Подправлен README.md

README.md

@@ -1,32 +1,130 @@
-# Планирование эксперимента и оптимизация смесей
+# Mixture Optimizer
 
-Программа для автоматизированного планирования эксперимента, построения регрессионных моделей, проверки значимости факторов и крутого восхождения (градиентного метода) для поиска оптимума в задачах со смесями.
+**Интерактивная система для планирования эксперимента и оптимизации многокомпонентных смесей.**
+
+Программа для автоматизированного планирования эксперимента, построения регрессионных моделей, проверки значимости факторов и градиентного поиска оптимума (крутое восхождение) в задачах со смесями.
+
+---
 
 ## Основные возможности
 
-- **Редактор состава**: создание и изменение ингредиентов смеси (проценты, разбавление, плотность).
-- **Планирование эксперимента**: генерация различных планов:
-  - Полный факторный план `2^k`
+- Редактор состава смеси (проценты, плотность, разбавление)
+- Генерация планов:
+  - Полный факторный `2^k`
   - Центральный композиционный план (ЦКП) с возможностью дробного ядра
-  - Дробный факторный план `2^(k-p)`
-  - План Плакетта-Бермана
-  - План Бокса-Бенкена
-- **Ввод откликов**: добавление, редактирование, переименование и удаление откликов.
-- **Анализ значений**:
-  - Построение линейной регрессии (МНК)
-  - Проверка значимости коэффициентов по t-критерию с заданным уровнем α
-  - R², скорректированный R², F-критерий
-  - Дисперсия в центре и доверительный интервал
-  - Исключение незначимых факторов и пересчёт модели
-- **Крутое восхождение**:
-  - Расчёт коэффициентов модели для выбранного отклика
-  - Генерация точек вдоль градиента (максимизация или минимизация)
-  - Возможность установить выбранную точку как новый состав
-- **Экспорт данных**: все таблицы можно сохранить в CSV или скопировать в буфер обмена (TSV).
+  - Дробный факторный `2^(k-p)`
+  - План Плакетта–Бермана
+  - План Бокса–Бенкена
+- Ввод и управление множественными откликами (добавление, редактирование, переименование, удаление)
+- Регрессионный анализ (МНК) с t-критерием, R², скорректированным R², F-критерием
+- Проверка дисперсии в центре, доверительные интервалы
+- Исключение незначимых факторов с пересчётом модели
+- Крутое восхождение (градиентный метод) с генерацией точек и возможностью установки нового состава
+- Экспорт таблиц в CSV и буфер обмена (TSV)
+
+Все данные хранятся в едином JSON-файле. Сохранение – по команде пользователя (без автоматического сохранения).
+
+---
+
+## Технологии
+
+- Python 3.8+
+- NumPy – матричные вычисления
+- SciPy – статистические функции (распределения, матрица Адамара)
+- pyperclip – работа с буфером обмена (опционально)
+
+Интерфейс – консольный, с удобной табличной печатью.
+
+Разработано для химиков, биологов, технологов, инженеров и всех, кто занимается оптимизацией многокомпонентных систем.
+
+---
 
 ## Установка и запуск
 
 1. Клонируйте репозиторий:
+
    ```bash
-   git clone <url>
-   cd experiment
+   git clone https://gitlab.artemkas.ru/artemiy/mixture_optimizer.git
+   cd mixture_optimizer
+   ```
+
+2. Создайте виртуальное окружение (рекомендуется):
+
+   ```bash
+   python -m venv venv
+   source venv/bin/activate   # Linux / macOS
+   # или
+   venv\Scripts\activate      # Windows
+   ```
+
+3. Установите зависимости:
+
+   ```bash
+   pip install -r requirements.txt
+   ```
+
+4. Запустите программу:
+
+   ```bash
+   python main.py
+   ```
+
+---
+
+## Пример использования
+
+1. В главном меню выберите **Редактор состава**, добавьте ингредиенты (например, Меласса, Глицерин, Этанол). Растворитель (Вода) пересчитывается автоматически.
+2. Перейдите в **Планирование эксперимента**, задайте шаги для активных факторов (например, 1%, 0.5%, 0.5%) и сгенерируйте план (ЦКП, дробный факторный и т.д.).
+3. В **Ввод откликов** добавьте название отклика (например, «Сухая НЦ») и введите значения для каждого опыта.
+4. В **Анализ значений** выберите отклик, задайте уровень значимости α (например, 0.05) – получите регрессионную модель, значимость коэффициентов, дисперсию в центре и доверительный интервал. При необходимости исключите незначимые факторы.
+5. В **Крутое восхождение** выберите тот же отклик, укажите шаг движения и количество шагов – программа покажет точки градиента. Выберите лучшую точку и установите её как новый состав.
+6. Повторяйте цикл, пока не достигнете оптимума.
+
+---
+
+## Структура проекта
+
+```text
+mixture_optimizer/
+├── main.py              # Главное меню
+├── editor.py            # Редактор состава
+├── plan.py              # Планирование эксперимента
+├── response.py          # Ввод откликов
+├── analysis.py          # Анализ значений
+├── ascent.py            # Крутое восхождение
+├── table.py             # Вывод таблиц
+├── core/
+│   ├── classes.py       # Классы Ingredient, Mixture
+│   ├── fs.py            # Сохранение/загрузка проекта (JSON)
+│   ├── doe.py           # Генерация планов
+│   ├── experiment.py    # Класс ExperimentDesign
+│   ├── statistics.py    # Статистические функции
+│   └── table_io.py      # Экспорт таблиц
+├── requirements.txt
+├── README.md
+└── .gitignore
+```
+
+---
+
+## Сохранение данных
+
+Все данные (состав, план, отклики) хранятся в файле `project.json`. Сохранение **не автоматическое** – вы сами решаете, когда сохранить изменения через пункты «Сохранить» в соответствующих подменю. Это защищает от случайной перезаписи.
+
+---
+
+## Лицензия
+
+Проект распространяется под **проприетарной лицензией с открытым исходным кодом (Source Available)**.
+
+Вы можете использовать, копировать, модифицировать и распространять код для **некоммерческих целей** при сохранении уведомления об авторских правах. **Коммерческое использование** запрещено без явного письменного разрешения автора.
+
+Подробности см. в файле `LICENSE`.
+
+---
+
+## Контакты и вклад
+
+По вопросам коммерческого использования, предложений и сообщений об ошибках обращайтесь по адресу: [ваш email].
+
+Приветствуются сообщения об ошибках и предложения по улучшению через Issues и Merge Requests (для некоммерческих изменений).