- экспериментальное и расчетное значение функции отклика в j-м опыте; N - число опытов полного факторного эксперимента.
С оценкой дисперсии адекватности связано число степеней свободы:
fад=N-B. (3.10)
Уравнение регрессии считается адекватным, если выполняется условие:
FP≤F, (3.11)
где F —значение критерия Фишера.