تجربة عاملية كاملة محجوبة
- قدّمه
- R. A. Fisher (blocking principle); full factorial DOE tradition
- السنة
- 1935 (Fisher); systematized through 20th-century DOE literature
- النوع
- Experimental design
- العائلة
- Experimental design
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
تختبر التجربة العاملية الكاملة المحجوبة كل تركيبات مستويات العوامل جميعها مع تجميع جولات التجربة في مجموعات متجانسة لعزل متغير مزعج معروف. يحافظ هذا التصميم على القدرة على اكتشاف جميع التأثيرات الرئيسية والتفاعلات بين العوامل ذات الأهمية مع منع تباين الدفعة تلو الأخرى، أو اليوم تلو الآخر، أو الجهاز تلو الآخر من تضخيم خطأ التجربة.
الفكرة الحدسية وراء الطريقة
تخيل اختبار ثلاثة أنواع من الأسمدة بجرعتين عبر أربعة حقول مختلفة. تختلف الحقول في جودة التربة، والتي لا يمكنك التحكم فيها ولكن يمكنك حسابها. يقوم تصميم عاملي كامل محجوب بتشغيل جميع تركيبات الأسمدة والجرعات الست داخل كل حقل (مجموعة)، لذلك يتم فصل الاختلافات من حقل إلى آخر عن تأثيرات المعالجة. داخل كل مجموعة، يتم عشوائية الجولات. النتيجة: ترى الصورة الكاملة لكيفية تفاعل نوع السماد وجرعته دون أن تتشوش تلك الصورة بسبب عدم تجانس التربة. الحجب يشتري الدقة؛ التغطية العاملية الكاملة تشتري الاكتمال.
التاريخ
تم إضفاء الطابع الرسمي على الحجب كوسيلة للتحكم في التباين المزعج بواسطة آر. إيه. فيشر في محطة روثامستد التجريبية ووصف في كتاب "تصميم التجارب" (1935)، بدافع من التجارب الزراعية الميدانية. تم تطوير مبدأ العامل الكامل جنبًا إلى جنب مع تحليل التباين في نفس الفترة. أصبح دمج الحجب مع الهيكل العاملي الكامل ممارسة قياسية في تصميم التجارب من خلال العمل المؤثر لـ Box و Hunter و Hunter في "الإحصاء للتجارب" (1978) وكتاب Douglas Montgomery "تصميم وتحليل التجارب"، الذي نُشر لأول مرة في عام 1976 وهو الآن في طبعته التاسعة.
متى تُستخدم
استخدم تجربة عاملية كاملة محجوبة عندما تحتاج إلى تقدير جميع التأثيرات الرئيسية وكل تفاعل بين مجموعة يمكن التحكم فيها من العوامل ومتغير مزعج معروف (دفعة، يوم، مشغل، وحدة معدات) يهدد بتضخيم الخطأ إذا تم تجاهله. وهي مناسبة عندما يكون عدد العوامل صغيرًا بما يكفي (عادةً k = 2-4 عوامل بمستويين إلى 3 مستويات) بحيث يكون تشغيل جميع التركيبات ممكنًا ويمكن تجميع الإزعاج في مجموعات متجانسة منفصلة. لا تستخدمها عندما يتجاوز إجمالي الجولات المطلوبة السعة العملية - فضل تصميم عاملي جزئي أو تصميم سطح الاستجابة بدلاً من ذلك. لا تحجب عندما لا يمكن تحديد متغير مزعج ذي معنى، لأن الحجب غير الضروري يهدر درجات الحرية.
الحدود والاعتبارات
- عدد الجولات يساوي (عدد المجموعات) مضروبًا في (جميع تركيبات العوامل والمستويات)، والذي يصبح كبيرًا جدًا لأكثر من ثلاثة أو أربعة عوامل أو ثلاثة مستويات.
- يتطلب متغير إزعاج معروف وقابل للتجميع؛ إذا لم يكن هذا المتغير موجودًا، فلا يوفر الحجب فائدة ويهدر درجات الحرية.
- يفترض أن تفاعلات المجموعة مع المعالجة ضئيلة؛ إذا استجابت المعالجات بشكل مختلف عبر المجموعات، فإن النموذج الإضافي غير محدد بشكل صحيح.
- غير قابل للتطبيق عندما لا يمكن لحجم المجموعة استيعاب نسخة كاملة واحدة من جميع تركيبات المعالجة - هناك حاجة إلى تصميم مجموعة غير مكتملة بدلاً من ذلك.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- يوفر تقديرات غير مشوشة لجميع التأثيرات الرئيسية وكل تفاعل بين العوامل المدروسة.
- يزيل الحجب مصدر إزعاج معروف، مما يقلل من خطأ التجربة ويزيد من القوة الإحصائية دون الحاجة إلى تكرارات معالجة إضافية.
- ينتج عنه أكمل المعلومات حول تأثيرات العوامل ضمن مجموعة العوامل المختارة - لا يوجد تداخل بين التأثيرات الرئيسية أو التفاعلات.
- النتائج قابلة للتفسير مباشرة عبر جداول تحليل التباين القياسية ورسوم بيانية التفاعل بمجرد فصل تأثيرات المجموعة.
- مدعوم ببرامج إحصائية قياسية (R، SAS، Minitab، JMP) مع إجراءات تحليل راسخة.
التطبيقات
- الهندسة الصناعية وهندسة العمليات: دراسة كيف تؤثر درجة الحرارة والضغط وتركيز المحفز على إنتاجية المنتج عبر دفعات إنتاج مختلفة كمجموعات.
- البحث الزراعي: تقييم جميع تركيبات مستوى الري ونوع السماد عبر حقول ذات خصائص تربة مختلفة تستخدم كمجموعات.
- تطوير الأدوية: اختبار عوامل التركيبة مثل درجة الحموضة ونوع السواغ مع يوم الإنتاج أو محلل المختبر كمتغير حجب.
- علوم الأغذية: تقييم تأثيرات تركيبات المكونات على ملفات النكهة عبر جلسات لجنة حسية تعمل كمجموعات.
- البحث السلوكي والتعليمي: التحقيق في تركيبات طرق التدريس عبر مجموعات مدرسية أو فترات زمنية مع الحجب حسب المجموعة.
- تحسين الجودة: تحديد إعدادات الجهاز التي تتحكم في معدلات العيوب عندما يجب أن تنتشر التجارب عبر نوبات عمل أو مشغلين متعددين.
كيف يعمل
كيف يعمل
تحديد جميع العوامل التجريبية ومستوياتها. في التصميم العاملي الكامل، يتم تضمين كل تركيبة عامل-مستوى: بالنسبة لـ k عوامل، كل منها بمستويين، ينتج عن ذلك 2^k تركيبات معالجة. مع المزيد من المستويات أو العوامل، ينمو عدد الجولات بسرعة، لذلك يجب تأكيد جدوى الموارد قبل الالتزام بهيكل عاملي كامل.
تحديد مصدر واحد أو أكثر من المصادر المزعجة - دفعات الوقت، المشغلون، الأجهزة، الأيام، أو دفعات المواد الخام - التي تُدخل تباينًا منهجيًا ولكنه غير قابل للتحكم. تصبح هذه هي متغير الحجب. يجب أن تكون كل مجموعة متجانسة داخليًا، ويجب أن يستوعب عدد الجولات لكل مجموعة نسخة كاملة واحدة من جميع تركيبات المعالجة.
داخل كل مجموعة، قم بتعيين مجموعة كاملة من تركيبات المعالجة لوحدات التجربة بشكل عشوائي. تحمي العشوائية داخل المجموعات من الاتجاهات غير المعروفة داخل المجموعة؛ الحجب نفسه يزيل الاختلافات المعروفة بين المجموعات. إذا لم يكن حجم المجموعة قادرًا على استيعاب جميع تركيبات المعالجة، فستكون هناك حاجة إلى امتداد مجموعة غير مكتملة بدلاً من ذلك.
نفذ التجربة بدقة وفقًا لخطة العشوائية المحجوبة. سجل جميع الاستجابات كما هو مخطط له ووثق أي انحرافات أو تغييرات في المعدات أو شذوذات بيئية. الحفاظ على دقة البروتوكول داخل كل مجموعة أمر بالغ الأهمية للحفاظ على الفصل المقصود بين تأثيرات المعالجة وتأثيرات المجموعة.
قم بتطبيق نموذج خطي يتضمن عامل الحجب كمصطلح إضافي جنبًا إلى جنب مع جميع التأثيرات الرئيسية والتفاعلات العاملية: Y = mu + block + A + B + AB + ... + error. يمتص مصطلح المجموعة التباين بين المجموعات، ويقلل الخطأ المتبقي ويزيد من دقة تقديرات التأثيرات العاملية. ثم يتم فحص جداول تحليل التباين (ANOVA) للتأثيرات الرئيسية والتفاعلات الهامة.
أبلغ عن التأثيرات العاملية المقدرة ورسوم بيانية للتفاعل مع إزالة تأثيرات الحجب. قم بتقييم الأهمية العملية والإحصائية للتأثيرات الرئيسية والتفاعلات. تحقق من افتراضات النموذج - طبيعية البواقي وتجانس التباين داخل المجموعات. أبلغ عن هيكل المجموعة بشفافية حتى يفهم القراء ما تم التحكم فيه من إزعاج.
الأخطاء الشائعة
- إغفال مصطلح المجموعة من نموذج التحليل: تحليل تصميم محجوب كعشوائي تمامًا يتجاهل تقليل التباين الذي حققه الحجب ويزيد الخطأ، مما يقلل القوة.
- معاملة متغير الحجب كعامل ذي أهمية علمية: المجموعات هي ضوابط مزعجة، وليست عوامل معالجة؛ تصنيفها بشكل خاطئ يشوه أهداف الدراسة وتخصيص درجات الحرية.
- الفشل في عشوائية الجولات داخل المجموعات: بدون عشوائية داخل المجموعة، تلوث اتجاهات الوقت أو تأثيرات تعلم المشغل مقارنات المعالجة.
- عدم تطابق حجم المجموعة: إذا لم تتمكن كل مجموعة من استيعاب نسخة كاملة واحدة من جميع تركيبات المعالجة، فإن افتراضات التحليل القياسية تنهار - استخدم تصميم مجموعة غير مكتملة متوازنة بدلاً من ذلك.
- انتشار العوامل: إضافة المزيد من العوامل تضاعف الجولات المطلوبة بسرعة؛ بعد أربعة أو خمسة عوامل، يكون التصميم العاملي الجزئي أو تصميم الفحص هو الخيار العملي دائمًا تقريبًا.
الأسئلة الشائعة
ما هو الفرق بين التصميم العاملي الكامل المحجوب والتصميم العشوائي الكامل المحجوب (RCBD)؟
عادةً ما يختبر التصميم العشوائي الكامل المحجوب مجموعة واحدة من المعالجات (عامل واحد) داخل كل مجموعة. يختبر التصميم العاملي الكامل المحجوب جميع تركيبات عاملين أو أكثر داخل كل مجموعة، مما يتيح تقدير التفاعلات. التصميم العشوائي الكامل المحجوب هو حالة خاصة بعامل واحد؛ التصميم العاملي الكامل المحجوب يعممه على عوامل متعددة مع تقدير كامل للتفاعلات.
هل يمكن أن يكون لدي أكثر من متغير حجب واحد؟
نعم. التصميمات ذات متغيري حجب (مثل الصفوف والأعمدة) تسمى امتدادات الصفوف والأعمدة أو مربعات لاتين. ومع ذلك، فإن إضافة عوامل الحجب تقيد التعيين بشكل أكبر ويصبح افتراض عدم وجود تفاعل بين المجموعة والمجموعة والمعالجة أكثر تطلبًا. استشر أخصائي تصميم التجارب عند استخدام متغيرات حجب متعددة.
ماذا يحدث إذا كان حجم مجموعتي أصغر من عدد تركيبات المعالجة؟
يتطلب التحليل العاملي الكامل المحجوب القياسي أن تحتوي كل مجموعة على نسخة كاملة واحدة بالضبط من جميع تركيبات المعالجة. إذا كانت المجموعات أصغر، فأنت بحاجة إلى تصميم مجموعة غير مكتملة - مثل تصميم مجموعة غير مكتملة متوازنة (BIBD) - حيث لا يظهر كل علاج في كل مجموعة ولكن يتم الحفاظ على التوازن العام.
هل يجب أن أدرج تفاعل المجموعة مع المعالجة في نموذجي؟
افتراضيًا، لا. الافتراض القياسي هو أن تأثيرات المجموعة إضافية بحتة. يتطلب تضمين تفاعلات المجموعة مع المعالجة درجات حرية إضافية وعادة ما يكون غير مبرر. إذا كنت تشك حقًا في مثل هذه التفاعلات، ففكر في نموذج مختلط يعامل المجموعات كمتغيرات عشوائية بدلاً من ثابتة.
عدد العوامل لدي هو خمسة أو أكثر - هل يجب أن أستخدم تصميمًا عامليًا كاملاً مع الحجب؟
على الأرجح لا. يتطلب تصميم عاملي كامل 2^5 32 جولة لكل مجموعة، مضروبًا في عدد المجموعات. هذا عادة ما يكون مكلفًا للغاية. التصميم العاملي الجزئي أو تصميم فحص Plackett-Burman متبوعًا بتصميم عاملي كامل مركز على العوامل الرئيسية هو استراتيجية أكثر عملية بكثير.
طرق ذات صلة
المصادر
Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.
ردمك: 978-1119113478تم النسخ.Fisher, R. A. (1935). The Design of Experiments. Oliver and Boyd.
افتح مرجع المنشورتم النسخ.