1) Классический подход с поочередным варьированием факторов многофакторного эксперимента:
Преимущества:
– Сравнительная простота проведения экспериментов, поскольку переменные изменяются последовательно и независимо друг от друга.
– В ряде случаев наглядность и большая фундаментальность представления экспериментальных данных в виде набора поверхностей отклика.
– Возможность более детального изучения воздействия каждого фактора и их комбинаций на результат, например, нахождения скрытых локальных максимумов, разрывов и изломов функции отклика.
Недостатки:
– Требуется большое количество времени и материальных затрат на проведение всех комбинаций экспериментов, количество которых растёт экспоненциально с ростом количества факторов и их уровней (например, при двух факторах и 10 уровнях количество экспериментов для получения полной достоверной картины составит 100).
– Ограниченная возможность выявления взаимодействия между факторами, так как нахождение достоверной аппроксимации функции отклика может быть математически сложным, а геометрическое представление – не всегда наглядным.
– В случае малого количества проведённых экспериментов результаты нахождения функции отклика могут быть недостоверными.
2) Применение методов математической статистики при планировании эксперимента подразумевает использование одного из специальных методов, например, полнофакторного эксперимента, при котором изучаются только все возможные комбинации максимальных и минимальных значений факторов и построение на их основе соответствующей математической модели (уравнения регрессии).
Преимущества:
– Многократное сокращение количества экспериментов, эффективное использование ресурсов и времени благодаря статистическому планированию эксперимента. Например, в полнофакторном анализе количество уровней фактора сокращается до двух, а количество экспериментов – до 2 в степени (кол-во факторов).
– Возможность сравнительно простого и статистически достоверного изучения взаимодействия различных факторов в пределах выбранных интервалов варьирования.
Недостатки:
– Полученная математическая модель (уравнение регрессии) может быть недостоверны при наличии изломов, разрывов и локальных максимумов функции отклика.
– Условия проведения эксперимента, могут радикально меняться в крайних или промежуточных точках интервалов варьирования вследствие взаимодействия факторов (например, фазовый и химический состав смеси при изменении температурных и концентрационных факторов).
– В случае неправильного выбора интервалов варьирования могут быть получены недостоверные данные, что потребует повторения эксперимента.