Ортогональное планирование

Cтраница 2

Затем был применен метод ортогонального планирования для улучшения установленных оптимальных условий по выходу и себестоимости. [16]

Зависимость интен. [17]

Отметим, что попытки применить ортогональное планирование эксперимента к задаче оптимизации условий спектрального анализа не приводят к адекватному линейному уравнению регрессии даже при сравнительно узких интервалах варьирования этих факторов. [18]

Отсюда видно: если проводится ортогональное планирование первого порядка, то коэффициенты регрессии легко вычисляются с помощью матричного уравнения. [19]

Для целей управления наиболее подходит ортогональное планирование второго порядка. Обычно эксперимент состоит из двух этапов. Сначала с помощью факторного эксперимента отыскивается область, где существует экстремальная точка. Затем в районе существования экстремальной точки проводится эксперимент для получения уравнения регрессии 2-го порядка. [20]

В табл. П-8 приведена матрица ортогонального планирования для 3 переменных. [21]

Таким образом, применение метода ортогонального планирования экспериментов ( расчетов) значительно упростило задачу определения зависимостей различных параметров технологического процесса от режимных параметров и позволило сравнительно просто выдать рекомендации для решения некоторых вопросов управления производством. [22]

Таким образом, найденные при ортогональном планировании испытаний оценки коэффициентов регрессии между собой независимы, имеют минимальные дисперсии и при этом дисперсии коэффициентов равны друг другу. Как видно из выражений ( 1 - 23) - ( 1 - 29), статистический анализ результатов испытаний затруднений не вызывает. [23]

Таким образом, найденные при ортогональном планировании испытаний оценки коэффициентов регрессии между собой независимы, имеют минимальные дисперсии и при этом дисперсии коэффициентов равны друг другу. Как видно из выражений (10.36) - (10.42), статистический анализ результатов испытаний затруднений не вызывает. [24]

Как видим, информационная матрица ХтХцля ортогонального планирования второго порядка не является диагональной, что затрудняет вычисление коэффициентов регрессии. [25]

Из вышеизложенного видно, что при квадратичном ортогональном планировании факторы изменяются фактически на пяти уровнях вместо двух при ПФЭ, что очень важно для описания нелинейной зависимости выходного параметра от влияющих факторов. [26]

В табл. 1 - 3 приведена матрица ортогонального планирования для трех переменных. [27]

Для математического описания области наилучшего протекания процесса использовано ортогональное планирование второго порядка; при этом в качестве ядра планирования был использован факторный план первой серии опытов ( табл. 2 опыты 1 - 16), дополненный звездными точками ( табл. 2 опыты 17 - 24) с величиной звездного плеча. [28]

Итак, рассмотрены примеры применения регрессионного анализа для неортогонального и ортогонального планирования. Хочется подчеркнуть одну важную особенность ортогонального планирования, кроме очевидного значительного упрощения расчетов. [29]

В табл. 5.25, 5.26 и 5.27 приведены матрицы центрального композиционного ортогонального планирования ( МЦКОП) для задач соответственно с двумя, тремя и четырьмя факторами. [30]

Страницы: 1 2 3 4