Применение способов пассивного опыта может быть полностью удачным, если соблюдаются некие условия при проведении опыта и при обсчете приобретенных данных. К таким условиям относятся:

· правильное определение точек съема данных и учет погрешностей конфигурации по каждой контролируемой переменной;

· верный учет динамики объекта;

· обеспечение независимости входных переменных друг от друга;

· обеспечение независимости примыкающих измерений средством учета времени корреляции каждой входной переменной;

· обеспечение достаточного объема экспериментальных данных.

Целенаправлено строить исследования сложного технологического объекта по последующим главным шагам.

· Ознакомление с технологией и аппаратурным оформлением производственного процесса, исследование текущей технической документации и результатов проведенных ранее тестов. На базе приобретенных данных оцениваются числовые свойства случайных переменных, автокорреляционные и обоюдные корреляционные функции, строятся двухмерные поля корреляции и т.д.; на базе этого оцениваются сведения организации основного опыта. По виду законов рассредотачивания строится предположение о нужном способе обработки данных и статистической оценки приобретенных результатов. По автокорреляционным и обоюдным корреляционным функциям оцениваются времена корреляции и времена эквивалентного запаздывания. По двумерным полям корреляции и двумерным линиям регрессии оценивается нрав многомерной связи на линейность.

· Планирование и проведение основного опыта, сбор и обработка основного массива экспериментально-статистических данных с целью получения математического описания. На этом шаге уточняются точка съема данных, врубаются в рассмотрение новые переменные, выбирается центр основного опыта, определяется интервал времени для обеспечения независимости примыкающих измерений, оценивается нужное время опыта и объем статистических данных.

· Анализ и интерполяция приобретенной математической модели. Тут выявляются значительные переменные, отсеиваются несущественные переменные, оценивается работоспособность математической модели.

· Улучшение математического описания с целью увеличения его работоспособности.

· Внедрение улучшенной и работоспособной математической модели для конкретного управления процессом.

Условия правильной организации пассивного опыта во времени последующие:

· одновременные замеры всех намеченных переменных производятся во всех намеченных точках объекта;

· поочередные измерения должны осуществляться строго через равные промежутки времени.

Зависимо от решаемых экспериментальным методом задач употребляются разные приемы организации опыта и способы обработки данных. В связи с этим способы планирования опыта можно условно выделить некоторое количество видов.

Отсеивающий опыт употребляется на стадии подготовительных исследовательских работ для выявления существенных причин, т.е. для определения, какие из огромного количества входных причин влияют на выходной параметр, а какие нет. Несущественные причины при последующих исследовательских работах могут быть исключены из рассмотрения. Для такового опыта не предъявляются требования к точности приобретенных результатов, но зато предъявляются требования высочайшей разрешающей возможности, т.е. проводится проверка на воздействие как можно большего числа причин.

Дисперсионный анализ – это математический способ, созданный для исследования объектов с факторами высококачественного типа. Он позволяет разложить общую дисперсию выходной величины на отдельные составляющие, обусловленные воздействием отдельных причин. При дисперсионном анализе решаются вопросы о воздействии определенных причин на интересующий нас показатель и какова сила воздействия этого причин.

Факторный анализ (определяет главные составляющие) относится к способам пассивного опыта. Сущность способа заключается в переходе от места коррелированных входных причин к месту независящих переменных, именуемых главными компонентами.

Исследование механизма явлений. Употребляется анализ для определения зависимости выходных характеристик объекта исследования от входных причин. Выделяют последующие группы планов регерессионного анализа: простая модель в виде полинома первой степени – линейной модель, планы второго порядка; планы третьего порядка и остальные планы не полиномиальных моделей, к примеру, в виде ряда Фурье, также ортогональные полиномы.

Корреляционный анализ используют, если один из причин высококачественный, а другие количественные.

Дискриминантный анализ используют для разделения (систематизации) выходного параметра на классы; употребляют в теории определения образов. Решение задачки дискриминантного анализа связано с ситуациями, когда выходной параметр имеет высококачественный нрав.

Поиск хороших критерий имеет основной целью отыскать условие, т.е. значения входных причин, при которых выходной параметр объекта воспринимает экстремальные значения. Экстремальные планы делятся на одномерные и многомерные, градиентные и не градиентные.

Адаптивная оптимизация (эволюционное планирование) употребляется в тех случаях, когда под воздействием процессов старения, конфигурации параметров сырья, дрейфа и других неконтролируемых обстоятельств оптимум в области управляющих причин может сдвигаться. Поиск оптимума часто усложняется недопустимостью варьирования причин в широких границах из-за угрозы раскачивания процесса и риска получения бракованной продукции. Как следует, необходимо получить информацию о дрейфе оптимума при слабеньких отклонениях процесса, т.е. нужно адаптироваться к изменению критерий, выделяя слабенький нужный сигнал на фоне помех.

Планы промышленных тестов учитывают специфику производства, где нужно проводить опыт и обеспечивать при всем этом выпуск готовой продукции, что накладывает определенные ограничения на степень варьирования уровней причин. При всем этом нужный сигнал мал, а уровень помех по сопоставлению с лабораторным тестом большой.

Планы для диаграмм «состав - свойство» употребляются, к примеру, в химии при исследовании сплавов.

Зависимо от инфы об объекте исследования способы планирования опыта делят на две огромные группы:

· способы, основанные на исследовании механизма рассеяния выходного параметра (дисперсионный анализ, способ основных компонент, дискриминантный анализ);

· способы, основанные на рациональном использовании места входных причин (планирование экстремальных и отсеивающих тестов, планирование опыта при исследовании механизма явления, адаптивная оптимизация).

Под функцией воздействия предполагается зависимость погрешности средства измерения от наружных воздействий. В этом случае входными параметрами прибора являются причины (х), выходным параметром - (у), фактором случайности (с) является совокупа не учитываемых наружных воздействий.

На языке планирования опыта эта задачка, является задачей исследования механизма явления и может быть сформулирована последующим образом. Объект исследования характеризуется несколькими входными факторами (х), фактом случайности (с) и выходным параметром (у). Требуется экспериментальным методом найти зависимость выходного параметра от входных причин, т.е. отыскать вид функции отклика: . Если ставится более обычная задачка, к примеру, экспериментальным методом выявить, какие наружные причины оказывают влияние на погрешность прибора, то эта задачка относится уже к отсеивающему тесту.

Разглядим пример опции электрического прибора. Как понятно, аналоговые милливольтметры содержат в себе масштабный преобразователь, усилитель переменного напряжения, сенсор и индикатор магнитоэлектрической системы. Для того, чтоб погрешность прибора меньше зависела от конфигурации частоты измеряемого напряжения, масштабный преобразователь нужно согласовать на каждом пределе с усилителем. В процессе проектирования паразитные емкости и индуктивности точно учитывать нереально, потому после производства прибор настраивают персонально, подстраивая резисторы и емкости.

На языке планирования опыта объектом исследования является милливольтметр, выходным параметром – погрешность прибора, зависящая от частоты входного сигнала. Входными факторами являются элементы, при помощи которых будет выполняться минимизация погрешности. Это есть задачка оптимизации.

Принципы, положенные в базу теории планирования опыта. Ориентированы на увеличение эффективности проводимых работ, т.е. на получение нужной инфы при минимуме опытов.

Отказ от полного перебора вероятных входных состояний.

Для получения исчерпающей инфы о свойствах выходного параметра (функции отклика) нужно проведение нескончаемого числа опытов во всех точках области планирования опыта. Обозначенную разновидность опыта можно именовать тестом с полным перебором всех входных состояний. Этот вариант является гипотетичным, потому что для однофакторного опыта еще можно представить седее опыт, близкий к полному перебору всех вероятных вариантов состояний объекта, то для многофакторного опыта – это не реально. Потому сознательно отрешаются от полного перебора всех входных состояний. Выбор числа уровней варьирования по каждому фактору конкретно связан с выбором вида функции отклика.

Принцип постепенного усложнения математической модели (принцип поочередного планирования).

При отсутствии априорной инфы о свойствах функции отклика нет смысла сходу строить сложную модель объекта. Получение таковой модели просит огромного числа опытов, потому рекомендуется начинать с простого, к примеру, с линейной модели, если нет никакой инфы об объекте, либо с квадратичной, если ожидается, что функция отклика должна быть нелинейной.

Принцип сравнения с шумом.

К примеру, для однофакторной модели полностью достаточной для пророчества функции отклика возможно окажется простая линейная модель. При значимой случайной помехе не имеет смысла использовать сложную модель. При малых уровнях шумов, напротив, более четкой будет являться непростая модель. Потому что многие реальные объекты характеризуются высочайшим уровнем шумов, более всераспространены полиномиальные регрессионные модели первой и 2-ой степени. С повышением числа причин, соответственно, степень аппроксимирующего полинома миниатюризируется.

Принцип рандомизации (приведения к случайности).

Этот принцип состоит в таковой организации опыта, которая позволяет сделать случайным систематически действующие переменные, не поддающиеся контролю, для того, чтоб можно было рассматривать их как случайные величины и, как следует, учесть статистически. Для реализации данного принципа предусматривается случайный порядок реализации опытов.

Последовательность проведения опыта.

Последовательность опыта может быть 2-ух главных типов. В первом случае поначалу задаются граничные значения независящей переменной, а потом поочередно перебегают от одной экспериментальной точки к другой, пока не будет достигнуто граничное значение. Таковой план именуется поочередным. Во 2-м – тип значения независящей переменной чередуются случайным образом. Таковой план именуется случайным либо рандомизированным. Главные аргументы в пользу рандомизированных планов базируется на том, что в процессе проведения опыта могут изменяться наружные контролируемые условия и работоспособность оператора, а на величину независящей переменной могут оказывать влияние маленькие необнаруженные неисправности.

Если при построении плана не накладываются никакие ограничения на рандомизацию, то планы подобного типа именуют стопроцентно рандомизированными. В ряде всевозможных случаев воплощение полной рандомизации возможно окажется неосуществимым. Тогда рандомизацию проводят с ограничением по блокам.