2^(k-p) Kesirli Faktöriyel Tasarımı
2^(k-p) Fractional Factorial Design · Ayrıca şöyle bilinir: 2^k-p design, fractional factorial, screening design, Kesirli Faktöriyel Desen (2^k-p Fractional Factorial)
Kesirli faktöriyel tasarımı, tam 2^k faktöriyel deneyin yalnızca dikkatlice seçilmiş 1/2^p kesrini çalıştırarak k faktörü araştıran ekonomik bir deneysel stratejidir. George E. P. Box ve J. Stuart Hunter tarafından 1961 tarihli dönüm noktası niteliğindeki Technometrics makalelerinde resmileştirilen bu tasarım, tam bir faktöriyelün gerektireceğinden çok daha az deneme ile çok sayıda faktörü taramak için, genellikle yüksek dereceli etkileşimlerin ihmal edilebilir olduğu varsayımından yararlanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Çok sayıda faktörünüz olduğunda (tipik olarak beş veya daha fazla) ve kaynaklar tam faktöriyelün yalnızca bir kesrine izin verdiğinde bir kesirli faktöriyel tasarımı kullanın. Kritik varsayım, etkilerin seyrekliği ilkesidir: daha yüksek dereceli etkileşimler (üç faktörlü ve üstü) ihmal edilebilir. Çözünürlük III tasarımları için, ana etkiler iki faktörlü etkileşimlerden bağımsız olarak yorumlanabilir olmalıdır. Yanıt sürekli ve yaklaşık olarak normal dağılımlı olmalı ve hata varyansı denemeler boyunca homojen olmalıdır. Minimum sekiz deneme gereklidir; daha fazla deneme çözünürlüğü ve bağımsız etkileri tahmin etme yeteneğini artırır.
Güçlü yönler & sınırlılıklar
- Tam bir faktöriyele kıyasla deneysel deneme sayısını önemli ölçüde azaltır, bu da büyük tarama çalışmalarını mümkün kılar.
- Takma adlandırma yapısı, tanımlayıcı ilişki aracılığıyla tam olarak bilinir, bu nedenle deneyci yalnızca ihmal edilebilir etkileri karıştıran bir tasarım seçebilir.
- Doğrudan genişletilebilir: bir tarama kesirinde tanımlanan önemli faktörler, takma adları çözen artırılmış tasarımlarla (örneğin, katlama, yanıt yüzeyi) takip edilebilir.
- Bilinen güç ve güven aralığı formülleriyle klasik istatistiksel teori tarafından iyi desteklenir.
- Takma adlandırma, anlamlı bir etkinin ek denemeler veya ön bilgi olmadan tek bir kaynaktan belirsiz bir şekilde atfedilemeyeceği anlamına gelir.
- Etkileşimlerin doğası gereği önemli olduğu sistemlerde etkilerin seyrekliği varsayımı başarısız olabilir.
- Çok az deneme ile (örneğin, 8 denemede Çözünürlük III), merkez noktaları veya tekrar denemeleri eklenmedikçe saf hata için serbestlik derecesi yoktur.
- Temel 2^(k-p) biçiminde faktör seviyeleri her faktör için tam olarak iki seviyede ayarlanmalıdır; faktör ayarlarının nicel optimizasyonu, sonraki bir yanıt yüzeyi çalışması gerektirir.
SSS
Tasarımım için çözünürlüğü nasıl seçerim?
Çözünürlük III, yalnızca en aktif ana etkileri belirlemeniz gerektiğinde ve tüm iki faktörlü etkileşimlerin ihmal edilebilir olduğunu varsaymaya istekli olduğunuzda yeterlidir. Çözünürlük IV, ana etkileri iki faktörlü takma adlardan temiz tutar — çoğu tarama çalışması için daha güvenli bir seçimdir. Çözünürlük V ayrıca, daha fazla deneme maliyetiyle, iki faktörlü etkileşimleri bağımsız olarak tahmin etmenizi sağlar. Uygulamanız için bilimsel olarak haklı çıkarılabilen en düşük çözünürlüğü seçin.
Tanımlayıcı ilişki nedir ve neden önemlidir?
Tanımlayıcı ilişki, üreteç seçiminizi ima eden tüm takma ad etkileşim zincirlerinin tam kümesidir. Örneğin, I = ABCDE üretecini seçmek, A ana etkisinin BCDE ile takma ad aldığını gösterir. Deneyi çalıştırmadan önce tüm takma ad zincirlerini yazmalı ve önemli etkilerin birbiriyle karışmadığını doğrulamalısınız; eğer karışıyorlarsa, farklı bir üreteç kümesine veya daha yüksek çözünürlüklü bir tasarıma geçin.
Kesirli bir faktöriyeli daha fazla deneme ile takip edebilir miyim?
Evet — bu standart stratejidir. Bir katlama, ayna görüntüsü kesrini ekleyerek bir Çözünürlük III tasarımını artırır, tüm ana etkileri iki faktörlü etkileşimlerden ayırır ve bir Çözünürlük IV tasarımı elde eder. Bir Çözünürlük IV tasarımının katlanması, takma adlandırılmış iki faktörlü çiftleri ayırır. Alternatif olarak, eksenel ve merkez noktaları eklemek, kesri yanıt yüzeyi modellemesi için uygun bir merkezi kompozit tasarıma dönüştürür.
Sekizden az deneysel birimim varsa ne olur?
Sekiz denemenin altında bir 2^(k-p) tasarımı, birkaç faktörden fazlası için Çözünürlük III'ü bile koruyamaz. Bu durumda, üç seviyeli faktörleri ve gürültü faktörlerini barındırabilen Taguchi ortogonal dizilerini düşünün veya faktör sayısını önemlerine dair güçlü ön kanıtları olanlara indirin.
Kaynaklar
- Box, G.E.P. & Hunter, J.S. (1961). The 2^(k-p) Fractional Factorial Designs. Technometrics, 3(3), 311–351. link ↗
- Montgomery, D.C. (2017). Design and Analysis of Experiments (9th ed.). Wiley. ISBN: 978-1119492443
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). 2^(k-p) Fractional Factorial Design. ScholarGate. https://scholargate.app/tr/experimental-design/fractional-factorial
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Tamamen Rastgele Deneme Tasarımı (CRD)Deney tasarımı↔ karşılaştır
- Latin Kare ve Greko-Latin Kare TasarımıDeney tasarımı↔ karşılaştır
- Tek yönlü Varyans Analiziİstatistik↔ karşılaştır
- Yanıt Yüzey Metodolojisi (RSM)Deney tasarımı↔ karşılaştır
- Bölünmüş Parsel Deneysel TasarımıDeney tasarımı↔ karşılaştır
- Taguchi Yöntemi (Ortogonal Diziler, Sinyal-Gürültü Oranı)Deney tasarımı↔ karşılaştır
- İki Yönlü Varyans Analizi (İki Yönlü ANOVA)İstatistik↔ karşılaştır