Поиск значимых факторов целесообразно начать с линейных значений (столбцов табл. 5.9) по формулам (5.30), (5.31) и (5.32) в силу неодинакового количества плюсов и минусов в этих столбцах. Необходимо отметить, что при машинной обработке результат дадут все 42 фактора, а при ручной обработке нет необходимости тратить время и силы на обработку всех 42 факторов, а только на те, которые вызывают наибольшее подозрение. Простейшим приёмом выявления подозрительных факторов при упорядочении значений выходной величины
, как это сделано в табл. 5.9, является соотношение знаков xk в начале и конце каждого столбца.
Если первые 3-5 знаков в начале столбца одинаковы и при этом противоположны с последними также одинаковыми 3-5 знаками, то такой фактор следует просчитать на значимость, при нарушении любого из признаков фактором можно пренебречь. Это же правило относится и к расчёту значимости парных взаимодействий. Результаты выбора и расчётов для наглядности удобнее свести в специальную таблицу, как это сделано в табл. 5.10.
Таблица 5.10
Результаты расчётов на значимость линейных значений факторов табл. 5.9
|
Параметр |
x2 |
x12 |
x18 |
x24 |
x29 |
x31 |
x40 |
|
N1k |
10 |
17 |
16 |
16 |
16 |
15 |
14 |
|
m1k |
54,73 |
52,69 |
53,69 |
47,58 |
49,41 |
48,63 |
51,21 |
|
D1k |
35,78 |
74,38 |
37,66 |
57,78 |
38,57 |
79,62 |
92,14 |
|
N2k |
21 |
14 |
15 |
15 |
15 |
16 |
17 |
|
m2k |
48,69 |
48,14 |
47,39 |
53,70 |
51,75 |
52,33 |
50,16 |
|
D2k |
60,74 |
33,44 |
65,11 |
46,14 |
84,37 |
38,79 |
36,10 |
|
mk |
50,64 |
50,64 |
50,64 |
50,64 |
50,64 |
50,64 |
50,64 |
|
bk |
+3,02 |
+2,28 |
+3,15 |
-3,06 |
-1,17 |
-1,85 |
+0,53 |
|
Dk |
1,6176 |
1,6910 |
1,6736 |
1,6718 |
2,0088 |
1,9331 |
2,1768 |
|
tk |
2,359 |
1,7533 |
2,435 |
2,367 |
0,825 |
1,3306 |
0,3592 |
Так как tтабл(6%; n =29) = 2,046, то значимыми признаются факторы x2, x18 и x24.
Следующим этапом расчёта должен быть поиск значимых парных взаимодействий среди
факторов, однако практика расчётов показывает, что с этим торопиться не надо. Гораздо целесообразнее проверить, не получится ли адекватной модели из линейных членов, и только после отрицательного результата начать проверять на значимость парные взаимодействия (всегда большая работа!).
По найденным значимым факторам x2, x18 и x24 производим свёртку табл. 5.9, а величины средних арифметических и дисперсий новых строк вычислим по формулам (1.37) и (1.38).
Таблица 5.11
Свёртка данных табл. 5.9 и обработка результатов
|
j |
x2 |
x18 |
x24 |
Номера совпадающих строк табл. 5.9 |
mj |
||||
|
1 2 3 4 5 6 7 8 |
— — — + — + + + |
— — + — + + — + |
+ — + — — + + — |
1,2,6,7,8,11,23,24 3,12,27 4,9,10,15 5,13,28 14,17,19,21,22,31 16,25,26 18 20,29,30 |
48 18 24 18 36 18 6 18 |
44,81 49,83 46,12 50,17 55,00 55,33 52,30 59,50 |
72,02 54,89 23,85 51,76 31,72 20,36 39,90 26,73 |
41,41 47,53 47,71 53,57 53,83 53,75 47,45 59,87 |
554,88 95,22 60,67 208,08 49,28 44,94 141,14 2,46 |
|
S |
186 |
— |
— |
— |
1156,67 |
Для ориентации при дальнейших расчётах целесообразно определить однородность новых строчных выборок. Это можно сделать по критерию Бартлетта (5.33), так как объёмы выборок неодинаковы. Предварительно найдём средневзвешенную дисперсию строчных выборок
c np=178 числом степеней свободы. Тогда
Рис.5.5. Алгоритм нахождения математической модели по ММСБА.
Сравнение расчётного критерия Q с величиной
(табл. П.1) показывает, что среди строчных выборок табл.5.11 есть такая (такие), которая содержит неоднородные данные (скорее всего это строка j=1). Классические методы планирования эксперимента (например ПФЭ, ДФЭ) потребовали бы внимательного анализа выборки этой строки и устранения неоднородности, однако ММСБА позволяет работать с неоднородными данными, поэтому продолжаем.
С учётом результатов табл. 5.10 и принимая во внимание, что при ММСБА mk=b0 получим исходную модель
с nад=182 числом степеней свободы, а затем к сравнению её со средневзвешенной дисперсией строк табл. 5.11
по критерию Фишера
Таким образом, получена математическая модель толщины металлизации отверстий в печатных платах и доказана её адекватность исходным экспериментальным данным. Особенностью её является большая дисперсия строчных выборок, что и позволило не искать значимые парные взаимодействия (они не видны на фоне шума эксперимента). Однако, если бы модель оказалась неадекватной, поиск значимых парных взаимодействий (а, значит, и другую свёртку исходной табл.5.9) необходимо было бы произвести.
