MTM642 Eksperimentu plānošana un analīze

Kods MTM642
Nosaukums Eksperimentu plānošana un analīze
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Doktora, Akadēmiskais
Tematiskā joma Matemātika un statistika
Struktūrvienība Būvniecības un mašīnzinību fakultāte
Mācībspēks Jānis Auziņš, Aleksandrs Januševskis
Kredītpunkti 10.0 (15.0 ECTS)
Daļas 1
Anotācija Šis ir padziļināts kurss eksperimentu plānošanā un iegūto rezultātu analīzē. Tas ir paredzēts zinātniekiem no dažādām tehnikas jomām. Kursā aplūkoti eksperimenti, kas notiek gan rūpnieciskā vidē gan zinātniskajās laboratorijās. .
Būtiska šī kursa atšķirība no klasiskiem eksperimentu plānošanas un analīzes kursiem ir tā, ka papildus naturālajiem (fiziskajiem) eksperimentiem tiek aplūkota aktuāla problēma – skaitlisko eksperimentu plānošana, kuros rezultāti ir determinēti un nav iepriekš zināma regresijas funkcija. Padziļināti tiek aplūkoti dažādi skaitlisko eksperimentu telpas izkliedes plāni, uz skaitlisko eksperimentu rezultātiem balstīto matemātisko metamodeļu izveide ar neparametriskajām aproksimācijas metodēm: Radiālajām bāzes funkcijā, lokāli svērtajiem polinomiem, krigingu u.c. Liela uzmanība tiek veltīta dinamisku sistēmu metamodeļu izveidošanai un analīzei, balstoties uz jauktajiem skaitliskajiem un naturālajiem eksperimentiem, tajā skaitā ar GE aprēķinu metodēm iegūtajiem..
Priekšnoteikums kursa apguvei ir pamatzināšanas par statistikas metodēm. Kursa apguvē būs nepieciešams zināt, kā aprēķināt un interpretēt izlases vidējo vērtību un standartnovirzi, ka ir normālais varbūtības blīvuma sadalījums sadalījumu, iepazīties ar testēšanas hipotēžu koncepciju (t-testu, piemēram) , konstruēt un interpretēt ticamības intervālu, un modeļa pielāgošanas kvalitāti, izmantojot mazāko kvadrātu metodi. Lielākā daļa no šīm idejām tiks atkārtotas kursa sākumā, jo to izpratne ir nepieciešama. .
Kursa mērķis ir iemācīties plānot un izpildīt eksperimentus efektīvi, un analizēt iegūtos datus, lai iegūtu objektīvus secinājumus. Ir aplūkoti gan plānošanas, gan rezultātu analīzes jautājumi. .
Mācību procesā apgūtos principus ir iespējams pielietot visos inženiertehnisko darbu posmos, tostarp jaunu produktu dizainā un attīstībā, tehnoloģisko un ražošanas procesu uzlabošanai. .
Kursa apguvē tiks ilustrēti pielietojumi dažādās inženierijas jomās (arī ķīmisko, mehānisko, elektrisko, materiālu zinātnes, rūpniecības, kā arī inženierekonomikas u.c.). Datoru programmatūra (Design-Expert, Mathcad, EDAOpt, MS Excel, MSC ADAMS), kurā realizētas apgūstamās metodes, tiks plaši pielietotas praktisko darbu, mājasdarbu uzdevumus un kursa projektu izpildē. Šajā kursā studenti apgūs, kā efektīvi plānot, izpildīt un analizēt eksperimentus. Kursa apguves laikā nepieciešams izpildīt vairākus patstāvīgos un mājas darbus. Design Expert, EDAOpt un ADAMS programmatūra dod iespēju izpildīt visus patstāvīgos darbus un kursa darbu..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Ievads. Eksperimentu plānošanas un analīzes (DOE) vēsture. 2 0 0 0
Naturālo eksperimentu plānošanas stratēģija. 8 0 0 0
Varbūtību teorijas un statistikas pamatkoncepcijas. 10 0 0 0
Mazāko kvadrātu un lokāli svērto mazāko kvadrātu metode. 6 0 0 0
Maksimālās ticamības metode. 2 0 0 0
Klasiskie eksperimentu plāni. Faktoriālie plāni. Taguči plāni 10 0 0 0
Lineārā dispersijas un regresijas analīze. Izsitienu filtrācija. 8 0 0 0
Modeļu pielāgošanas kvalitātes un adekvātuma novērtējumi. 8 0 0 0
MathCad, Excel, DesignExpert programmatūra dispersijas un regresijas analīzē. 8 0 0 0
Atbildes virsmu metodologija. 4 0 0 0
Eksperimentu plāni atbildes virsmu pielāgošanai. 4 0 0 0
Datoreksperimenti. Datoreksperimentu stratēģija. 8 0 0 0
Latīņu hiperkubi. 6 0 0 0
Telpas aizpildes kvalitātes kritēriji. 10 0 0 0
Minimālās vidējās kvadrātiskās kļūdas (MSE) eksperimentu plāni 8 0 0 0
Secīgie telpas aizpildes plāni 6 0 0 0
Metamodelēšanas metodika. 8 0 0 0
Neparametriskās aproksimācijas metodes. RBF, krigings,lokāli svērtie polinomi u.c. 10 0 0 0
Neparametrisko modeļu prognozes kļūdas novērtējumi. Verifikācija un validācija. Krosvalidācija. 10 0 0 0
Eksperimentu plānošanas metodes sistēmu identifikācijai un optimizācijai. 8 0 0 0
EDAOpt un Adams Insight CAE programmatūra. 8 0 0 0
EDAOpt un MSC Adams programmu pielietojums dinamisku sistēmu optimizācijai. 8 0 0 0
Kopā: 160 0 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs
Kursa mērķis ir padziļināti apgūt eksperimentu plānošanas un analīzes metodoloģiju kā līdzekli praktiskai pielietošanai inženieru un zinātnieku jaunu produktu radīšanai un attīstībai. Pēc kursa apgūšanas studenti spēs veikt trīs galvenos DOE etapus: (1) naturālo, skaitlisko un jaukto eksperimentu plāna izveide, (2) rezultātu analīze, modeļu un metamodeļu izveide, (3) atbilstošās programmatūras lietošana (Matcad, ADAMS, DesignExpert, EDAOpt, SAS JMP, u.c.).
Sasniedzamie studiju
rezultāti un to vērtēšana
1. Izprast naturālo un skaitlisko eksperimentu plānošanas stratēģijas. - Atbilstoši jautājumi eksāmenā
2. Mācēt pielietot matemātiskās statistikas metodes eksperimentu rezultātu analīzē. - Atbilstoši jautājumi praktiskajos darbos
3. Mācēt plānot un izpildīt daudzu faktoru eksperimentus, veikt rezultātu verifikāciju un validāciju. - Atbilstoši jautājumi kursa darbā
4. Iegūt izpratni par atbildes virsmu metodoloģiju. - Atbilstoši jautājumi praktiskajos darbos un kursa darbā
5. Iegūt izpratni par skaitliskajiem eksperimentiem un metamodeļu (surogātmodeļu veidošanu). - Atbilstoši jautājumi eksāmenā
6. Iegūt izpratni par jauktu naturālo-skaitlisko eksperimentu plānošanu un izpildi - Atbilstoši jautājumi eksāmenā
7. Iegūt zināšanas par eksperimentu plānošanas metožu lietošanu sistēmu identifikācijā un optimizācijā. - Atbilstoši jautājumi eksāmenā
8. Mācēt pielietot specializēto DOE programmatūru praktisku uzdevumu risināšanā - Atbilstoši jautājumi kursa darbā
Priekšzināšanas Matemātika. Varbūtību teorijas un matemātiskās statistikas pamati - vēlams
Studiju kursa plānojums
Daļa KP EKPS Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 10.0 15.0 5.0 3.0 2.0 *

Pieteikties uz šo kursu

[Kursa apraksts PDF formātā]