Конспект (Лекции по технике эксперимента)
Описание файла
Файл "Конспект" внутри архива находится в папке "Лекции по технике эксперимента". Документ из архива "Лекции по технике эксперимента", который расположен в категории "". Всё это находится в предмете "техника эксперимента в электронике и наноэлектронике" из 6 семестр, которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "лекции и семинары", в предмете "техника эксперимента в электронике и наноэлектронике" в общих файлах.
Онлайн просмотр документа "Конспект"
Текст из документа "Конспект"
СОДЕРЖАНИЕ
-
Введение ……...…………………………………………………...……………………...4
-
Сложные системы ………………………………………………………………………..4
-
Принципы исследования процессов экспериментально-
статистическими методами…..………………….………………………………….…..6
-
Выявления наиболее существенных факторов для объекта исследования……….….15
-
Моделирование сложных процессов…………………………………………………....22
Классификация моделей………………………………………………………….…..22
Корреляционный анализ. Регрессионный анализ……………………………….….22
Исследование технологических процессов методами планирования………….….26
-
Оптимизация исследуемых процессов…………………………………………….….…39
-
Исследование процессов в производственных условиях…………………….……..….44
Рекомендуемая литература………………………………………………….…………….....50
1. ВВЕДЕНИЕ.
Научное исследование определяется как процесс выработки новых знаний, один из видов познавательной деятельности. Этот процесс имеет два уровня: эмпирический и теоретический.
Исследование, претендующее на соответствие научному, должно характеризоваться объективностью, воспроизводимостью, доказательностью, точностью.
При проведении научных исследований перед специалистом встает множество задач: поиск зависимостей между различными параметрами, моделирование разнообразных процессов, прогнозирование того или иного результата, систематизация данных, их классификация и кластеризация, оптимизация процессов.
Для решения перечисленных задач существует ряд наработанных методик, которые будут рассмотрены в рамках данного курса.
Основное внимание в рамках курса будет уделено эмпирическим исследованиям, поскольку с необходимостью постановки и проведения экспериментов специалист сталкивается как при проведении научных исследований, так и при практической реализации их результатов.
Сложность и дороговизна проведения эксперимента в области проектирования и технологии современной электроники требуют широкого практического применения методов моделирования процессов, статистических методов планирования эксперимента, методов оптимизации как самого процесса, так и параметров его продукта с применением современных вычислительных средств.
Задачей нашего курса является получение навыка разрешения задач, о которых было сказано выше. В частности, курс предусматривает освоение приемов планирования и обработки результатов экспериментов; изучение принципов математического моделирования процессов, оптимизации процессов и анализа работы устройств в период эксплуатации
2. СЛОЖНЫЕ СИСТЕМЫ.
Сложная система, в частности, сложный процесс, представляет собой составной объект. Его состояние описывается большим числом динамических переменных (рис. 1).
Примерами сложных систем являются современные электронные средства, междугородные телефонные сети, системы регистрации движения транспорта и т.п.
Большинство современных процессов характеризуется наличием значительного числа разнообразных по своей природе факторов; большим количеством внутренних связей между факторами и их сложным взаимным влиянием на процесс; развитием различных направлений процесса в ходе исследования; воздействием на процесс большого числа неконтролируемых и неуправляемых факторов, играющих роль возмущений.
Представим процесс в виде «черного ящика» (рис. 1). В этом случае состояние объекта характеризуется n-мерным вектoром Y, называемым выходом системы, или вектором отклика, а его составляющие —параметрами или функциями отклика.
Вектор отклика является функцией действующих на его входе параметров, участвующих в исследуемом процессе. Все многообразие входных параметров (оказывающих влияние на выходной параметр процесса) можно разбить на три основные группы.
Рис. 1. Схема сложного процесса.
Первая группа составляет k-мерный вектор Х управляемых параметров, т. е. таких, которые можно измерять и целенаправленно изменять, поддерживая при этом некоторый заданный режим исследуемого процесса. Вектор Х называют вектором факторов: его составляющие — факторами, а область их возможных значений в N опытах - факторным пространством.
Вторая группа образует v-мерный вектор W контролируемых, но неуправляемых параметров, характеризующихся состоянием исходных функций отклика на операциях, предшествующих исследуемому процессу (например, чистота исходного кремния, используемого в процессе изготовления микросхем). Они не поддаются целенаправленному изменению в исследуемом процессе.
Третья группа исходных параметров составляет l-мерный вектор Z неконтролируемых, а следовательно, и неуправляемых входных параметров. Сюда относятся параметры, оказывающие случайные возмущающие воздействия на процесс.
В сложных системах происходят стохастические процессы, параметры которых в отличие от параметров детерминированных процессов изменяются случайно, под влиянием неконтролируемых дестабилизирующих воздействий. Выходной параметр (функция отклика) связан с входным статистически, т.е. нельзя заранее с точностью, характерной для функциональной связи, предсказать значение выходного параметра, соответствующее определенному значению входного. В случае статистической связи выходного параметра Y с входным Х каждому Х соответствует не определенное значение У, а распределение значений У. Поэтому при экспериментальных исследованиях сложных систем используются методы теории вероятностей и математической статистики. Математическая статистика – это, по существу, хорошо логически обоснованная формализация эмпирических методов изучения сложных систем, применяемая тогда, когда исследователь сознательно хочет отказаться от детального изучения механизма всех явлений, протекающих в системе. Использование методов статистики позволит ответить на вопросы: как выбрать оптимальную стратегию эксперимента, как обрабатывать результаты наблюдений, как принимать обоснованные решения.
3. ИССЛЕДОВАНИЕ ПРОЦЕССОВ ЭКСПЕРИМЕНТАЛЬНО-СТАТИСТИЧЕСКИМИ МЕТОДАМИ.
ОСНОВНЫЕ ТЕРМИНЫ
Рассмотрим основные понятия, используемые в дальнейшем.
-
Случайная величина – величина, принимающая в результате испытания значение, которое принципиально нельзя предсказать исходя из условий опыта. В отличии от неслучайных величин может принимать различные значения даже при неизменном комплексе основных факторов.
-
Генеральная совокупность – все допустимые значения случайной величины.
-
Выборка из генеральной совокупности – ограниченное число значений случайной величины.
В прикладных задачах случайные величины определяют при помощи числовых характеристик, как то:
-
Математическое ожидание – среднее значение случайной величины Х, определяется для генеральной совокупности n дискретных случайных величин xi, принимающих то или иное значение с вероятностью рi следующим образом:
(1)
-
Дисперсия – математическое ожидание квадрата отклонения случайной величины от ее математического ожидания. Для генеральной совокупности дискретных случайных величин определяется по формуле:
(2)
По выборке же можно рассчитать выборочные статистические характеристики, которые являются оценками соответствующих генеральных параметров:
-
С реднее арифметическое для математического ожидания M[x], рассчитанное по выборке из n элементов, вычисляется следующим образом:
(3)
-
Выборочная дисперсия для дисперсии D[x]:
(4)
Уменьшение знаменателя в последней формуле на 1 связано с тем , что величина среднего арифметического, относительно которой берутся отклонения, сама зависит от элементов выборки. Каждая величина, зависящая от элементов выборки и входящая в формулу выборочной дисперсии, называется связью. Для получения несмещенной оценки дисперсии знаменатель выборочной дисперсии всегда должен быть равен разности между объемом выборки n и числом связей l, наложенных на эту выборку. Эта разность называется числом степеней свободы f выборки:
f = n – l (5)
-
Выборочное стандартное отклонение определяется следующим образом:
S = (S2 )1/2 (6)
Математическое ожидание и дисперсия генеральной совокупности оцениваются выборочными характеристиками тем точнее, чем больше объем выборки.
В соответствии с ГОСТ R ISO 5725-1-2002 точность результата измерений это степень его близости к некоторому опорному значению. Причинами расхождения (погрешности) могут быть следующие ошибки:
-
грубые – возникают вследствие нарушения основных условий измерения. Результат, содержащий грубую ошибку, резко отличается от остальных по величине;
-
систематические – постоянны по всей серии измерений или изменяются по определенному закону, они могут быть устранены введением соответствующих поправок в результаты измерений;
-
случайные - ошибки, вызванные факторами с переменным действием, эффект которых незначителен. Случайные ошибки, противоположные по знаку, но равные по величине, встречаются одинаково часто. Поскольку при отсутствии грубых и систематических ошибок M[X] = 0, то из симметрии относительно нуля распределения ошибок следует, что истинный результат наблюдения есть математическое ожидание соответствующей случайной величины:
M[X] = a. (7)
В соответствии с ГОСТ R ISO 5725-1-2002 при оценке точности используются специальные термины, часть которых представлена на рис. 1а.
Рис. 1а. Термины, используемые при оценке точности
МЕТОДОЛОГИЧЕСКИЕ КОНЦЕПЦИИ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ
Использование модели вместо закона
Понятие закона в научных исследованиях заменяется более широким понятием модели. Закон в науке имеет характер некоторой абсолютной категории на данном уровне знаний. Математическая модель же может лишь давать какое-то представление о поведении сложной системы. Одни и те же аспекты изучаемой системы можно описывать различными моделями, имеющими право на одновременное существование. В отличие от гипотез, среди которых рано или поздно удается выбрать одну, математические модели не всегда нужно считать конкурирующими друг с другом.
Гипотетическая природа статистических выводов
Математическая статистика не может предложить набор алгоритмов, которые выводили бы новые закономерности из результатов новых наблюдений. Сначала исследователь должен, опираясь на свои знания, выдвинуть несколько гипотез, а затем, используя статистические методы проверки, выбрать одну из них. В этом процессе всегда участвует исследователь, и его результатам нельзя приписывать слишком большую объективность – ведь если не будет выдвинута плодотворная гипотеза, то все ухищрения с использованием самых тонких статистических методов не смогут привести к интересным результатам. Причем, гипотеза всегда остается открытой для дальнейшей проверки – этим определяется прогресс в экспериментальных науках.
Концепция рандомизации
Как было показано на рис. 1, в сложных системах могут действовать систематически влияющие на выходной параметр факторы, которые не поддаются учету и контролю. Для того, чтобы учитывать такие факторы статистически, их необходимо превести в категорию случайных. С этой целью проводят рандомизацию, т.е. таким образом проводят эксперимент, чтобы появилась возможность создавать в нем случайную ситуацию.