Skip to content
Torna ai risultati

Esperimento Fattoriale Completo Bloccato

Introdotto da
R. A. Fisher (blocking principle); full factorial DOE tradition
Anno
1935 (Fisher); systematized through 20th-century DOE literature
Tipo
Experimental design
Famiglia
Experimental design

Questo testo è una traduzione automatica e non è ancora stato revisionato. Leggi l’originale in inglese

Dimensione del carattere

A cosa serve?

Un esperimento fattoriale completo bloccato testa ogni combinazione di tutti i livelli dei fattori, raggruppando le esecuzioni sperimentali in blocchi omogenei per isolare una variabile di disturbo nota.

Questo disegno preserva la potenza per rilevare tutti gli effetti principali e le interazioni dei fattori di interesse, impedendo al contempo che la variabilità lotto-lotto, giorno-giorno o macchina-macchina inflazioni l'errore sperimentale.

L’intuizione alla base del metodo

Immagina di testare tre tipi di fertilizzanti a due dosi su quattro campi diversi. I campi variano per qualità del suolo, che non puoi controllare ma puoi tenere in considerazione. Un disegno fattoriale completo bloccato esegue tutte le sei combinazioni fertilizzante-dose all'interno di ciascun campo (blocco), in modo che le differenze campo-campo siano separate dagli effetti del trattamento. All'interno di ciascun blocco le esecuzioni sono randomizzate. Il risultato: vedi il quadro completo di come tipo di fertilizzante e dose interagiscono senza che tale quadro sia offuscato dall'eterogeneità del suolo. Il bloccaggio acquista precisione; la copertura fattoriale completa acquista completezza.

Storia

Il bloccaggio come metodo per controllare la variazione di disturbo è stato formalizzato da R. A. Fisher presso la Rothamsted Experimental Station e descritto in The Design of Experiments (1935), motivato da prove agricole. Il principio del fattoriale completo è stato sviluppato parallelamente all'analisi della varianza nello stesso periodo. L'integrazione del bloccaggio con la struttura fattoriale completa è diventata una pratica standard di DOE attraverso il lavoro influente di Box, Hunter e Hunter in Statistics for Experimenters (1978) e Design and Analysis of Experiments di Douglas Montgomery, pubblicato per la prima volta nel 1976 e ora alla sua nona edizione.

Quando usarlo

Utilizzare un esperimento fattoriale completo bloccato quando è necessario stimare tutti gli effetti principali e ogni interazione tra un insieme gestibile di fattori E una variabile di disturbo nota (lotto, giorno, operatore, unità di attrezzatura) minaccia di aumentare l'errore se ignorata. È appropriato quando il numero di fattori è sufficientemente piccolo (tipicamente k = 2-4 fattori a 2-3 livelli) che l'esecuzione di tutte le combinazioni è fattibile e il disturbo può essere raggruppato in blocchi discreti omogenei. NON usarlo quando il numero totale di esecuzioni richieste supera la capacità pratica — preferire invece un disegno fattoriale frazionario o di superficie di risposta. NON bloccare quando non è possibile identificare una variabile di disturbo significativa, poiché il bloccaggio non necessario spreca gradi di libertà.

Limiti e considerazioni

  • Il numero di esecuzioni è uguale a (numero di blocchi) moltiplicato per (tutte le combinazioni fattore-livello), che diventa molto grande per più di tre o quattro fattori o tre livelli.
  • Richiede una variabile di disturbo nota e raggruppabile; se non esiste tale variabile, il bloccaggio non offre alcun beneficio e spreca gradi di libertà.
  • Presuppone che le interazioni blocco-trattamento siano trascurabili; se i trattamenti rispondono diversamente tra i blocchi, il modello additivo è mal specificato.
  • Non applicabile quando la dimensione del blocco non può ospitare una replica completa di tutte le combinazioni di trattamento — è necessario invece un disegno a blocchi incompleti.

Le condizioni della fonte non sostituiscono una revisione scientifica indipendente né la validazione da parte di un motore di analisi.

Punti di forza

  • Fornisce stime non confuse di tutti gli effetti principali e di ogni interazione tra i fattori studiati.
  • Il bloccaggio rimuove una fonte di disturbo nota, riducendo l'errore sperimentale e aumentando la potenza statistica senza richiedere repliche di trattamento aggiuntive.
  • Produce le informazioni più complete sugli effetti dei fattori all'interno del set di fattori scelto — nessuna confusione tra effetti principali o interazioni.
  • I risultati sono direttamente interpretabili tramite tabelle ANOVA standard e grafici di interazione una volta che gli effetti del blocco sono stati separati.
  • Supportato da software statistici standard (R, SAS, Minitab, JMP) con routine di analisi ben consolidate.

Applicazioni

  • Ingegneria manifatturiera e di processo: studio di come temperatura, pressione e concentrazione del catalizzatore influenzano la resa del prodotto in diversi lotti di produzione come blocchi.
  • Ricerca agricola: valutazione di tutte le combinazioni di livello di irrigazione e tipo di fertilizzante in campi con caratteristiche del suolo diverse utilizzate come blocchi.
  • Sviluppo farmaceutico: test di fattori di formulazione come pH e tipo di eccipiente con giorno di produzione o analista di laboratorio come variabile di bloccaggio.
  • Scienza alimentare: valutazione degli effetti delle combinazioni di ingredienti sui profili di sapore in sessioni di panel sensoriali che fungono da blocchi.
  • Ricerca comportamentale ed educativa: indagine su combinazioni di metodi di insegnamento in coorti scolastiche o periodi di tempo bloccando sulla coorte.
  • Miglioramento della qualità: identificazione di quali impostazioni della macchina controllano i tassi di difetto quando gli esperimenti devono essere distribuiti su più turni di lavoro o operatori.

Come funziona

Come funziona

1

Identificare tutti i fattori sperimentali e i loro livelli. In un disegno fattoriale completo ogni combinazione fattore-livello è inclusa: per k fattori ciascuno a due livelli ciò produce 2^k combinazioni di trattamento. Con più livelli o fattori il numero di esecuzioni cresce rapidamente, quindi la fattibilità delle risorse deve essere confermata prima di impegnarsi in una struttura fattoriale completa.

2

Identificare una o più fonti di disturbo — lotti temporali, operatori, macchine, giorni o lotti di materie prime — che introducono una variazione sistematica ma incontrollabile. Queste diventano la variabile di bloccaggio. Ogni blocco dovrebbe essere internamente omogeneo e il numero di esecuzioni per blocco deve ospitare una replica completa di tutte le combinazioni di trattamento.

3

All'interno di ciascun blocco, assegnare casualmente l'insieme completo delle combinazioni di trattamento alle unità sperimentali. La randomizzazione all'interno dei blocchi protegge da tendenze sconosciute all'interno del blocco; il bloccaggio stesso rimuove le differenze note tra i blocchi. Se la dimensione del blocco non può ospitare tutte le combinazioni di trattamento, è necessaria un'estensione a blocchi incompleti.

4

Eseguire l'esperimento rigorosamente secondo il piano di randomizzazione bloccato. Registrare tutte le risposte come pianificato e documentare eventuali deviazioni, modifiche alle attrezzature o anomalie ambientali. Mantenere la fedeltà del protocollo all'interno di ciascun blocco è fondamentale per preservare la separazione prevista tra gli effetti del trattamento e del blocco.

5

Adattare un modello lineare che includa il fattore di bloccaggio come termine additivo accanto a tutti gli effetti principali fattoriali e alle interazioni: Y = mu + blocco + A + B + AB + ... + errore. Il termine di blocco assorbe la varianza tra i blocchi, riducendo l'errore residuo e aumentando la precisione delle stime degli effetti fattoriali. Le tabelle ANOVA vengono quindi esaminate per effetti principali e interazioni significativi.

6

Riportare gli effetti fattoriali stimati e i grafici di interazione con gli effetti di bloccaggio rimossi. Valutare la significatività pratica e statistica degli effetti principali e delle interazioni. Verificare le assunzioni del modello — normalità dei residui e varianza costante all'interno dei blocchi. Riportare in modo trasparente la struttura del blocco in modo che i lettori comprendano quale disturbo è stato controllato.

Errori comuni

  • Omettere il termine di blocco dal modello di analisi: analizzare un disegno bloccato come completamente randomizzato scarta la riduzione della varianza ottenuta dal bloccaggio e aumenta l'errore, riducendo la potenza.
  • Trattare la variabile di bloccaggio come un fattore di interesse scientifico: i blocchi sono controlli di disturbo, non fattori di trattamento; classificarli erroneamente distorce gli obiettivi dello studio e l'allocazione dei gradi di libertà.
  • Mancanza di randomizzazione delle esecuzioni all'interno dei blocchi: senza randomizzazione all'interno del blocco, le tendenze temporali o gli effetti di apprendimento dell'operatore contaminano i confronti dei trattamenti.
  • Disallineamento della dimensione del blocco: se ogni blocco non può ospitare una replica completa di tutte le combinazioni di trattamento, le assunzioni di analisi standard vengono violate — utilizzare invece un disegno a blocchi incompleti bilanciato.
  • Proliferazione dei fattori: l'aggiunta di più fattori moltiplica rapidamente le esecuzioni richieste; oltre quattro o cinque fattori, un disegno fattoriale frazionario o di screening è quasi sempre la scelta pratica.

Domande frequenti

Qual è la differenza tra un disegno fattoriale completo bloccato e un disegno a blocchi casuali completi (RCBD)?

Un RCBD testa tipicamente un singolo set di trattamenti (un fattore) all'interno di ciascun blocco. Un disegno fattoriale completo bloccato testa tutte le combinazioni di due o più fattori all'interno di ciascun blocco, consentendo la stima delle interazioni. L'RCBD è un caso speciale a fattore singolo; il fattoriale completo bloccato lo generalizza a più fattori con stima completa delle interazioni.

Posso avere più di una variabile di bloccaggio?

Sì. I disegni con due variabili di bloccaggio (ad esempio, righe e colonne) sono chiamati estensioni riga-colonna o quadrati latini. Tuttavia, l'aggiunta di fattori di bloccaggio vincola ulteriormente l'assegnazione e l'assunzione di nessuna interazione blocco-blocco-trattamento diventa più esigente. Consultare uno specialista di DOE quando si utilizzano più variabili di bloccaggio.

Cosa succede se la dimensione del mio blocco è inferiore al numero di combinazioni di trattamento?

L'analisi standard del fattoriale completo bloccato richiede che ogni blocco contenga esattamente una replica completa di tutte le combinazioni di trattamento. Se i blocchi sono più piccoli, è necessario un disegno a blocchi incompleti — come un disegno a blocchi incompleti bilanciato (BIBD) — in cui non ogni trattamento appare in ogni blocco ma viene mantenuto un equilibrio generale.

Dovrei includere un'interazione blocco-trattamento nel mio modello?

Di default, no. L'assunzione standard è che gli effetti del blocco siano puramente additivi. Includere interazioni blocco-trattamento consuma gradi di libertà ed è solitamente ingiustificato. Se si sospettano genuinamente tali interazioni, considerare un modello a effetti misti che tratti i blocchi come casuali piuttosto che fissi.

Il mio numero di fattori è cinque o più — dovrei comunque usare un fattoriale completo con bloccaggio?

Quasi certamente no. Un fattoriale completo 2^5 richiede 32 esecuzioni per blocco, moltiplicate per il numero di blocchi. Questo è solitamente proibitivamente costoso. Una strategia molto più pratica è un disegno fattoriale frazionario o di screening Plackett-Burman seguito da un fattoriale completo mirato sui fattori chiave.

Metodi correlati

Fonti

  1. Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.

    ISBN: 978-1119113478
    Copiato.
  2. Fisher, R. A. (1935). The Design of Experiments. Oliver and Boyd.

    Apri il riferimento della pubblicazione
    Copiato.