Теперь подсветка факторов эксперимента подсвечиваются соответственно значениям: + зелёным - красным, 0 (факторы с шагом в 0) - светлосерым. Убран лишний столбец в матрице факторного эксперимента

calculations/doe.py

@@ -84,76 +84,30 @@ def generate_factorial_design(
     randomize: bool = True
 ) -> List[Dict]:
     """
-    ГЕНЕРИРУЕТ ПОЛНОФАКТОРНЫЙ ПЛАН ЭКСПЕРИМЕНТА
-    
-    Создаёт матрицу планирования для 2^k полнофакторного эксперимента
-    с добавлением центральных точек.
-    
-    ПАРАМЕТРЫ:
-    ----------
-    factors : List[Dict]
-        Список факторов. Каждый фактор - словарь с ключами:
-        - name (str): название фактора
-        - low (float): нижний уровень (-1)
-        - high (float): верхний уровень (+1)
-        - center (float): нулевой уровень (0)
-        - unit (str): единица измерения
-        - step (float, опционально): шаг варьирования
-        - step_type (str, опционально): тип шага ("ед." или "%")
-        
-        Минимально необходимые ключи: name, low, high, center, unit
-    
-    center_points : int
-        Количество центральных точек (повторений в центре плана)
-        По умолчанию 3
-    
-    randomize : bool
-        Перемешивать ли порядок опытов случайным образом
-        По умолчанию True
-    
-    ВОЗВРАЩАЕТ:
-    -----------
-    List[Dict]
-        Список экспериментов. Каждый эксперимент - словарь:
-        - для каждого фактора: "Фактор_N" с полями:
-            - coded: кодированное значение (-1, 0, +1)
-            - natural: натуральное значение
-            - name: название фактора
-            - unit: единица измерения
-        - is_center (bool): является ли точка центральной
-        - center_num (int): номер центральной точки (если is_center)
-    
-    ПРИМЕР ИСПОЛЬЗОВАНИЯ:
-    ---------------------
-    >>> factors = [
-    ...     {'name': 'Температура', 'low': 25, 'high': 37, 'center': 31, 'unit': '°C'},
-    ...     {'name': 'pH', 'low': 6.5, 'high': 7.5, 'center': 7.0, 'unit': ''}
-    ... ]
-    >>> design = generate_factorial_design(factors, center_points=2)
-    >>> print(len(design))  # 2^2 + 2 = 6
-    6
-    >>> design[0]['Фактор_1']['coded']  # первый фактор в первом опыте
-    -1
+    Генерирует полнофакторный план 2^k с правильным порядком изменения факторов:
+    - фактор 1 меняется через 1 эксперимент (2^0)
+    - фактор 2 меняется через 2 эксперимента (2^1)
+    - фактор 3 меняется через 4 эксперимента (2^2)
+    - и т.д.
     """
-    
+
     k = len(factors)
     if k == 0:
         return []
-    
+
     n_factorial = 2 ** k
     design = []
-    
-    # Генерация факторных точек (все комбинации уровней)
+
+    # Генерация факторных точек в правильном порядке (двоичный счётчик)
     for i in range(n_factorial):
         experiment = {}
         for j in range(k):
-            # Кодированный уровень: -1 для 0, +1 для 1 в бите
-            # (k-1-j) для правильного порядка факторов
-            coded_level = -1 if (i >> (k - 1 - j)) & 1 == 0 else 1
-            
-            # Натуральное значение
+            # Правильный порядок битов: младший бит - первый фактор
+            # (j) - для прямого порядка: фактор 1 меняется чаще всего
+            coded_level = -1 if (i >> j) & 1 == 0 else 1
+
             natural_value = factors[j]['low'] if coded_level == -1 else factors[j]['high']
-            
+
             experiment[f"Фактор_{j+1}"] = {
                 'coded': coded_level,
                 'natural': natural_value,
@@ -161,11 +115,10 @@ def generate_factorial_design(
                 'unit': factors[j].get('unit', '')
             }
         design.append(experiment)
-    
+
     # Добавление центральных точек
     for i in range(center_points):
         center_experiment = {}
-
         for j in range(k):
             center_experiment[f"Фактор_{j+1}"] = {
                 'coded': 0,
@@ -176,11 +129,11 @@ def generate_factorial_design(
         center_experiment['is_center'] = True
         center_experiment['center_num'] = i + 1
         design.append(center_experiment)
-    
-    # Перемешивание порядка
+
+    # Перемешивание порядка (опционально)
     if randomize:
         random.shuffle(design)
-    
+
     return design
 
 
@@ -294,44 +247,6 @@ def analyze_experiment(
     return analysis
 
 
-def create_factor_from_reagent(
-    reagent: Dict,
-    total_volume: float,
-    volume_unit: str,
-    step_percent: float = 10.0
-) -> Dict:
-    """
-    СОЗДАЁТ ФАКТОР ИЗ РЕАГЕНТА (для интеграции калькулятора и DoE)
-    
-    Преобразует рассчитанный реагент в фактор для планирования эксперимента.
-    
-    Параметры:
-        reagent: рассчитанный реагент (из calculate_medium_composition)
-        total_volume: общий объём среды
-        volume_unit: единица объёма
-        step_percent: шаг варьирования в процентах от нулевого уровня
-    
-    Возвращает:
-        Dict: фактор для использования в generate_factorial_design()
-    """
-    center_value = reagent.get('undiluted_amount', reagent.get('calculated_amount', 0))
-    step_value = center_value * step_percent / 100
-    
-    high_level, low_level = calculate_factor_levels(
-        center_value, step_value, "ед."
-    )
-    
-    return {
-        'name': reagent['name'],
-        'center': center_value,
-        'low': low_level,
-        'high': high_level,
-        'step': step_value,
-        'step_type': 'ед.',
-        'unit': reagent.get('unit', volume_unit),
-        'percentage': reagent.get('percentage', 0),
-        'dilution_factor': reagent.get('dilution_factor', 1.0)
-    }
 
 def create_factor_from_reagent(
     reagent: Dict,