کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6892578 1445451 2018 30 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Symmetry breaking in mixed integer linear programming formulations for blocking two-level orthogonal experimental designs
ترجمه فارسی عنوان
شکستن تقارن در فرمولاسیون های خطی برنامه ریزی خطی مختلط برای مسدود کردن دو سطح طرح تجربی متعامد
کلمات کلیدی
فرمول نمایندگی نامتقارن، متضاد، محدودیت تقارن، برنامه ریزی خطی کامل، مسدود کردن ارتوگنال،
ترجمه چکیده
طرح های متعارف دو سطح نقش مهمی در آزمایش های غربالگری صنعتی ایفا می کنند که هدف اصلی آن شناسایی عوامل درمان با بزرگترین اثرات اصلی بر خروجی یک فرآیند یا عملکرد یک محصول است. اغلب آزمایش های تجربی که توسط طرح های متعامد نشان داده شده است نمی توان در یک روز انجام داد و یا با استفاده از یک دسته از مواد خام. این موجب تغییرات روزمره یا دسته ای به دسته ای در نتایج تجربی می شود و الزام استفاده از الگوهای مسدود کردن متعامد را ضروری می سازد. این الگوهای مسدود کننده اطمینان می دهد که اثرات اصلی عوامل را می توان به طور مستقل از تغییرات روز به روز و یا دسته ای به دسته ای محاسبه کرد. پیدا کردن یک الگوی مسدود کننده مناسب متعامد برای طراحی متعارف یک چالش عمده است. به تازگی، برنامه ریزی خطی عدد صحیح برای این منظور مورد استفاده قرار گرفته است. در حالی که این رویکرد امیدوار کننده است، آزمایش های محاسباتی نشان داده اند که این بسیار آهسته است. ما نشان می دهیم که چگونه با افزایش ضریب شکست تقاربی برای فرمولاسیون، چارچوب روش برنامهریزی خطی همگن مورد نظر را به سرعت تقویت کنیم، و بررسی سودمندی فرمول نمایندگی نامتقارن. به عبارت دیگر، روش های شکستن تقارن را در طراحی تجربی تجربی معرفی می کنیم. ما آزمایش های محاسباتی گسترده ای را انجام می دهیم تا آزمون هایی را که ترکیبی از محدودیت های تقارن تقارن به بهترین شکل عمل می کند، آزمایش کنیم. در طول دو نوع تقارن در نظر گرفته می شود: تقارن با توجه به این واقعیت که بلوک ها می توانند بدون تاثیر بر کیفیت الگوی مسدود سازی، و تقارن به علت ترکیبات تکراری مورد آزمایش قرار گیرند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
Two-level orthogonal designs play an important role in industrial screening experiments, in which the primary goal is to identify the treatment factors with the largest main effects on the output of a process or the performance of a product. Often, the experimental tests suggested by the orthogonal designs cannot be performed on a single day or using a single batch of raw material. This causes day-to-day or batch-to-batch variation in the experimental results, and necessitates the use of orthogonal blocking patterns. These blocking patterns ensure that the factors' main effects can be estimated independently from the day-to-day or batch-to-batch variation. Finding an optimal orthogonal blocking pattern for an orthogonal design is a major challenge. Recently, mixed integer linear programming has been used for that purpose. While this approach is promising, computational experiments have indicated it is quite slow. We show how to speed up the mixed integer linear programming approach by adding symmetry breaking constraints to the formulation, and study the usefulness of an asymmetric representatives formulation. In other words, we introduce state-of-the-art symmetry breaking approaches in optimal experimental design. We perform extensive computational experiments to test which combinations of symmetry breaking constraints work best. Throughout, we consider two kinds of symmetry: symmetry due to the fact that the blocks can be relabeled without affecting the quality of the blocking pattern, and symmetry due to replicated test combinations.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Operations Research - Volume 97, September 2018, Pages 96-110
نویسندگان
, , , ,