Planificarea experimentelor

Culegerea în mod sistematic a informației experimentale,

pe baza unor programe de planificare statistică a
experimentelor poate oferi multiple avantaje:

• obținerea de maximum de informație privind procesul studiat cu un

efort experimental minim (respectiv cu un numar minim de
experimente);
• acoperirea cât mai bună a domeniului experimental investigat, în
spațiul variabilelor relevante pentru proces;
• elaborarea de formule de calcul simplificate pentru corelarea
(regresia) datelor cu ajutorul unor modele matematice (semi-)
empirice;
• interpretarea mai ușoară din punct de vedere statistic a calității
modelelor de corelație a datelor;
• interpretarea mai simplă și evidențierea mai rapidă, pe baza unor
proceduri statistice, a efectelor individuale sau cumulate datorate
variabilelor investigate, chiar în prezența unui număr foarte mare de
măsuratori;
• îmbunătățirea calității modelului de corelație cu un număr minim de
experimente;
• discernerea între modele de corelație rivale pe baza unui plan
experimental adecvat.
O practică veche în cercetarea sistematică a unui proces, mult răspândită
încă și astăzi, constă în variația succesivă a câte unei singure variabile
independente (xi), denumită și variabilă de intrare, condiție sau parametru
de proces. Etapele sunt:
Experimentele aleatoare sau nesistematice, pe lângă faptul
că necesită un număr mare de puncte de testare, suferă și
de alte dezavantaje care le fac difcil de aplicat și ineficiente
în achiziția de informație consistentă:

• schimbări în variabilele independente (factori) implică

și schimbări în variabilele dependente (observații);
totuși la variația lor simultană nu este întotdeauna
clară legătura dintre cele două tipuri de variabile;
• în elaborarea modelelor de corelație a variabilelor se
utilizează în mod frecvent ipoteza observațiilor
independente, ceea ce nu este întotdeauna valabil în
orice experiment;
• variația în tandem a două variabile de intrare (factori)
ale procesului face practic imposibilă separarea
efectelor lor asupra variabilelor de ieșire.
 Etapele aplicării unui program statistic de
planificare a experimentelor sunt următoarele:

1. formularea clară a obiectivului programului

experimental;
2. trierea variabilelor independente și stabilirea
celor ce prezintă cea mai mare influență asupra
răspunsului experienței; în termeni statistici
selectarea variabilelor se face în ordinea
descrescătoare a mărimii coeficienților relativi
de senzitivitate parametrică a variabilei
dependente;
3. stabilirea intervalului de variație pentru fiecare variabilă
independentă în parte (interval permis sau fezabil din
considerente fizice, biologice, tehnologice);
4. alegerea în aceste intervale a unor valori de referință,
importante pentru evaluarea variabilelor; uzual se
alege un nivel inferior și unul superior, precum și un
nivel central situat la jumătatea distanței dintre limitele
intervalului ales; nivelul central este considerat drept
‘origine’ pentru programul experimental; mulțimea
punctelor planificate a fi evaluate experimental în
spațiul variabilelor astfel definit poartă denumirea de
program experimental;
5. determinarea mărimii și structurii erorii experimentale,
pe baza unor experimente anterioare sau a unor
experimente replicate într-unul din puncte (de regulă
cel central), efectuate separat;
6. executarea experiențelor planificate în programul
experimental, într-o ordine întâmplătoare;
7. măsurarea răspunsului (variabila sau variabilele
dependente y) în fiecare punct experimental din
program;
8. analiza statistică a datelor astfel culese și elaborarea
unor modele matematice de corelație a variabilelor
independente cu cele dependente folosind și
constante (nemăsurabile) ale modelului sau
procesului (ca de exemplu, constante cinetice,
călduri specifice, coeficienți de transfer, constante
empirice, etc.);
9. interpretarea calității modelului statistic de corelație a
datelor precum și a sensului fizico-chimic / tehnologic
al rezultatelor (interacțiuni între variabile, valori
prezise de model).
 Planificarea statistică a experiențelor
urmărește în fapt efectuarea unui număr minim de
măsuratori pentru a obține suficientă informație
necesară unei estimări adecvate a parametrilor
unui model liniar (sau liniarizabil) propus.
Planificarea experimentelor este o etapă
strâns legată de cea a modelării procesului.
Amploarea programului experimental depinde în
mod esențial de gradul de detaliere urmărit pentru
model.
 Programele experimentale aleatoare conduse într-o
zonă fezabilă, cele aleatoare incomplete, pătratele Latine,
etc. studiază eroarea experimentală a observațiilor și
influența variabilelor principale.
În principiu, studiul tuturor variabilelor și
interacțiilor lor necesită un program factorial ce cuprinde
toate combinațiile posibile între nivelurile experimentale
ale variabilelor influențiale. Cum un astfel de program este
foarte laborios și greu de realizat, necesitând un efort
experimental foarte mare, se recurge la programe
factoriale restrânse (sau reduse).

abordarea clasică experiment pasiv

abordarea modernă experiment activ
 Programe experimentale pentru identificarea
modelelor empirice de corelație

Legătura dintre variabilele independente (notate cu

x1, x2 ,..., xv) și cele dependente (notate cu y1, y2,..., yr ) este
dată de modelul matematic al procesului.
Modelul matematic al unui proces (bio)chimic:
-forma implicită:
g( z, θ )  0   ; z  [ x, y ]  ˆz   ;   Ν  0    ;   Ν  0    
-forma explicită:
y  f ( x, θ )   ;   Ν  0    ; y [n, r]; x [n,v];  [p] ;  [r, r]

Unde: f = vectorul funcțiilor modelului matematic;

∑ = matricea de covarianță a erorii experimentale, ε
^ = valoarea prezisă de model
Strategia de programare statistică a experimentelor pornește de la
ipoteza unui model liniar al procesului, sau liniarizabil prin dezvoltare
Taylor în jurul punctului central experimental (de valoare în coordonate
reduse). În cazul unei singure observații și a k-factori (variabile
independente), acest model este de forma:
k k k
y   o    j x j   ij xi x j    jj x 2j  ...
j 1 i , j 1 j 1
i j
în care:
f 2 f 2 f
j  ij   jj  2
x j xi x j x j
x 0 x 0 x 0

Valorile estimate ale coeficienților modelului (sau parametrii) pe baza

regresiei liniare multiple, de forma: b j  ˆj   j
conduc la modelul estimat final:
k k k L
y  bo   b j x j   bij xi x j   b jj x  ...   b j x j 2
j
j 1 i , j 1 j 1 j 0
i j
 Dacă eroarea experimentala  (abaterea standard) este
constantă și aceeași pentru toate punctele experimentale, atunci
coeficienții modelului pot fi estimați aplicând un estimator de tipul celor
mai mici pătrate, în forma generală (pentru r-observații):

r n
1
ˆ  arg Min ( ) 
2 2
 ( y
i 1 u 1
ui  yˆ ui ) 2
 Programe factoriale întregi

Un program factorial interg (complet) include toate combinațiile

posibile ale tuturor factorilor influențiali (k) la toate nivelurile
experimentale considerate ca fiind relevante (N), adică în total:
 
n  N k , (numar de puncte experimentale).

Dacă se consideră de exemplu doar două niveluri fixate la care

se evaluează variabilele independente (valorile maxime și minime),
programul factorial este de tip 2k.

z1 ,..., zk variabile independete nescalate

x1 ,..., xk variabile independete nescalate
Nivelurile scalate ale variabilelor x1 ,..., xk , notate cu -1 (minim), 0
(medie), +1 (maxim) se obțin din valorile brute ale variabilelor
aplicând relațiile:

z j  z oj
xj  , j  1,...,k
z j

z max
j  z min
j
În care: z oj 
2
z max
j  z min
j
z j 
2
Exemplu:

Se urmărește determinarea unei corelații liniare de forma:

vr= k1 + k2·SO + k3·Eo + k4·T
 
Se cunosc intervalele de variație a variabilelor independente:
-Concentratie substrat SO = [1,3], g/L
-Concentratie enzima EO = [0.5,1], U/L
-Temperatura T = [50, 80], °C

 În termeni relativi aceste valori se noteaza cu: -1 valoarea

minimă, 0 valoarea medie, +1 valoarea maximă.
 
 Programul experimental care realizează toate combinațiile posibile între
valorime min/max ale variabilelor independentre, de fiecare dată măsurându-se
vr este programul factorial simplu 23.

Variabila (23)
0 1 2 3
Experiment
x0 x1 x2 x3
1 1 1 0.5 50
2 1 3 0.5 50
3 1 1 1 50
4 1 3 1 50
5 1 1 0.5 80
6 1 3 0.5 80
7 1 1 1 80
8 1 3 1 80
 Variabila (23)
0 1 2 3
Experiment
x0 x1 x2 x3
1 +1 -1 -1 -1
2 +1 +1 -1 -1
3 +1 -1 +1 -1
4 +1 +1 +1 -1
5 +1 -1 -1 +1
6 +1 +1 -1 +1
7 +1 -1 +1 +1
8 +1 +1 +1 +1

Deoarece modelul liniarizat al procesului conține și un termen liber bo, se

obișnuiește să se introducă și o variabilă independentă fictivă xo
• Un program factorial care include și valorile medii
(centrale) ale variabilelor (notate cu 0) se numește
program central.
• Este ușor de remarcat că un program factorial complet
devine foarte costisitor în practică cu cât numărul de
variabile independente k investigate crește. De exemplu,
dacă numărul de factori este k=10, atunci într-un
program factorial simplu sunt nevoie de 1024
experimente (plus replicatele in punctul central). De
aceea s-au dezvoltat programe experimentale factoriale
fracționate (reduse) Nk-p, cu avantajul de a necesita un
număr mai mic de experimente, dar cu dezavantajul
pierderii unei părți din informația experimentală.
• Au fost dezvoltate și programele factoriale compuse ce pot
pune în evidență efecte de ordin doi (interacțiuni între
variabile) prin completarea programelor factoriale simple sau
a celor fracționate cu încă câteva experimente alese
convenabil.

• Există și alte programe experimentale ce sunt planificate

aleator, sistematic sau secvențial în funcție de un anumit
obiectiv al experimentului. Dacă, de exemplu, se urmărește
numai corelarea variabilelor dependente cu cele
independente ale procesului atunci se pot folosi programe
aleatoare sau euristice ce acoperă cât mai bine domeniul
experimental în spațiul variabilelor. Dacă însă se urmărește
găsirea extremului observațiilor în raport cu variabilele de
intrare (condiții de operare proces), atunci se va recurge la
identificarea unui model polinomial de gradul doi determinat
pe baza unor experimente factoriale compuse, dezvoltate
succesiv pe axele de coordonate, de tip Simplex, evolutive,
etc.