İçeriğe atla
Arama sonuçlarına dön

Kesirli Faktöriyel Deneyi — Kesirli Faktöriyel Deneysel Tasarım

Ortaya koyan
D. J. Finney (formal development); foundations in Ronald Fisher's factorial design work
Yıl
1945 (Finney); broader development 1950s–1970s by Box, Hunter
Tür
Quantitative experimental design
Aile
Experimental design

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Bir kesirli faktöriyel deneyi, tüm olası faktör-seviye kombinasyonlarının yalnızca dikkatlice seçilmiş bir kesrini test eden, kaynak açısından verimli bir deneysel tasarımdır.

Yüksek dereceli etkileşimlerin genellikle ihmal edilebilir olduğu ilkesinden yararlanarak, tam faktöriyel bir tasarımdan çok daha az deneme kullanarak k faktörün ana etkilerini ve düşük dereceli etkileşimlerini belirler — bu da onu endüstriyel ve mühendislik tarama deneylerinin temel taşı yapar.

Yöntemin mantığı

Her biri iki seviyede 7 faktörü incelemek istediğinizi varsayalım. Tam bir faktöriyel 128 deneme gerektirirdi — pratik olmayan ve pahalı. Kesirli bir faktöriyel, bu kombinasyonların stratejik olarak seçilmiş yarısını (veya çeyreğini) alır: 64 veya 32 deneme. Hile, atılan her denemenin pratikte neredeyse kesinlikle sıfır olan yüksek dereceli bir etkileşime karşılık gelmesidir. Deney maliyetinde dramatik bir azalma için bu olası olmayan etkileşimleri tahmin etme yeteneğini takas edersiniz, aynı zamanda en önemli etkileri yakalarsınız. Anahtar, hangi etkilerin birbiriyle karışmış (takma adlı) olduğunu tam olarak bilmektir, böylece sonuçları doğru bir şekilde yorumlayabilirsiniz.

Tarih

Kesirli faktöriyel tasarımlar, 1920'ler ve 1930'larda Ronald Fisher'ın faktöriyel deneyler üzerine temel çalışmalarından doğmuştur. D. J. Finney, 1945'te Annals of Eugenics dergisinde yayınlanan bir makalede kesirli tekrarlamayı resmi olarak tanıttı ve dikkatlice seçilmiş bir deneme alt kümesinin yüksek dereceli etkileşimlerden yalnızca ödün vererek ana etkileri tahmin edebileceğini gösterdi. George Box, J. Stuart Hunter ve William Hunter, 1978'de başlayan etkili ders kitabı serileri aracılığıyla metodolojiyi endüstriyel deneyler için popülerleştirdi ve sistematikleştirdi, günümüzde uygulayıcıların kullandığı temel kavramlar olarak çözünürlüğü ve takma adlandırmayı kurdu. Tasarımlar, Altı Sigma, Deney Tasarımı (DOE) eğitimi ve dünya çapında kalite mühendisliğinin temel taşı olmaya devam etmektedir.

Ne zaman kullanılır?

Genellikle beş veya daha fazla tarama faktörünüz olduğunda ve tam bir faktöriyel karşılayamadığınızda, kaynaklar (zaman, malzeme, maliyet) sınırlı olduğunda ve yüksek dereceli etkileşimlerin ihmal edilebilir olduğu varsayıldığında — çoğu fiziksel, kimyasal ve mühendislik ortamlarında makul bir varsayım — bir kesirli faktöriyel tasarım kullanın. Sıralı bir deney stratejisinin (tarama → optimize etme) standart ilk adımıdır. Tüm yüksek dereceli etkileşimleri tahmin etmeniz gerektiğinde (bunun yerine tam bir faktöriyel kullanın), dört veya beş faktörden azınız olduğunda (tam bir faktöriyel karşılanabilir), iki faktörlü etkileşimlerin takma adlandırılmasının takip denemeleri olmadan kabul edilemez olduğu durumlarda veya yanıt yüzeyinin ayrıntılı olarak karakterize edilmesi gerektiğinde (bunun yerine yanıt yüzeyi metodolojisi kullanın) KULLANMAYIN.

Sınırlar ve dikkat edilmesi gerekenler

  • Takma adlandırma, bazı etkilerin tek bir kesir içinde bağımsız olarak tahmin edilemeyeceği anlamına gelir; takma adları çözmek ek denemeler gerektirir.
  • Yüksek dereceli etkileşimlerin ihmal edilebilir olduğu varsayımı, biyolojik, sosyal veya karmaşık sistemlerde geçerli olmayabilir.
  • Jeneratörleri doğru bir şekilde belirtmek, çözünürlüğü kontrol etmek ve takma ad desenini yorumlamak için istatistiksel okuryazarlık gerektirir.
  • Çok az deneme ile (örneğin, 7 faktör için 8 denemelik Çözünürlük III tasarımı), yalnızca büyük etkileri tespit etmek için çok az güç vardır.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Tam bir faktöriyele kıyasla deney denemelerinin sayısını önemli ölçüde azaltır, zamandan ve kaynaklardan tasarruf sağlar.
  • Sistematik takma ad yapısı, araştırmacının hangi etkilerin karıştığını her zaman tam olarak bildiği anlamına gelir — gizli belirsizlikler yoktur.
  • Sıralı ve birleştirilebilir: takma adlı önemli etkileri çözmek için kesirler katlanabilir veya yeni kesirlerle birleştirilebilir.
  • İstatistiksel yazılımlarda (R, SAS, JMP, Minitab) yaygın olarak desteklenir ve literatürde kapsamlı bir şekilde belgelenmiştir.
  • Ortogonal tasarım yapısı, parametre tahminini basit ve istatistiksel olarak verimli hale getirir.

Uygulama alanları

  • Verimi veya saflığı en çok etkileyen az sayıda kimyasal veya farmasötik üretim sürec değişkenini taramak.
  • Sınırlı sayıda parselle bir büyüme mevsimi boyunca tarımsal tedavileri — gübre, sulama, böcek ilacı kombinasyonları — optimize etmek.
  • Sabit bir prototip bütçesi dahilinde malzeme, geometri ve proses parametrelerinin tümünün araştırılması gereken mühendislik ürün tasarımı çalışmaları.
  • Birçok özellik boyunca tam bir faktöriyel çalıştırmanın imkansız olduğu yazılım ve web deneyleri (özellik bayrakları, UI öğeleri).
  • Analitik kimya yöntemi geliştirme — deney performansını yönlendiren reagen konsantrasyonlarını, sıcaklıkları ve enstrüman ayarlarını belirlemek.
  • DMAIC veya Altı Sigma çerçevelerini kullanarak imalatta kalite iyileştirme projeleri.

Nasıl çalışır?

Nasıl çalışır?

1

İncelenecek tüm k faktörleri belirleyin ve seviyelerini ayarlayın (tipik olarak iki seviye — düşük ve yüksek — -1 ve +1 olarak kodlanır). Ölçülecek yanıt değişkenini (değişkenlerini) netleştirin. Beş veya altıdan fazla faktörle, genellikle bir kesirli tasarım warranted; dörtten azıyla, genellikle tam bir faktöriyel feasible.

2

p, kaç faktörün sütununun mevcut sütunlar çarpılarak oluşturulduğunu tanımladığı 2^(k-p) kesrini seçin. Yarım kesir (p=1) 2^(k-1) deneme kullanır; çeyrek kesir (p=2) 2^(k-2) deneme kullanır. Tasarımın çözünürlüğü (III, IV, V), hangi etkilerin takma adlı olduğunu belirler: Çözünürlük III, ana etkileri iki faktörlü etkileşimlerle karıştırır; Çözünürlük IV, iki faktörlü etkileşimleri kendi aralarında karıştırır; Çözünürlük V veya daha yüksek, ana etkileri ve iki faktörlü etkileşimleri birbirinden ayırır.

Formül
2^{k-p}
3

Önce taban k-p faktörlerinde tam bir faktöriyel yazarak, ardından seçilen jeneratöre(lere) göre mevcut sütunları çarparak ek p sütunlarını oluşturarak tasarım matrisini oluşturun. Takma ad yapısının (takma ad deseni) kabul edilebilir olduğunu doğrulamak için takma ad yapısını doğrulayın.

4

Sistematik zamanla ilgili yanlılıkları önlemek için deney denemelerini rastgele bir sırada gerçekleştirin. Parti, gün veya operatör gibi bir rahatsız edici faktör varsa engelleme uygulayın. Saf hatayı tahmin etmek için dahil edilen herhangi bir tekrarlanan veya merkez nokta denemesi dahil olmak üzere her deneme için ölçülen yanıtı kaydedin.

5

Adi en küçük kareler veya Yates algoritması kullanarak ana etkileri ve etkileşim etkilerini tahmin edin. Etki büyüklüklerini ve standart hatalarını hesaplayın. Aktif (gerçek) etkileri gürültüden ayırt etmek için etkilerin normal olasılık grafiğini, yarı normal grafiği veya Lenth yöntemini kullanın, özellikle doğrudan bir hata tahmini sağlamak için tekrarlanan denemeler olmadığında.

6

Her tahmin edilen etkiyi takma ad yapısı ışığında yorumlayın: anlamlı bir tahmin, adlandırılmış etkiyi, takma adını veya her ikisini yansıtabilir. Mevcut kesirden çözülemeyen etkileri çözmek için konu alanı bilgisini, takip onay denemelerini veya bir katlama (fold-over) tasarımını kullanın. Nelerin tahmin edilebilir olduğunu ve nelerin olmadığını değerlendirebilmeleri için okuyuculara çözünürlüğü ve takma ad desenini şeffaf bir şekilde bildirin.

Sık yapılan hatalar

  • İki faktörlü etkileşimlerin makul olduğu durumlarda çok düşük bir çözünürlük (örneğin, Çözünürlük III) seçmek — ana etki tahminleri bu etkileşimlerle yanlı hale gelir ve sonuçlar ciddi şekilde yanıltıcı olabilir.
  • Rastgeleleştirmeyi göz ardı etmek: tasarımı standart sırada çalıştırmak, takma ad yapısının ele almak için tasarlanmadığı zaman eğilimleriyle karışmaya neden olur.
  • Takma ad desenini yazıya dökmede bildirmemek, okuyucuların (veya hakemlerin) hangi etkilerin tahmin edilebilir olduğunu değerlendirmesini imkansız hale getirir.
  • Bir onay denemesi veya takip optimizasyon aşaması olmadan bir tarama sonucunu nihai olarak ele almak — kesirli faktöriyel tasarımlar doğası gereği ilk adımdır, son söz değil.

Sık sorulan sorular

Kesirli bir faktöriyel tasarımda 'çözünürlük' ne anlama gelir?

Çözünürlük, hangi etkilerin hangileriyle takma adlı (karışık) olduğunu açıklar. Çözünürlük III: ana etkiler iki faktörlü etkileşimlerle takma adlıdır — yalnızca iki faktörlü etkileşimlerin ihmal edilebilir olduğu bilindiğinde kullanılır. Çözünürlük IV: ana etkiler iki faktörlü etkileşimlerden temizdir, ancak iki faktörlü etkileşimler kendi aralarında takma adlıdır. Çözünürlük V veya daha yüksek: hem ana etkiler hem de iki faktörlü etkileşimler bağımsız olarak tahmin edilebilir — iki faktörlü etkileşimlerin makul olduğu durumlarda tercih edilir.

Yarım kesir ile çeyrek kesir arasında nasıl seçim yapmalıyım?

Yarım kesir (2^(k-1)) daha yüksek çözünürlüğü korur ancak deneme sayısını yalnızca yarıya indirir. Çeyrek kesir (2^(k-2)) daha küçüktür ancak tipik olarak daha düşük çözünürlüğe sahiptir, bu da takma ad sorununu artırır. Yedi veya daha fazla faktörünüz varsa ve kaynaklar çok kısıtlıysa, Çözünürlük IV çeyrek kesirle başlayın; dört ila altı faktörünüz varsa, Çözünürlük IV veya V'te yarım kesir genellikle elde edilebilir ve tercih edilir.

Kesirli bir faktöriyel tasarım Plackett-Burman tasarımından nasıl farklıdır?

Her ikisi de az denemede çok sayıda faktör için tarama tasarımlarıdır, ancak farklı inşa prensipleri kullanırlar. Kesirli faktöriyel tasarımlar (2^(k-p)), iki seviyeli tam faktöriyelere dayanır ve açık, yorumlanabilir bir takma ad yapısına sahiptir. Plackett-Burman tasarımları Hadamard matrislerini kullanır; deneme boyutunda daha esnektirler (4'ün herhangi bir katı), ancak iki faktörlü etkileşimlerin yorumlanmasını zorlaştıran daha karmaşık, hiyerarşik olmayan bir takma ad yapısına sahiptirler.

Kesirli bir faktöriyel aktif faktörleri belirledikten sonra ne yapmalıyım?

Kesirli bir faktöriyel tarama tasarımıdır, optimizasyon tasarımı değildir. Aktif faktörler belirlendikten sonra, bir takip aşamasına geçin: takma adlı etkileri çözmek için orijinal kesri katlayın, ardından yalnızca aktif faktörler üzerinde yanıt yüzeyi yöntemini (merkezi kompozit tasarımı veya Box-Behnken) veya yeni bir tam faktöriyeli kullanarak yanıtı karakterize edin ve optimize edin.

Bir kesirli faktöriyel, faktör başına ikiden fazla seviyeyle kullanılabilir mi?

Evet. Üç seviyeli kesirli faktöriyel tasarımlar (örneğin, 3^(k-p) tasarımları) mevcuttur ve eğriliğin şüphelenildiği durumlarda kullanılır. Ancak, iki seviyeli tasarımlardan önemli ölçüde daha fazla deneme gerektirirler. İlk tarama için, iki seviyeli kesirli faktöriyel tasarımlar neredeyse her zaman kullanılır; üç seviyeli veya karışık seviyeli tasarımlar optimizasyon aşamasında daha yaygındır.

İlgili yöntemler

Kaynaklar

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

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

    DOI kaynağını aç
    Kopyalandı.