Оптимизация процесса получения наплавного валика

Исходные данные:а) Контролируемый параметр: глубина проплавленияb) Входные параметры для моделирования процесса:Параметр процессаНоминальноезначениеИнтервалварьированияДиаметр электрода dэ, мм3,0 1,0 Скорость подачи электрода vэ, м/ч70,0 10,0 Скорость наплавки vн, м/ч36,0 8,0 Рабочее напряжение Uр, В17,0 4,0 Относительное смещение электрода s00,30 0,20 3 Задание:a) Описать процесс получения наплавного валика.b) Определить параметры, влияющие на контролируемый параметр.c) Выполнить обработку результатов эксперимента по ПФЭ и ОКЦП;проверить однородность дисперсии опытов по критерию Кохрена (α = 5 %);определить коэффициенты модели;проверить значимость коэффициентов модели (α = 5 %);проверить адекватность полученной модели (α = 5 %).3.4 Построить зависимости контролируемого параметра от параметров процесса в интервале варьирования.Дата выдачи задания29 июня 2021 гСрок сдачи курсовой работы10 ноября 2021 гПодпись руководителяДьяков С.Н.Подпись студентаТиткин К.А.Содержание TOC \o "1-3" \h \z \u Введение PAGEREF _Toc81739204 \h 41 Описание процесса получения наплавного валика PAGEREF _Toc81739205 \h 62 Параметры влияющие на контролируемый параметр PAGEREF _Toc81739206 \h 143 Проведение и обработка результатов полного факторного эксперимента (ПФЭ) PAGEREF _Toc81739207 \h 153.1 Расчеты PAGEREF _Toc81739208 \h 163.1.1 Проверка однородности дисперсий PAGEREF _Toc81739209 \h 193.1.2 Определение коэффициентов модели PAGEREF _Toc81739210 \h 203.1.3 Проверка значимости коэффициентов модели PAGEREF _Toc81739211 \h 203.1.4 Проверка адекватности полученной модели PAGEREF _Toc81739212 \h 214 Применение ортогонального центрального композиционного планирования (ОЦКП) PAGEREF _Toc81739213 \h 244.1 Расчеты PAGEREF _Toc81739214 \h 254.1.1 Проверка однородности дисперсий PAGEREF _Toc81739215 \h 254.1.2 Определение коэффициентов модели PAGEREF _Toc81739229 \h 284.1.3 Проверка значимости коэффициентов модели PAGEREF _Toc81739233 \h 294.1.4 Проверка адекватности полученной модели PAGEREF _Toc81739245 \h 315 Построение зависимостей контролируемого параметра от параметров процесса PAGEREF _Toc81739247 \h 326 Выводы PAGEREF _Toc81739248 \h 34Заключение PAGEREF _Toc81739249 \h 35Используемая литература PAGEREF _Toc81739250 \h 36ВведениеЛюбой процесс, любое предприятие и любая организация преодолевают различные этапы в ходе работы, конечным результатом которой, так или иначе, является направленность на достижение главной цели. В своем стремлении добиться своих основных приоритетных установок, которые изначально были прерогативой работы всего комплекса (производства, коммерции, образования, логистики и т. д.), управленцы ищут наиболее перспективные и приоритетные варианты осуществления поставленных перед ними задач. Существующая система управления рано или поздно теряет свой квалификационный уровень на фоне новых разработок, новых внедрений, инновационных изменений в развитии той или иной отрасли. Именно поэтому руководители предприятий и организаций прекрасно понимают всю важность и значимость необходимости идти в ногу со временем и не отставать от специфики постоянно трансформирующегося и совершенствующегося процесса развития конкретного сегмента деятельности. Будь то коммерция, производство, промышленность, образование, логистика – в любом случае рано или поздно необходимо прибегать к организационной или технологической оптимизации процессов управления на том или ином предприятии. Понятие Оптимизация любого процесса – это совокупность действенных методов и способов улучшения протекания этого самого процесса в целях получения более быстрого, более оптимального и более качественного результата. То есть оптимизация – это понятие, означающее повышение эффективности, синоним слова «улучшение». Чтобы смысл данного определения стал понятнее, необходимо проследить особенности оптимизации на конкретном примере. Допустим, сотрудницы отдела швейной фабрики работают на своем участке вдвоем, выходя на смену шесть дней в неделю и работая по девять часов. Производительность их труда заметно снижается ближе к вечеру и работоспособность становится менее продуктивной ближе к концу недели, когда физические возможности работниц иссякают. Соответственно, снижается объем проделанной ими работы, ухудшается качество ее выполнения, вследствие чего падает спрос на произведенную продукцию, а за ним – и общий уровень дохода швейной фабрики. Мыслящий рационально управленец, который стоит в непосредственном руководстве над этими сотрудницами, заметив подобную негативную тенденцию, должен сразу принять меры по оптимизации производственного процесса. Для этого ему необходимо составить план по улучшению эффективности работы на данном участке производства и обязательно учесть все нюансы, сопутствующие процессу. 1 Описание процесса получения наплавного валикаРациональные размеры валика в значительной степени определяют производительность процесса наплавки. От размеров валика зависят также чистота наплавленной поверхности и величина припуска на последующую механическую обработку. Кроме этого, при наплавке легированных и высоколегированных сталей на среднеуглеродистую конструкционную сталь от размеров валика зависят структура, механические свойства наплавленного слоя и механические свойства наплавленной детали.Теория тепловых процессов при сварке в настоящее время не позволяет с необходимой точностью рассчитать размеры и форму и наплавленного валика в зависимости от ряда основных технологических факторов процесса.Эмпирическим путем исследовано влияние отдельных параметров дуговой сварки на размеры и форму шва. Установлено, что на размеры шва основное влияние оказывают следующие факторы процесса: сварочный ток, род и полярность тока, диаметр электрода, напряжение на электродах и скорость сварки. Размеры шва зависят также от ряда дополнительных факторов: начальной температуры основного металла, вылета электрода, положения электрода в пространстве и положения изделия при сварке. Предложены некоторые приближенные зависимости ширины шва - b, высоты валика - a, глубины проплавления - h и коэффициента формы проплавления от основных параметров сварки. Эти зависимости имеют вид:Где Iсв – сварочный ток; dэ – диаметр электрода; υэ – скорость подачи электрода; υн – скорость наплавки; Uр – рабочее напряжение на электродах.Для расчета поставлена задача получить математические модели для расчета ожидаемых размеров и формы валика в зависимости от принятого режима ожидаемых размеров и формы валика в зависимости от принятого режима вибродуговой наплавки. Переменными факторами являются dэ – диаметр элетрода; υэ – скорость подачи электрода; υн – скорость наплавки; Uр – рабочее напряжение; s0 = H/R относительное смещение электрода от зенита, где Н – смещение электрода в стороны наплавки от вертикальной оси поперечного сечения в сторону наплавки от вертикальной оси поперечного сечения наплавляемого вала; R – радиус вала (рисунок 1).Рисунок 1 – Основные размеры валика и схема размещения электродаВ данном курсовом проекте нас будет интересовать глубина проплавления h. Зависимости геометрических параметров валика от основных факторов процесса можно представить в общей форме выражениями [2]: Предположим, что зависимость для h можно аппроксимировать уравнением регрессии степенного вида:После логарифмизации уравнение (103) линеаризуется: Возможность аппроксимации зависимостей (100), (101) и (102) уравнениями вида (103) устанавливаются проверкой гипотезы адекватности линейной модели при выражении результатов эксперимента полиномом: где y – это lgb, lga или lgh; x1, x2, …., x5 – кодированные значения факторов.Кодированные значения факторов определяли по выражению:20955003937000Где xi – кодированное значение i-го фактора; – натуральное значение i-го фактора; – натуральное значение верхнего уровня i-го фактора; – натуральное значение нижнего уровня i-го фактора. По полученной матрице поставлен эксперимент, заключающийся в вибродуговой наплавке валиков электродом из стали 19Х18Н9Т на образцы диаметром 110 мм из стали 45. Наплавка в углеродистом газе осуществлялась с помощью головки ВГ-8М-УПИ и выпрямителя ВС-600. Условия выполнения каждого из 16 предусмотренных планов опытов определялись матрицей планирования, представленной в таблице 2. Из наплавленных образцов приготовляли макрошлифы, на которых с помощью микроскопа УИМ-21 измеряли a, b, h, площадь проплавления Fп и площадь Fн наплавки. Результаты измерений a, b, h приведены в таблице 3.После математической обработки экспериментальных данных были получены уравнения регрессии для yb, ya и yh. Таблица 1 - Матрица планирования и результаты опытов.Статистическая проверка коэффициентов показала, что при 5 %-ном уровне значимости коэффициенты при парных взаимодействиях незначимы. Линейная часть полинома yb = 0,898625 + 0,81325x1 + 0,0271625x2 – 0,0566125x3 + 0,0091625x4 = 0,0128375x5 адекватна при 5 %-ном уровне значимости. Следовательно, зависимость ширины валика от исследуемых факторов с достаточной точностью можно аппроксимировать уравнением степенного вида. В результате перехода от кодированных значений факторов к натуральным получили:15621001079500Обработка результатов при равномерном дублировании опытов. Для каждой строки матрицы планирования по результатам n параллельных опытов находятся yiср – среднее арифметическое значение параметра оптимизации:Где u – номер параллельного опыта; yju – значение параметра оптимизации в u-м параллельном опыте j-й строки матрицы.С целью оценки отклонений параметра оптимизации от его среднего значения для каждой строки матрицы планирования вычисляют дисперсию sj2 опыта по данным n параллельных опытов. Статической дисперсией называют среднее значение квадрата отклонений случайной величины от ее среднего значения:Ошибка sj опыта определяется как корень квадратный из дисперсии опыта:Ошибка опыта при большом рассеянии будет значительной. Рассеяние результатов эксперимента определяется влиянием неуправляемых факторов, погрешностями измерений и другими причинами. Большое рассеяние изучаемой величины может произойти из-за наличия в эксперименте опытов, давших сомнительные результаты. Для проверки сомнительных, т.е. резко выделяющихся результатов, используют специальные критерии; одним из таких является отношение U (ГОСТ 11.002-73). Чтобы оценить принадлежность резко выделяющихся результатов yjmax или yjmin к данной нормальной совокупности и принять решение об исключении или оставлении их в составе выборки, находят отношение:Где yjmax – наибольшее значение параметра оптимизации среди его значений, полученных в n параллельных опытах j-й строки матрицы планирования; yjmin – наименьшее значение параметра оптимизации среди его значений, полученных в n параллельных опытах j-й строки матрицы планирования. Результаты сравнивают с величиной β, взятой из таблицы 1 ГОСТ 11.002-73 (таблица 2) для числа n параллельных опытов и принятого уровня значимости. В нашем случае это значение будет равно 2,11.Таблица 2 – Предельные значения β в ГОСТ 11.002–73.Далее необходимо проверить на однородность ряды дисперсий. По критерию Кохрена считают величину Gp, которое не должно превышать табличное значение критерия Gt:Gp=smax2j=1Nsj2;Если однородность дисперсии по критерию Кохрена выполняется, то можно рассчитать коэффициент воспроизводимости эксперимента Sy2.где N – число опытов или число строкматрицы планирования.Следующий этап подразумевает расчет коэффициентов функции отклилка по формулам:b0=1Nj=1Nyj,bi=1Nj=1Nyjxij,bil=1Nj=1Nyjxijxlj.Далее проверяют их значимость одним из двух способов.Первый – сравнением абсолютной величины коэффициента с доверительным интервалом. Второй – с помощью t-критерия Стьюдента.При первом способе для определения доверительного интервала вычисляют дисперсии коэффициентов регргессии:Доверительный интервал находят по формуле:где tT – табличное значение критерия (определяем по таблице 2.1) при принятом уровне значимости и числе степенй свободы f, с которым определялась дисперсия Sy2; при равномерном дублировании опытов f = (n – 1)N. Коэффициент значим, если его абсолютная величина больше доверительного интервала.Таблица 2.1 – Значения t при 5 %-ном уровне значимостиРассмотрим второй способ. С помощью критерия Стьюдента находим tp и сравниваем с табличным:Если tP > tT, то коэффициент значим для принятого уровня значимости и числа степенй свободы, с которым определялась дисперсия Sy2.После расчета коэффициентов модели и проверки их значимости определяют дисперсию адекватности Sад2:где yj – среднее значение параметра оптимизации в j-ом опыте;yj – значение параметра оптимизации, вычисленное по модели для условий j-го опыта;f – число степеней свободы;k – число факторов.Вычисляем:Если Fp < FT, то модель считают адекватной.Для перехода от кодированных значений факторов к натуральным будем пользваться следующим соотношением (в соответствии с выражением 97 из [2]):x1=x-x0Δ,где х – обозначение воздействующего фактора;x0– натуральное значение воздействущего фактора на основном уровне;Δ – значение интервала варьирования.2 Параметры влияющие на контролируемый параметрТаблица 3 – параметры, влияющие на процесс наплавкиПараметр процессаНоминальноезначениеИнтервалварьированияДиаметр электрода dэ, мм3,0 1,0 Скорость подачи электрода vэ, м/ч70,0 10,0 Скорость наплавки vн, м/ч36,0 8,0 Рабочее напряжение Uр, В17,0 4,0 Относительное смещение электрода s00,30 0,20 Произведем расчет данных:Диаметр электрода dэ, мм: Значение «-1» dэ(min) = 2,0; «1» dэ(max) = 4,0;Скорость подачи электрода vэ, м/ч: Значение «-1» vэ (min) = 60; «1» vэ(max) = 80;Скорость наплавки vн, м/ч: Значение «-1» vн (min) = 28; «1» vн (max) = 44;Рабочее напряжение Uр, В: Значение «-1» Uр(min) = 13,0; «1» Uр(max) = 21,0;Относительное смещение электрода s0: Значение «-1» s0 (min) = 0,10; «1» s0 (max) = 0,50.3 Проведение и обработка результатов полного факторного эксперимента (ПФЭ)Для расчета полного факторного эксперимента (ПФЭ), необходимо определить нормированные значения.По описанным выше значениям «+», «-», составим таблицу, показывающую более наглядно отклонения от нормальных значений.Таблица 3.1 - Описание параметров с отклонениями.Параметр процессаОбозначение коэффициентаНоминальное значениеЗначение «1»Значение «-1»Диаметр электрода dэ, ммb13,0 4,02,0Скорость подачи электрода vэ, м/чb270,0 8060Скорость наплавки vн, м/чb336,0 4428Рабочее напряжение Uр, Вb417,0 21,013,0Относительное смещение электрода s0b50,30 0,500,10В данном вычислении количество факторов, влияющих на величину «глубина проплавления» равно 5, значит количество экспериментов будет 25 = 32.Запишем уравнение регрессии для 5 переменных:y = b0 + b1x1 + b2x2 + b3x3 + b4x4 + b5x5 + b12x1x2 + b13x1x2 + b14x1x4 + b15x1x5 + b23x2x3 + b24x2x4 + b25x2x5 + b34x3x4 + b35x3x5 + b45x4x5. 3.1 РасчетыПроведем исследование результатов опыта. Матрица исходных параметров представлена в таблице 4. Матрица плана эксперимента – в таблице 4.1. Для компенсации случайных погрешностей каждый опыт проведен 9 раз (n = 9). Другими словами, имеет место равномерное дублирование опытов.Таблица 4 – Матрица исходных параметровНомер опыта, jНормированные значения факторовdЭUpvЭvНs01-1-1-1-1-12-1-1-1-113-1-1-11-14-1-1-1115-1-11-1-16-1-11-117-1-111-18-1-11119-11-1-1-110-11-1-1111-11-11-112-11-11113-111-1-114-111-1115-1111-116-11111171-1-1-1-1181-1-1-11191-1-11-1201-1-111211-11-1-1221-11-11231-111-1241-11112511-1-1-12611-1-112711-11-12811-11129111-1-130111-11311111-13211111Далее по полученной матрице можно составить матрицу независимых переменных, заменив обозначения входных параметров на xi, и добавив x0.Таблица 4.1 – Матрица плана эксперимента в нормированных значенияхx0x1x2x3x4x5x12x13x14x15x23x24x25x34x35x451-1-1-1-1-111111111111-1-1-1-11111-111-11-1-11-1-1-11-111-111-11-11-11-1-1-11111-1-11-1-1-1-111-1-11-1-11-111-111-1-111-1-11-111-11-1-11-1-11-11-1-111-11-1-11-1-111-1-11-1-11111-1-1-1-1-1-11111-11-1-1-1-1111-1-1-11111-11-1-11-111-1-1-111-1-11-11-11-1-11-11-11-1-11-11-11-111-11-1-1-111-1-111-111-1-1-1-1111-1-1-1-111-111-11-1-11-11-11-11-11-1111-1-1-1-1111-11-1-11-11111-1-1-1-111111111-1-1-1-1-1-1-1-111111111-1-1-11-1-1-1111-11-1-111-1-11-1-1-11-11-11-11-111-1-111-1-1111-1-1-1-1111-11-1-1-11-1-1-111-1-1111-11-11-11-11-11-1-11-111-111-1-111-1-1-111-1-111-1111-1111-1-1-1111111-1-1-11-1-1-1-1-1-1111111-1-111-1-11-1-111-1-1111-11-11-11-1-11-1-11-1111-1111-111-111-1-111111-1-111-1-11-1-1-1-111111-1111-111-11-11-111111-1111-111-11-1-11111111111111111Результаты N параллельных опытов представлены в таблице 4.1.1.Таблица 4.1.1 - Результаты экспериментаНомер опытаРезультаты измерений параметра1114,797114,792114,806114,765114,782114,401114,264115,331114,8722114,427114,422114,436114,394114,411114,032113,895114,960114,5033140,489140,484140,498140,465140,482140,068139,890141,089140,4984140,127140,122140,137140,102140,119139,707139,529140,727140,1375162,714162,709162,724162,669162,686162,250162,068163,362162,7816162,498162,493162,508162,452162,469162,035161,853163,145162,5667196,727196,722196,736196,689196,706196,238196,014197,441196,7278196,519196,514196,528196,480196,497196,031195,807197,232196,5209140,438140,433140,448140,404140,421139,967139,834141,043140,58010139,932139,927139,942139,897139,914139,462139,329140,537140,07511169,650169,645169,660169,623169,640169,155168,980170,322169,72612169,152169,147169,162169,125169,141168,658168,483169,823169,22913199,236199,231199,246199,188199,205198,697198,518199,955199,36914198,884198,879198,893198,835198,852198,346198,167199,602199,01715236,768236,763236,778236,728236,745236,205235,984237,553236,83416236,424236,419236,434236,382236,399235,861235,641237,208236,49117116,671116,666116,681116,636116,653116,271116,134117,209116,75018116,263116,258116,272116,227116,244115,864115,727116,800116,34319142,651142,646142,661142,623142,640142,227142,048143,256142,66420142,251142,246142,261142,222142,239141,827141,649142,854142,26421165,133165,128165,142165,084165,101164,665164,483165,784165,20322164,878164,873164,888164,829164,845164,411164,229165,529164,94923199,433199,428199,443199,392199,408198,941198,717200,151199,43724199,187199,182199,196199,144199,161198,695198,471199,903199,19125142,420142,415142,430142,383143,399141,946141,813143,030142,56526141,876141,871141,886141,837141,854141,403141,269142,485142,02227171,921171,916171,930171,890171,907171,421171,246172,596171,99928171,384171,379171,394171,353171,370170,886170,711172,059171,46429201,762201,757201,772201,711201,728201,220201,041202,485201,89830201,372201,367201,381201,319201,336200,830200,651202,093201,50831239,583239,578239,592239,538239,555239,015238,795240,372239,65232239,200239,195239,210239,155239,172238,634238,413239,988239,270Обработку результатов эксперимента проведем в программе Microsoft Excel.Результаты обработки представлены во вспомогательной таблице 5.3.1.1 Проверка однородности дисперсийТаблица 5 – Результаты вычислений и проверки коэффициентов.yjsj2sjUmaxUminUmax<βUmin<βGpGt (для N=30, n-1=8)114,75670,0898000,2996661,916581,64405ОКОК0,052520,1114,38670,0894660,2991081,916811,64378ОКОК  140,44030,1094420,3308211,960781,66354ОКОК  140,07860,1092250,3304911,962061,66284ОКОК  162,66260,1295150,3598821,943541,65208ОКОК  162,44660,1291110,3593211,943791,65188ОКОК  196,66670,1533140,3915541,977591,66686ОКОК  196,45870,1528510,3909621,978031,66683ОКОК  140,39640,1198590,3462071,867541,62459ОКОК  139,89060,1196500,3459041,868851,62344ОКОК  169,60010,1412300,3758061,920911,65008ОКОК  169,10220,1408050,3752401,920841,65020ОКОК  199,18280,1648240,4059851,902091,63744ОКОК  198,83060,1643210,4053661,903081,63693ОКОК  236,70640,1900450,4359411,941901,65721ОКОК  236,36210,1896560,4354951,942361,65584ОКОК  116,63010,0913350,3022171,915471,64157ОКОК  116,22200,0909870,3016411,916181,64102ОКОК  142,60180,1111000,3333171,962761,66141ОКОК  142,20140,1106210,3325971,962001,66100ОКОК  165,08030,1310990,3620761,943421,64975ОКОК  164,82570,1308870,3617831,944071,64924ОКОК  199,37220,1549310,3936121,978541,66464ОКОК  199,12560,1545060,3930721,977871,66523ОКОК  142,48900,2379170,4877671,865641,38591ОКОК  141,83370,1212970,3482771,870161,62131ОКОК  171,86960,1430970,3782821,920381,64839ОКОК  171,33330,1426420,3776801,921381,64778ОКОК  201,70820,1665850,4081491,903171,63475ОКОК  201,31740,1661710,4076411,902551,63488ОКОК  239,52000,1922560,4384691,943121,65348ОКОК  239,13740,1916610,4377911,942841,65477ОКОК   Σ5473,23574,530206       max 0,237917        β = 2,11 для уровня значимости 5 % и числа параллельных опытов n = 9.В итоге получаем Gp < Gt. Следовательно, дисперсии опытов однородны, что позволяет сделать вывод о том, что измеряемая величина y подчинена нормальному закону распределения.Тогда, коэффициент воспроизводимости эксперимента:Sy2=1Nj=1NSj2=0,141573.1.2 Определение коэффициентов моделиПриступаем к расчету коэффициентов функции отклика, данные сводим в таблицу 5.1.Таблица 5.1 – Коэффициенты функции откликаКоэффициентЗначениеКоэффициентЗначениеb0171,039b140,069b11,166b15-0,013b216,416b232,717b328,924b240,876b415,872b25-0,037b5-0,192b342,084b120,030b350,042b130,133b450,0053.1.3 Проверка значимости коэффициентов моделиПроверим значимость полученных коэффициентов:S2bi=1nNSy2=0,000492;Sbi=0,02217tT = 1,9693 (для числа степеней свободы f = 256, и уровня значимости 5 %).∆bi=±tTSbi=0,04366Для второго способа проверки для каждого коэффициента вычисляемИ сравниваем с табличным значением tT = 1,9693.Результаты занесем в таблицу 6.Таблица 6 – Результаты проверки значимости коэффициентов моделиКоэффициентЗначениеПроверка 1 способПроверка 2 способtpb0171,039ЗНАЧИМЗНАЧИМ7714,476225b11,166ЗНАЧИМЗНАЧИМ52,57385641b216,416ЗНАЧИМЗНАЧИМ740,4395887b328,924ЗНАЧИМЗНАЧИМ1304,583649b415,872ЗНАЧИМЗНАЧИМ715,9047361b5-0,192ЗНАЧИМЗНАЧИМ8,641275891b120,030НЕ ЗНАЧИМНЕ ЗНАЧИМ1,374253692b130,133ЗНАЧИМЗНАЧИМ5,977964406b140,069ЗНАЧИМЗНАЧИМ3,090387247b15-0,013НЕ ЗНАЧИМНЕ ЗНАЧИМ0,589950274b232,717ЗНАЧИМЗНАЧИМ122,5262666b240,876ЗНАЧИМЗНАЧИМ39,533246b25-0,037НЕ ЗНАЧИМНЕ ЗНАЧИМ1,690919329b342,084ЗНАЧИМЗНАЧИМ93,97467794b350,042НЕ ЗНАЧИМНЕ ЗНАЧИМ1,889187724b450,005НЕ ЗНАЧИМНЕ ЗНАЧИМ0,246974139Записываем уравнение модели контролируемого параметра:y = 171,039+1,166x1+16,416x2+28,924x3+15,872x4-0,192x5+0,133x13+0,069x14+2,717x23+0,876x24+2,084x34.3.1.4 Проверка адекватности полученной моделиДисперсия адекватности составит:SАД2=nl=1Nyl-yl2N-k+1=0,04966Критерий Фишера составит:FP=SАД2Sy2=0,049660,14157=0,35081Сравниваем с табличным (по таблице 12 [2]) Ft=1,7:FP tг, то коэффициент значим.Результаты занесем в таблицу 11.Таблица 11 – Результаты проверки значимости коэффициентовКоэффициентЗначениеПроверка 1 способПроверка 2 способtpb0171,03495ЗНАЧИМЗНАЧИМ2396,94573b11,16214ЗНАЧИМЗНАЧИМ14,29027b216,41293ЗНАЧИМЗНАЧИМ201,82144b328,92759ЗНАЧИМЗНАЧИМ355,70788b415,87591ЗНАЧИМЗНАЧИМ195,21799b5-0,18810ЗНАЧИМЗНАЧИМ2,31296b120,02700НЕ ЗНАЧИМНЕ ЗНАЧИМ0,29128b130,13601НЕ ЗНАЧИМНЕ ЗНАЧИМ1,46735b140,07197НЕ ЗНАЧИМНЕ ЗНАЧИМ0,77646b15-0,00964НЕ ЗНАЧИМНЕ ЗНАЧИМ0,10399b232,72001ЗНАЧИМЗНАЧИМ29,34422b240,87994ЗНАЧИМЗНАЧИМ9,49307b25-0,03400НЕ ЗНАЧИМНЕ ЗНАЧИМ0,36680b342,08007ЗНАЧИМЗНАЧИМ22,44033b350,03846НЕ ЗНАЧИМНЕ ЗНАЧИМ0,41490b450,00200НЕ ЗНАЧИМНЕ ЗНАЧИМ0,02158b110,0000024НЕ ЗНАЧИМНЕ ЗНАЧИМ0,00002b220,00023НЕ ЗНАЧИМНЕ ЗНАЧИМ0,00210b330,00046НЕ ЗНАЧИМНЕ ЗНАЧИМ0,00422b440,00011НЕ ЗНАЧИМНЕ ЗНАЧИМ0,00104b550,00000НЕ ЗНАЧИМНЕ ЗНАЧИМ0,00002y = 171,035+1,162x1+16,413x2+28,928x3+15,876x4-0,188x5+2,720x23+0,880x24+2,080x34.Величина b0 скорректированного коэффициента регрессии:b0 = 171,035-2,4‧10-6‧0,77-2,298‧10-4‧0,77-4,62‧10-4‧0,77-1,137‧10-4‧0,77-2,4‧10-6‧0,77 = 171,034Тогда, искомая модель примет вид:y = 171,034+1,162x1+16,413x2+28,928x3+15,876x4-0,188x5+2,720x23+0,880x24+2,080x34.4.1.4 Проверка адекватности полученной моделиДисперсия адекватности составит:SАД2=nl=1Nyl-yl2N-k+1=0,18611Критерий Фишера составит:FP=SАД2Sy2=0,186110,13747=1,35382Сравниваем с табличным (по таблице 12 [2]) Ft=1,57:FP