Skip to content
بازگشت به نتایج جست‌وجو

آزمایش عاملی کسری — طرح آزمایش عاملی کسری

معرفی‌شده توسط
D. J. Finney (formal development); foundations in Ronald Fisher's factorial design work
سال
1945 (Finney); broader development 1950s–1970s by Box, Hunter
نوع
Quantitative experimental design
خانواده
Experimental design

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

آزمایش عاملی کسری یک طرح آزمایشی با بهره‌وری منابع بالاست که تنها بخش با دقت انتخاب‌شده‌ای از تمام ترکیبات ممکن عامل-سطح را آزمایش می‌کند. با بهره‌گیری از این اصل که اثرات متقابل مرتبه بالا معمولاً ناچیز هستند، این طرح اثرات اصلی و اثرات متقابل مرتبه پایین k عامل را با استفاده از تعداد آزمایش‌های بسیار کمتر از یک طرح عاملی کامل شناسایی می‌کند — که آن را به ابزار اصلی آزمایش‌های غربالگری صنعتی و مهندسی تبدیل کرده است.

شهود پشت روش

فرض کنید می‌خواهید 7 عامل را که هر یک در دو سطح هستند، مطالعه کنید. یک طرح عاملی کامل به 128 آزمایش نیاز دارد که غیرعملی و پرهزینه است. یک طرح عاملی کسری نیمی (یا یک چهارم) از این ترکیبات را به صورت استراتژیک انتخاب می‌کند: 64 یا 32 آزمایش. نکته اینجاست که هر آزمایش حذف شده مربوط به یک اثر متقابل مرتبه بالا است که تقریباً به طور قطع در عمل صفر است. شما توانایی برآورد آن اثرات متقابل بعید را با کاهش چشمگیر در هزینه آزمایش معاوضه می‌کنید، در حالی که همچنان اثراتی را که بیشترین اهمیت را دارند، به دست می‌آورید. نکته کلیدی این است که دقیقاً بدانید کدام اثرات با یکدیگر درهم‌آمیخته (aliased) می‌شوند تا بتوانید نتایج را به درستی تفسیر کنید.

تاریخ

طرح‌های عاملی کسری از کار بنیادی رونالد فیشر در مورد آزمایش‌های عاملی در ایستگاه تحقیقاتی روتهامستد در دهه‌های 1920 و 1930 نشأت گرفتند. دی. جی. فینی به طور رسمی تکثیر کسری را در مقاله‌ای در سال 1945 در Annals of Eugenics معرفی کرد و نشان داد که یک زیرمجموعه با دقت انتخاب شده از آزمایش‌ها می‌تواند اثرات اصلی را برآورد کند در حالی که تنها اثرات متقابل مرتبه بالا را قربانی می‌کند. جورج باکس، جی. استوارت هانتر، و ویلیام هانتر این روش را برای آزمایش‌های صنعتی از طریق مجموعه کتاب‌های درسی تأثیرگذار خود که از سال 1978 آغاز شد، رواج و نظام‌مند کردند و وضوح و درهم‌آمیختگی را به عنوان مفاهیم کلیدی که متخصصان امروزه از آنها استفاده می‌کنند، تثبیت کردند. این طرح‌ها همچنان سنگ بنای سیکس سیگما، آموزش طراحی آزمایش‌ها (DOE)، و مهندسی کیفیت در سراسر جهان هستند.

چه زمانی استفاده شود

از یک طرح عاملی کسری زمانی استفاده کنید که عوامل زیادی (معمولاً پنج یا بیشتر) برای غربالگری دارید و نمی‌توانید از یک طرح عاملی کامل استفاده کنید، زمانی که منابع (زمان، مواد، هزینه) محدود هستند، و زمانی که اثرات متقابل مرتبه بالا ناچیز فرض می‌شوند — یک فرض معقول در اکثر تنظیمات فیزیکی، شیمیایی و مهندسی. این اولین گام استاندارد در یک استراتژی آزمایش متوالی (غربالگری ← بهینه‌سازی) است. زمانی از آن استفاده نکنید که نیاز به برآورد تمام اثرات متقابل مرتبه بالا دارید (به جای آن از یک طرح عاملی کامل استفاده کنید)، زمانی که کمتر از چهار یا پنج عامل دارید (یک طرح عاملی کامل مقرون به صرفه است)، زمانی که درهم‌آمیختگی اثرات متقابل دو عاملی بدون آزمایش‌های بعدی غیرقابل قبول است، یا زمانی که سطح پاسخ باید به تفصیل مشخص شود (به جای آن از روش سطح پاسخ استفاده کنید).

محدودیت‌ها و ملاحظات

  • درهم‌آمیختگی به این معنی است که برخی اثرات را نمی‌توان به طور مستقل در یک کسر واحد برآورد کرد؛ رفع درهم‌آمیختگی نیاز به آزمایش‌های اضافی دارد.
  • فرض اینکه اثرات متقابل مرتبه بالا ناچیز هستند ممکن است در سیستم‌های بیولوژیکی، اجتماعی یا پیچیده صادق نباشد.
  • برای تعیین صحیح مولدها، بررسی وضوح و تفسیر الگوی درهم‌آمیختگی، نیاز به سواد آماری دارد.
  • با تعداد بسیار کمی آزمایش (مثلاً طرح 8 آزمایشی با وضوح III برای 7 عامل)، قدرت کمی برای تشخیص اثرات به جز اثرات بزرگ وجود دارد.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • تعداد آزمایش‌ها را در مقایسه با یک طرح عاملی کامل به شدت کاهش می‌دهد و در زمان و منابع صرفه‌جویی می‌کند.
  • ساختار درهم‌آمیختگی سیستماتیک به این معنی است که محقق همیشه دقیقاً می‌داند کدام اثرات درهم‌آمیخته شده‌اند — هیچ ابهام پنهانی وجود ندارد.
  • متوالی و قابل ترکیب: کسرها را می‌توان تا زد (folded over) یا با کسرهای جدید ترکیب کرد تا اثرات مهم در مرحله دوم از درهم‌آمیختگی خارج شوند.
  • به طور گسترده در نرم‌افزارهای آماری (R, SAS, JMP, Minitab) پشتیبانی می‌شود و به طور گسترده در ادبیات مستند شده است.
  • ساختار طرح متعامد، برآورد پارامترها را ساده و از نظر آماری کارآمد می‌کند.

کاربردها

  • غربالگری ده‌ها متغیر فرآیند در تولید شیمیایی یا دارویی برای شناسایی معدود متغیرهایی که بیشترین تأثیر را بر بازده یا خلوص دارند.
  • بهینه‌سازی تیمارهای کشاورزی — کود، آبیاری، ترکیبات آفت‌کش — در طول یک فصل رشد با قطعات محدود.
  • مطالعات طراحی محصول مهندسی که در آن مواد، هندسه و پارامترهای فرآیند باید همگی در یک بودجه نمونه اولیه ثابت بررسی شوند.
  • آزمایش نرم‌افزار و وب (پرچم‌های ویژگی، عناصر رابط کاربری) زمانی که اجرای یک طرح عاملی کامل در بسیاری از ویژگی‌ها به طور همزمان غیرممکن است.
  • توسعه روش شیمی تجزیه — شناسایی اینکه کدام غلظت‌های معرف، دماها و تنظیمات ابزار، عملکرد سنجش را هدایت می‌کنند.
  • پروژه‌های بهبود کیفیت در تولید با استفاده از چارچوب‌های DMAIC یا سیکس سیگما.

چگونه کار می‌کند

چگونه کار می‌کند

1

همه k عامل مورد بررسی را شناسایی کرده و سطوح آنها را تعیین کنید (معمولاً دو سطح — پایین و بالا — که به صورت 1- و 1+ کدگذاری می‌شوند). متغیر(های) پاسخ را که باید اندازه‌گیری شوند، مشخص کنید. با بیش از پنج یا شش عامل، معمولاً یک طرح کسری توجیه می‌شود؛ با کمتر از چهار عامل، یک طرح عاملی کامل معمولاً امکان‌پذیر است.

2

کسر 2^(k-p) را انتخاب کنید، که در آن p تعداد ستون‌های عواملی را تعریف می‌کند که با ضرب ستون‌های موجود تولید می‌شوند. یک نیم‌کسر (p=1) از 2^(k-1) آزمایش استفاده می‌کند؛ یک ربع‌کسر (p=2) از 2^(k-2) آزمایش استفاده می‌کند. وضوح طرح (III، IV، V) تعیین می‌کند که کدام اثرات درهم‌آمیخته می‌شوند: وضوح III اثرات اصلی را با اثرات متقابل دو عاملی درهم‌آمیخته می‌کند؛ وضوح IV اثرات متقابل دو عاملی را با یکدیگر درهم‌آمیخته می‌کند؛ وضوح V یا بالاتر اثرات اصلی و اثرات متقابل دو عاملی را از یکدیگر جدا نگه می‌دارد.

فرمول
2^{k-p}
3

ماتریس طرح را با نوشتن یک طرح عاملی کامل در عوامل پایه k-p، و سپس ایجاد p ستون اضافی با ضرب ستون‌های موجود بر اساس مولد(های) انتخاب شده، بسازید. ساختار درهم‌آمیختگی (الگوی درهم‌آمیختگی) را بررسی کنید تا تأیید شود که برای سؤال تحقیق قابل قبول است.

4

آزمایش‌ها را به ترتیب تصادفی انجام دهید تا از سوگیری‌های سیستماتیک مرتبط با زمان جلوگیری شود. در صورت وجود یک عامل مزاحم مانند دسته، روز یا اپراتور، از بلوک‌بندی استفاده کنید. پاسخ اندازه‌گیری شده برای هر آزمایش را ثبت کنید، از جمله هر آزمایش تکراری یا نقطه مرکزی که برای برآورد خطای خالص گنجانده شده است.

5

اثرات اصلی و اثرات متقابل را با استفاده از حداقل مربعات معمولی یا الگوریتم ییتس برآورد کنید. بزرگی اثرات و خطاهای استاندارد آنها را محاسبه کنید. از نمودار احتمال نرمال اثرات، نمودار نیمه‌نرمال یا روش لنت برای تشخیص اثرات فعال (واقعی) از نویز استفاده کنید، به ویژه زمانی که آزمایش‌های تکراری برای ارائه برآورد خطای مستقیم وجود ندارد.

6

هر اثر برآورد شده را با توجه به ساختار درهم‌آمیختگی تفسیر کنید: یک برآورد معنی‌دار ممکن است منعکس‌کننده اثر نام‌گذاری شده، درهم‌آمیخته آن، یا هر دو باشد. از دانش تخصصی موضوع، آزمایش‌های تأییدیه بعدی، یا یک طرح تاخورده (fold-over design) برای رفع درهم‌آمیختگی اثراتی که نمی‌توانند از کسر فعلی تفکیک شوند، استفاده کنید. وضوح و الگوی درهم‌آمیختگی را به صورت شفاف گزارش دهید تا خوانندگان بتوانند ارزیابی کنند که چه چیزی قابل برآورد بوده و چه چیزی نبوده است.

دام‌های رایج

  • انتخاب وضوح بسیار پایین (مثلاً وضوح III) زمانی که اثرات متقابل دو عاملی محتمل هستند — در این صورت برآوردهای اثر اصلی توسط آن اثرات متقابل سوگیری می‌شوند و نتایج می‌توانند به طور جدی گمراه‌کننده باشند.
  • نادیده گرفتن تصادفی‌سازی: اجرای طرح به ترتیب استاندارد، درهم‌آمیختگی با روندهای زمانی را ایجاد می‌کند که ساختار درهم‌آمیختگی برای مدیریت آن طراحی نشده است.
  • عدم گزارش الگوی درهم‌آمیختگی در نوشتار، که ارزیابی اینکه کدام اثرات قابل برآورد هستند را برای خوانندگان (یا داوران) غیرممکن می‌سازد.
  • در نظر گرفتن نتیجه غربالگری به عنوان نهایی بدون یک آزمایش تأییدیه یا فاز بهینه‌سازی بعدی — طرح‌های عاملی کسری ذاتاً یک گام اول هستند، نه حرف آخر.

پرسش‌های متداول

«وضوح» در یک طرح عاملی کسری به چه معناست؟

وضوح توصیف می‌کند که کدام اثرات با کدام یک درهم‌آمیخته (confounded) می‌شوند. وضوح III: اثرات اصلی با اثرات متقابل دو عاملی درهم‌آمیخته می‌شوند — تنها زمانی استفاده شود که اثرات متقابل دو عاملی ناچیز فرض شوند. وضوح IV: اثرات اصلی از اثرات متقابل دو عاملی جدا هستند، اما اثرات متقابل دو عاملی با یکدیگر درهم‌آمیخته می‌شوند. وضوح V یا بالاتر: هم اثرات اصلی و هم اثرات متقابل دو عاملی به طور مستقل قابل برآورد هستند — زمانی ترجیح داده می‌شود که اثرات متقابل دو عاملی محتمل باشند.

چگونه بین یک نیم‌کسر و یک ربع‌کسر انتخاب کنم؟

یک نیم‌کسر (2^(k-1)) وضوح بالاتری را حفظ می‌کند اما تنها تعداد آزمایش‌ها را نصف می‌کند. یک ربع‌کسر (2^(k-2)) کوچکتر است اما معمولاً وضوح پایین‌تری دارد و مشکل درهم‌آمیختگی را افزایش می‌دهد. اگر هفت عامل یا بیشتر دارید و منابع بسیار محدود هستند، با یک ربع‌کسر با وضوح IV شروع کنید؛ اگر چهار تا شش عامل دارید، یک نیم‌کسر با وضوح IV یا V معمولاً قابل دستیابی و ترجیح داده می‌شود.

یک طرح عاملی کسری چه تفاوتی با طرح پلاکت-بورمن دارد؟

هر دو طرح‌های غربالگری برای عوامل زیاد با آزمایش‌های کم هستند، اما از اصول ساخت متفاوتی استفاده می‌کنند. طرح‌های عاملی کسری (2^(k-p)) بر اساس طرح‌های عاملی کامل دو سطحی هستند و ساختار درهم‌آمیختگی واضح و قابل تفسیری دارند. طرح‌های پلاکت-بورمن از ماتریس‌های هادامارد استفاده می‌کنند؛ آنها در اندازه آزمایش انعطاف‌پذیرتر هستند (هر مضربی از 4) اما ساختار درهم‌آمیختگی پیچیده‌تر و غیرسلسله‌مراتبی دارند که تفسیر اثرات متقابل دو عاملی را دشوارتر می‌کند.

پس از اینکه یک طرح عاملی کسری عوامل فعال را شناسایی کرد، چه کاری باید انجام دهم؟

یک طرح عاملی کسری یک طرح غربالگری است، نه یک طرح بهینه‌سازی. پس از شناسایی عوامل فعال، به یک فاز بعدی بروید: کسر اصلی را تا بزنید (fold-over) تا اثرات درهم‌آمیخته را تفکیک کنید، سپس از یک روش سطح پاسخ (طرح مرکب مرکزی یا باکس-بنکن) یا یک طرح عاملی کامل جدید تنها بر روی عوامل فعال برای مشخص کردن و بهینه‌سازی پاسخ استفاده کنید.

آیا می‌توانم از یک طرح عاملی کسری با بیش از دو سطح برای هر عامل استفاده کنم؟

بله. طرح‌های عاملی کسری سه سطحی (مثلاً طرح‌های 3^(k-p)) وجود دارند و زمانی که انحنا مشکوک است استفاده می‌شوند. با این حال، آنها به طور قابل توجهی به آزمایش‌های بیشتری نسبت به طرح‌های دو سطحی نیاز دارند. برای غربالگری اولیه، تقریباً همیشه از طرح‌های عاملی کسری دو سطحی استفاده می‌شود؛ طرح‌های سه سطحی یا با سطوح مختلط در فاز بهینه‌سازی رایج‌تر هستند.

روش‌های مرتبط

منابع

  1. Box, G. E. P., Hunter, J. S., & Hunter, W. G. (2005). Statistics for Experimenters: Design, Innovation, and Discovery (2nd ed.). Wiley-Interscience.

    شابک: 978-0471718130
    کپی شد.
  2. Finney, D. J. (1945). The fractional replication of factorial arrangements. Annals of Eugenics, 12(1), 291–301.

    باز کردن مرجع DOI
    کپی شد.