Planowanie eksperymentu (optymalizacja procesów chemicznych)

Transkrypt

1 Planowanie eksperymentu (optymalizacja procesów chemicznych) dr inż. Agnieszka Gadomska-Gajadhur Lab. Pawilon, nr tel

2 Plan wykładu Dlaczego planujemy eksperymenty? Podstawowe pojęcia z matematyki niezbędne w planowaniu Statystyka i jej narzędzia Modele liniowe i nieliniowe Czarna skrzynka Równania regresji Optymalizacja (metoda simpleksów, plany czynnikowe) Ocena otrzymanego modelu

3 Etapy planowania (złe) To chyba źle pomyślane? 3

4 Etapy planowanie (dobrze) Czy teraz lepiej? 4

5 A może teraz jeszcze lepiej? 5

6 Zalety planowania ) Mała liczba doświadczeń ) Uniwersalność planu eksperymentu 3) Ekonomia czasu i nakładów 4) Jednoczesna zmiana parametrów procesu 5) Ułatwiona analiza statystyczna wyników 6) Optymalność planu 6

7 Wektor Wektor Wektor Wektor Transponowanie wektora Przykład liczbowy: Podstawowe pojęcia: a T = a T = x= x= a a a a a i n i=,,, n a a i a i=,,, n a a a i n i=,,, n a a i a n. 5 a T = x= x T = a a a a i n i=,,, n n a a i a i=,,, n i=,,, n x T = 5 n 3, 4 6, 5. x T = 5 3, 4 6, 5. 3, 4 6,

8 8 Macierz A n j m i A A A A A A A A A mn mj m in ij i n j,,,,,, Wymiar macierzy: mn X= 3,4 3,3 3, 3,,4,3,,,4,3,,

9 Transponowanie macierzy A T ik = A ki A A i A m A T = A j A ij A mj A n A in A mn X T =,,,3,4,,,3,4 3, 3, 3,3 3,4 9

10 ziałania elementarne rachunku macierzowego dodawanie, odejmowanie i mnożenie macierzy przez stałą) Działania elementarne rachunku macierzowego (dodawanie, odejmowanie i mnożenie macierzy przez stałą) AB=C, AB=C, C C ik ik A A ik ik B ik B ik A=B, B ik =A ik A=B, B ik =A ik

11 macierzy B, a więc dla macierzy A o rozmiarze mt i macierzy B o rozmiarze tm. Iloczyn dwóch macierzy Iloczyn dwóch macierzy Mnożenie dwóch macierzy AB jest możliwe tylko wtedy, gdy liczba kolumn macierzy A jest równa liczbie wierszy macierzy B, a więc dla macierzy A o rozmiarze mt i macierzy B o rozmiarze tm. Mnożenie dwóch macierzy AB jest możliwe tylko wtedy, gdy liczba kolumn macierzy A jest równa liczbie wierszy macierzy B, a więc dla macierzy A o rozmiarze mt i macierzy B o rozmiarze tm. W wyniku mnożenia AB otrzymuje się macierz o rozmiarze mm. W wyniku mnożenia AB otrzymuje się macierz o rozmiarze mm. W wyniku mnożenia BA otrzymuje się macierz o rozmiarze tt. W wyniku mnożenia BA otrzymuje się macierz o rozmiarze tt. AB=C AB=C C C ik t ABBA ik j t ABBA j A A ij ij B B jk jk UWAGA: Mnożenie macierzy nie jest przemienne!!!

12 A B = C t j B j * 3 4* 4 9 j C A t j A j * 4 3* 5 5* 5 45 j C B Ogólnie: Mnożenie macierzy A mn przez macierz B nk jest możliwe (istnieje iloczyn AB), ale mnożenie BA jest niemożliwe.

13 Macierz kwadratowa, diagonalna i jednostkowa Macierz o rozmiarze mm określa się jako macierz kwadratową. Elementy A ii są elementami diagonalnymi i leżą na głównej przekątni macierzy kwadratowej A. Jeżeli elementy A ij = (ij), to macierz kwadratowa A jest macierzą diagonalną. Jeżeli elementy diagonalne macierzy diagonalnej o wymiarze nn są równe, to jest to macierz jednostkowa E n. 3 A= 7 E 4 = 3

14 4 Macierz odwrotna Macierzą odwrotną A - macierzy kwadratowej A nazywa się macierz spełniającą warunek A - A=E A= A - = A - A=

15 Rachunek macierzowy a MS Excel Rachunek macierzowy w Excelu 5

16 Statystyka 6

17 Ocena populacji Statystyka Populacja Populacja i próbka Próbka Prognoza próbki Rachunek prawdopodobieństwa Prognoza próbki: Rzut kostką sześcienną Losowanie totolotka Ocena populacji: Określenie zawartości składnika Badanie opinii publicznej 7

18 Przypadek żart Przypadek 8

19 9

20 Miara położenia średnia arytmetyczna: mediana: n - nieparzyste n - parzyste x m x ( n )/ średnia geometryczna: x x m x n i x n x n/ ( n)/ i x x x n geom x n średnia harmoniczna: x H n n i x i

21 Miara rozproszenia rozstęp: R = x max x min wariancja: s n i ( x i n x) odchylenie standardowe: s s współczynnik zmienności: g s x odchylenie od średniej: n i x x i n x

22 Rozkład normalny Rozkład normalny o µ= i σ= nazywa się standaryzowanym rozkładem normalnym N(,). Posiada następujące cechy: - całkowite pole pod krzywą wynosi, - krzywa rozkładu gęstości jest symetryczna względem wartości średniej, - zakres wartości x należy do R, Dowolny rozkład normalny wartości x o średniej µ i odchyleniu standardowym σ można przekształcić w rozkład standaryzowany wg wzoru: Z x

23 Funkcja gęstości prawdopodobieństwa rozkład Gaussa f x ( x) e 3

24 Przedział ufności Przedział ufności - metoda przedziałowa otrzymanie serii n wyników doświadczalnych, obliczenie wartości średniej i wariancji, skonstruowanie przedziału wokół oceny punktowej (zgodnie z założeniem że wewnątrz tego przedziału znajduje się odpowiedni parametr populacji). P( x x x ) 4

25 Przedział ufności Granice przedziału ufności wyznacza się zależnie od: ) odchylenia standardowego średniej arytmetycznej ) poziomu ufności związanego z serią wyników Poziom ufności danego przedziału ufności wyraża przekonanie eksperymentatora, że przedział ufności zawiera oszacowany parametr populacji. Poziom ufności wyraża się jako prawdopodobieństwo (-α) lub (-α)*% 5

26 Hipoteza 6

27 Testowanie hipotez statystycznych Hipoteza prosta (dotyczy jednego parametru) np. H: Θ=/ Hipoteza złożona (dotyczy wielu parametrów) np. K: Θ / Hipoteza parametryczna dotyczy parametru np. µ, σ Hipoteza nieparametryczna dotyczy rozkładów np. rozkład N(,) Test statystyczny umożliwia na podstawie próbki losowej, odrzucenie lub przyjęcie hipotezy. 7

28 Pojęcie błędu w testowaniu hipotez Błąd pierwszego rodzaju: Odrzucenie hipotezy, gdy jest prawdziwa Błąd drugiego rodzaju: Przyjęcie hipotezy, gdy jest fałszywa 8

29 Poziom istotności σ Hipoteza jest prawdziwa brak podstaw do odrzucenia hipotezy 9

30 Test t Studenta ) Porównanie średniej arytmetycznej z wartością oczekiwaną H : x, H : x t obl x s t kryt ( ; n ) t obl t kryt lub t obl t kryt ) Porównanie dwóch średnich arytmetycznych 3

31 Test F ) Porównanie dwóch wariancji H :, H : F obl s s, s s F kryt ( ; n ; n ); F obl F kryt lub F obl F kryt ) Analiza wariancji 3

32 Optymalizacja procesów chemicznych krok po kroku 3

33 Krok po kroku 33

34 Zalew danych 34

35 . Cele eksperymentu: Selekcja zmiennych wybór zmiennych, które wpływają na proces, Identyfikacja modelu otrzymanie matematycznego modelu procesu, Optymalizacja procesu określenie optymalnych warunków prowadzenia procesu. 35

36 . Warunki eksperymentu 36

37 Zasady planowania eksperymentu: Zasady planowania eksperymentu. Stałość warunków eksperymentu w czasie (surowce, aparatura, metodyka badań, eksperymentator). Minimalizacja zakłóceń, przypadkowych błędów. 3. Możliwość stopniowego tworzenia modelu (odpowiedni dobór obszaru eksperymentu) 4. Dobór kroku zmiennej 5. Kodowanie zmiennych 6. Wybór odpowiedniego planu 37

38 3. Kryterium Co chcemy uzyskać? Jaki wynik uznajemy za zadowalający? Konkretna wartość zmiennej, minimalizacja, maksymalizacja? 38

39 4. Czarna skrzynka 39

40 Model obiektu (procesu) Czarna skrzynka x, x,, x n - zmienne sterowane i kontrolowane, u, u,, u k - zmienne kontrolowane, t, t,, t m - zmienne niekontrolowane i niesterowane. Model procesu: y = f(x,x,,x ) + ε n 4

41 Zmienne wejściowe zmienne niezależne, od których zależy wynik procesu. Można je podzielić na: mierzalne, sterowalne i zakłócenia. Rozróżnia się zmienne ciągłe i dyskretne. Zmienne mierzalne, sterowalne (procesowe) zmienne, których wartości ustala eksperymentator. Wybrana część z nich będzie zmieniała się zgodnie z planem eksperymentu, pozostałe ustalane są na stałym poziomie. Zmienne mierzalne, niesterowalne zmienne, która można zmierzyć, ale ich wartości nie zależą od eksperymentatora. Zmienne niemierzalne, niesterowalne (zakłócenia) zmienne, których nie można zmierzyć, a ich wartości nie zależą od decyzji eksperymentatora. Zmienne wyjściowe wyniki, zmienne zależne. Wynik doświadczenia określany jest jako odpowiedz (reakcja) badanego układu na zmianę wartości zmiennych wejściowych. 4

42 Przykład: Zmienne wejściowe Zmienne wyjściowe Zmieniane: z, temperatura syntezy z, ilość toluenu do syntezy z 3, ilość katalizatora Ustalone: patrz tab.. a) SYNTEZA HYDROLIZA KRYSTALIZACJA y, absorbancja UV y 3, czas wydzielania HCl Ustalone: patrz tabela. a) FILTRACJA PRZEMYCIE SUSZENIE y, wydajność procesu y 4, zawartość KB w KDBW 4

43 5. Obszar eksperymentu Określenie obszaru eksperymentu Ustalenie górnych wartości granicznych zmiennych Ustalenie dolnych wartości granicznych zmiennych Ustalenie zakresu optymalizowanych zmiennych 43

44 Zmienne naturalne i kodowane Zmienne naturalne: poziom dolny i górny zmiennych niezależnych: ) Wartość centralna (środek planu): min z i i maks z i, np. z maks =3, z min =, z =(3+)/=,5 z i z maks i z min i ) Krok: np. z=(3 )/=,5 z i z maks i z min i 3) Zmienne kodowane: zi z x i i zi np. z=3, x=(3,5)/,5=, z=,5, x=(,5,5)/,5= 44

45 Określenie siły oddziaływania zmiennej na proces 45

46 6. Wybór metody optymalizacji Ilość optymalizowanych zmiennych (mało lub wiele), Rząd równania opisującego proces (równanie liniowe, kwadratowe, logarytmiczne, wykładnicze), 46

47 Losowy wybór punktów 47

48 48

49 Losowy wybór punktów: Najprostsza z metod polegająca na intuicyjnym/losowym doborze wartości poszczególnych zmiennych, a następnie wyznaczeniu równania regresji. Zalety: prostota metody, brak konieczności znajomości metod planowania, Wady: wykonanie wielu przypadkowo rozmieszczonych doświadczeń, uzyskane wyniki są trudne do interpretacji, otrzymanie optymalnych wyników jest przypadkowe i nie zawsze możliwe. 49

50 Badanie po jednej zmiennej 5

51 5

52 Badanie po jednej zmiennej Metoda polega na zmianie tylko jednej zmiennej niezależnej (pozostałe zmienne mają stałą wartość). Zalety: prostota metody, brak znajomości metod planowania Wady: duża ilość doświadczeń, nie można wykryć efekty współdziałania zmiennych, ustalenie optymalnego wyniku jest trudne a czasem niemożliwe. 5

53 Plany czynnikowe 53

54 54

55 Plany czynnikowe typu k W planach czynnikowych liczba doświadczeń wzrasta wykładniczo podczas gdy liczba zmiennych rośnie liniowo. Wyznaczone na podstawie planu czynnikowego równanie liniowe cechuje: Współczynniki równania regresji są niezależne, Wariancje współczynników są jednakowe i mniejsze, niż te otrzymywane na podstawie innych planów, 55

56 56

57 57

58 58

59 Simpleks 59

60 6

61 Simpleks Simpleks jest często stosowaną metodą wśród chemików, jednakże nie prowadzi do matematycznego opisu procesu. Polega na wykonaniu pewnej liczby doświadczeń reprezentowanych przez punkty rozmieszczone w przestrzeni w taki sposób, że tworzą one wielościan wypukły. Aby dokładnie określić położenie optimum należy po zakończeniu procedury simpleksowej, zrealizować w obszarze maksimum plan czynnikowy. 6

62 Modyfikacja Neldera-Meada 6

63 63

64 Modyfikacja Neldera-Meada Pozwala na zmienianie objętości simpleksu poprzez:. ekspansja, czyli zwiększanie simpleksu poruszającego się w pożądanym kierunku,. kontrakcji, czyli zmniejszenia simpleksu poruszającego się w niepożądanym kierunku, 3. skurczenia simpleksu, czyli dopasowania do relacji miedzy wynikami zrealizowanych doświadczeń. Zakończenie poszukiwania optimum:. gdy wyniki dla wierzchołków kolejnego simpleksu praktycznie nie różnią się między sobą,. gdy wierzchołki simpleksów są bardzo bliskie sobie, tak że dalszy ruch jest niemożliwy, 3. decyzja eksperymentatora. 64