Дробные реплики

Число опытов в полном факторном эксперименте быстро возрастает с ростом числа факторов. Так, при трех факторах имеем 2³=8 опытов, при пяти факторах – 2⁵=32 опыта, а при 8 факторах уже 2⁸=256 опытов. Это вызывает необходимость разработки методов отбора части переменных, наиболее существенно влияющих на параметр оптимизации. Поэтому, хотя полный факторный план 2^К является удобным с точки зрения простоты проведения анализа параметров функции регрессии, тем не менее, ПФЭ обладает большой избыточностью опытов. При трех и более факторах количество опытов можно существенно сократить за счет потери части информации, не очень существенной при построении линейных моделей. Для этого вместо плана 2^К следует использовать дробный факторный план 2^К-Р (2^К-Р≥К+1), который предназначен для реализации 2^К-Р опытов [3, 4].

5.2. Минимизация числа опытов

Для построения дробных планов (реплик) используют матрицы полного факторного эксперимента. Дробные планы создают делением числа опытов полного факторного эксперимента на число, кратное двум. Так получают ½ реплики (полуреплику), ¼ реплики (четвертьреплику) и т.д.

Линейная функция регрессии, зависящая от трех факторов, выглядит так:

(1)

Для оценки четырех коэффициентов , , , требуется провести четыре опыта, а проведение полного факторного эксперимента, состоящего из восьми опытов, позволяет оценить не только общее среднее и главные эффекты , , , но также и всевозможные взаимодействия (первого и второго порядков), т.е. все параметры неполной кубической модели, содержащей восемь коэффициентов:

(2)

Восемь опытов, поставленных для оценки коэффициентов линейной модели (1), будут содержать в два раза больше информации, чем требуется.

Для оценки параметров функции регрессии (1) можно построить план, предназначенный для проведения не восьми, а четырех опытов. Для этой цели факторы х₁ и х₂ следует варьировать, как в плане 2², а в качестве уровня фактора х₃ нужно выбрать значение взаимодействия, т.е. х₃= х₁х₂. Получим план, определяемый матрицей, приведенной в табл.1.

Таблица 1

5.3. Выбор полуреплик. Генерирующие соотношения и определяющие контрасты

Выводы

Дробные реплики находят широкое применение при получении линейных моделей. Целесообразность их применения возрастает с ростом количества факторов. Так, при исследовании влияния трех факторов можно сократить в два раза число опытов, применяя реплику дробности (четыре опыта вместо восьми). Эффективность применения дробных реплик зависит от удачного выбора системы смешивания линейных эффектов с эффектами взаимодействия, а также от умелой стратегии экспериментирования в случае значимости некоторых взаимодействий. Априорные сведения о взаимодействиях могут оказать большую услугу экспериментатору.

При построении дробных реплик используют следующее правило: для того, чтобы сократить число опытов, вводя в планирование новый фактор, нужно поместить этот фактор в вектор-столбец матрицы, принадлежащий взаимодействию, которым можно пренебречь.

Реплики, которые используются для сокращения опытов в 2^m раз, где m=1, 2, 3, 4, ..., называются регулярными. Они пользуются большой популярностью, так как позволяют производить расчет коэффициентов уравнения так же просто, как и в случае полного факторного эксперимента.

При применении дробных реплик линейные эффекты смешиваются с эффектами взаимодействий. Чтобы определить систему смешивания, необходимо знать определяющие контрасты и генерирующие соотношения. Определяющим контрастом называется символическое обозначение произведения любых столбцов, равных ±1.

Чтобы определить, какие взаимодействия смешаны с данным линейным эффектом, нужно умножить определяющий контраст на этот линейный эффект и получить генерирующие соотношения. Например, если имеются следующие генерирующие соотношения: х₁=х₂х₃, х₂=х₁х₃, х₃=х₁х₂, то определяющий контраст будет 1= х₁х₂х₃.

Эффективность реплики зависит от системы смешивания. Реплики, у которых линейные эффекты смешаны с взаимодействиями наивысшего порядка, являются наиболее эффективными, так как обладают наибольшей разрешающей способностью. Для освобождения линейных эффектов от взаимодействий первого порядка можно использовать метод «перевала». Смысл метода в добавлении новой реплики, все знаки которой противоположны исходной реплике. С ростом числа факторов быстро увеличивается число реплик различной дробности. Эти реплики характеризуются обобщающими определяющими контрастами, которые получаются перемножением по два, по три и т.д. исходных определяющих контрастов.

КОНТРОЛЬНЫЕ ВОПРОСЫ:

1. Для чего необходимо использование дробных реплик?

2. Как выполняется минимизация числа опытов?

3. Дайте определение генерирующим соотношениям и определяющим контрастам.