p align="left">Простой и понятный интерфейс OS/2 является серьезным побудительным мотивом, в то время как NT привлекает за счет своей мощи. Но, в то же время следует признать, что наибольший комфорт пользователь ощущает в старой доброй Windows 3.1, а также при работе с Norton Commander. Процесс установки 32-разрядных операционных систем и их конфигурирование может оказаться процессом далеко не тривиальным. Подводя итоги, отметим, что Linux оказывается неожиданно мощной системой, которая разработана неорганизованной группой программистов-любителей. Идеи положенные в его основу проверены временем. Количество и качество свободно распространяемых приложений просто завораживает. И если накнец будет завершен проект Wine, позволяющий запускать Windows-приложения в среде X/Window, Linux получит дополнительный козырь в борьбе с коммерческими операционными системами. Возможности этой системы открывают все новые и новые пользователи. И с эволюционным развитием всех трех систем наблюдается устойчивый рост количества пользователей Linux. Компьютерное моделирование
Прежде чем приступить к компьютерному моделированию технологического процесса, необходимо знать простейшие математические уравнения для его проведения начнем с проверки воспроизводимости опыта. Проверим воспроизводимость опытовУбедиться в том, что опыты воспроизводимы, т. е. результаты опытов, проведенных в одинаковых условиях, близки друг к другу. Для этой цели проводят несколько серий параллельных опытов. Условия реализации опытов каждой серии -- одинаковы, а разных серий -- отличаются друг от друга. Однако все опыты проводятся в рассматриваемой области изменения влияющих факторов. Результаты этих опытов сводят в таблицу табл. 10. Количество опытов во всех сериях должно быть одинаковым. Для каждой серии параллельных опытов вычисляют среднее арифметическое значение функции отклика где-- номер серии;-- число параллельных опытов, проведенных при одинаковых условиях. Затем вычисляют для каждой серии параллельных опытов величину, называемую оценкой дисперсии: Среди всех оценок дисперсий находят наибольшую. Мы обозначим ее через аблица 10 Эксперимент для проверки воспроизводимости опытов |
Номер серии опытов | Результаты параллельных опытов | Средние значения | Оценки дисперсии | | | | |
Затем находят отношение наибольшей из оценок дисперсий к сумме всех оценок дисперсий: Таблица11 Критические значения критерия Кохрена |
Число серий опытов (число оценок дисперсий) | | | | 1 | 2 | 3 | 4 | | 2 | 0,999 | 0,975 | 0,939 | 0,906 | | 3 | 0,967 | 0,871 | 0,798 | 0,746 | | 4 | 0,907 | 0,768 | 0,684 | 0,629 | | 5 | 0,841 | 0,684 | 0,598 | 0,544 | | |
Величина Gp называется расчетным значением критерия Кохрена. Критические, т. е. предельно допустимые значения критерия Кохрена G, приведены в табл. 11. Для нахождения G необходимо знать общее число N оценок дисперсий и так называемое число степеней свободы , связанных с каждой из них, причем Опыты считаются воспроизводимыми, когда выполняется условие Если опыты невоспроизводимы, то можно попытаться достигнуть воспроизводимости путем выявления и устранения источников нестабильности эксперимента, а также за счет использования более точных измерительных приборов. Наконец, если никакими способами невозможно обеспечить воспроизводимость, то математические методы планирования к такому эксперименту применять нельзя. Если при проведении эксперимента опыты дублируют и пользуются средними значениями функции откликато при обработке экспериментальных данных следует использовать В тех случаях, когда из-за недостатка времени, большой трудоемкости или высокой стоимости эксперимента опыты не дублируют, при обработке экспериментальных данных используют Таким образом, вычисления, связанные с проверкой воспроизводимости опытов, достаточно просты. Для их проведения достаточно использовать микрокалькулятор. Полный факторный эксперимент Под математическим описанием технологического процесса обычно понимают систему уравнений, связывающих функции отклика с влияющими факторами. В простейшем случае это может быть одно уравнение. Часто математическое описание называют математической моделью. С помощью математических методов планирования эксперимента можно получить математическую модель технологического процесса даже при отсутствии сведений о механизме его протекания. Это в ряде случаев бывает очень полезно. Рис. 21 Введение кодированных переменных На основе планирования эксперимента возможно моделировать химический состав продукта, его выход, усвояемость и др. показатели качества продукта или правильным термином «факторы». Математические модели, получаемые с помощью методов планирования эксперимента, принято называть экспериментально-статистическими. Метод полного факторного эксперимента дает возможность получить математическое описание пищевого технологического процесса в некоторой области факторного пространства, лежащей в окрестности выбранной точки с координатами где - число факторов). Перенесем начало координат факторного пространства в данную точку рис. 21. С этой целью введем новые переменные величины где-- выбранный нами масштаб по оси Величины не имеют размерностей и называются кодированными переменными. С помощью полного факторного эксперимента ищут математическое описание технологического процесса в виде уравнения В него входит свободный членчлены в виде произведений коэффициентов регрессиинаи члены, содержащие парные произведения кодированных переменных. Таким образом, это -- неполное квадратное уравнение. Все факторы в ходе полного факторного эксперимента варьируют на двух уровнях, соответствующих значениям кодированных переменныхи . В табл. 13 приведены условия опытов полного двухфакторного эксперимента. Часть таблицы, обведенная штриховыми линиями, называется матрицей планирования. Таблица 13 Условия полного двухфакторного эксперимента |
Номер опыта | Факторы | Функция отклика | | | X1 | X2 | | | 1 | -1 | -1 | y1 | | 2 | +1 | -1 | y2 | | 3 | -1 | +1 | y3 | | 4 | +1 | +1 | y4 | | |
Матрица содержит полный набор всех возможных комбинаций уровней варьирования факторов. Отсюда полный факторный эксперимент получил свое название. Как следует из рис. 22, результаты опытов, приведенные в табл. 13, соответствуют на факторной плоскости вершинам квадрата с центром в начале координат. Рис. 22. Полной двухфакторной эксперимент на плоскости В табл. 14 приведены условия опытов полного трехфакторного эксперимента. Эти опыты соответствуют в факторном пространстве вершинам куба с центром в начале координат. Основные принципы построения матриц планирования полного факторного эксперимента: 1) уровни варьирования первого фактора чередуются от опыта к опыту; 2) частота смены уровней варьирования каждого последующего фактора вдвое меньше, чем у предыдущего. Таблица 13 Условия полного трехфакторного эксперимента |
Номер опыта | Факторы | Функция отклика | | | X1 | X2 | X3 | | | 1. | - 1 | - 1 | -1 | y1 | | 2. | + 1 | - 1 | - 1 | y2 | | 3. | - 1 | + 1 | - 1 | y3 | | 4. | + 1 | + 1 | - 1 | y4 | | 5. | - 1 | - 1 | + 1 | y5 | | 6. | + 1 | -1 | + 1 | y6 | | 7. | - 1 | + 1 | + 1 | y7 | | 8. | + 1 | + 1 | + 1 | y8 | | |
Общее число опытов полного факторного эксперимента: где n -- число факторов. На основании результатов полного факторного эксперимента вычисляют коэффициенты регрессии, пользуясь следующими формулами: 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: Следует отметить, что по результатам полного факторного эксперимента все коэффициенты определяются с одинаковой погрешностью. Принято считать, что коэффициент регрессии значим, если выполнено условие где-- значение критерия Стьюдента, взятое из табл. 15. Для пользования табл. 15 необходимо знать число степеней свободысвязанное с оценкой дисперсии Таблица 15 Значения критерия Стьюдента |
f | t | | 1 | 12,71 | | 2 | 4,30 | | 3 | 3,18 | | 4 | 2,78 | | 5 | 2,57 | | 6 | 2.45 | | 7 | 2,36 | | 8 | 2,31 | | 9 | 2,26 | | 10 | 2,23 | | |
Если проверка показала, что коэффициент регрессии незначим, то соответствующий член можно исключить из уравнения. Получив уравнение регрессии, следует проверить его адекватность, то есть способность достаточно хорошо описывать поверхность отклика и прогнозировать результаты опытов. Для проверки адекватности вычисляют оценку дисперсии адекватности по формуле Здесь -- число значимых коэффициентов регрессии;-- экспериментальное и расчетное значение функции отклика в опыте; -- число опытов полного факторного эксперимента. С оценкой дисперсии адекватности связано число степеней свободы
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11
|