Kesirli Faktöriyel Tasarımla Duyarlılık Analizi
Sensitivity Analysis Using Fractional Factorial Experimental Design · Ayrıca şöyle bilinir: FFD sensitivity analysis, fractional factorial sensitivity screening, SA-FFD, screening design sensitivity analysis
Kesirli faktöriyel tasarımla duyarlılık analizi (SA-FFD), bir sistemin çıktısını en güçlü şekilde etkileyen girdi değişkenlerini belirlemek için tüm olası faktör kombinasyonlarının dikkatle seçilmiş bir kısmını kullanan deneysel bir eleme yöntemidir. Tam bir 2^k faktöriyel yerine sadece 2^(k-p) deney yaparak, birçok faktör mevcut olduğunda duyarlılık sıralamasını uygulanabilir kılar. Bu yaklaşım mühendislik, ürün geliştirme, simülasyon modelleme ve süreç optimizasyonunda yaygın olarak kullanılmaktadır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Birçok (genellikle 5-30) aday girdi faktörünüz olduğunda ve tam optimizasyona yatırım yapmadan önce çıktı varyasyonunu yönlendiren hayati birkaç faktörü belirlemeniz gerektiğinde SA-FFD kullanın. Özellikle mühendislik tasarımı, süreç mühendisliği, simülasyon modeli kalibrasyonu ve tam faktöriyel deneylerin çok pahalı olduğu kalite mühendisliğinde uygundur. Birçok faktör arasındaki etkileşim etkilerinin ana etkiler kadar önemli olması beklendiğinde ve tasarım çözünürlüğünün bunları umutsuzca karıştıracağı durumlarda bundan kaçının - bu durumda, daha yüksek çözünürlüklü veya tam faktöriyel bir tasarım kullanın. Ayrıca faktör seviyeleri sürekli olduğunda ve yanıt güçlü bir şekilde doğrusal olmadığında SA-FFD'den kaçının; bu durumda optimizasyon için yanıt yüzeyi metodolojisi veya uzay doldurma tasarımları daha uygundur.
Güçlü yönler & sınırlılıklar
- Birçok faktörü elemek için gereken deneysel deneme sayısını önemli ölçüde azaltır - bir 2^(10-4) tasarımı, 10 faktörü 1.024 yerine sadece 64 denemede eler.
- Mühendislere ve karar vericilere iletilmesi kolay, faktör öneminin ilkeli, nicel bir sıralamasını sağlar.
- Tasarımlar ortogonaldir, ana etki tahminlerinin seçilen çözünürlükte ilişkisiz ve belirsiz olmamasını sağlar.
- Takip eden optimizasyona doğrudan katkıda bulunur: duyarsız olarak tanımlanan faktörler sabitlenebilir, optimizasyon alanını daraltır.
- Ticari yazılımlar (JMP, Minitab, Design-Expert) ve açık kaynaklı araçlar (R paketi FrF2, Python pyDOE) tarafından iyi desteklenir.
- Daha düşük çözünürlüklü tasarımlar (III veya IV), bazı etkileşim etkilerini ana etkilerle veya birbiriyle karıştırır, bu nedenle etkileşim tahminleri yanlı olabilir.
- Doğrusal (veya en fazla doğrusal-artı-etkileşim) bir model varsayar; yanıt yüzeyindeki belirgin eğrilik, merkez noktaları eklemeden veya bir yanıt yüzeyi tasarımına yükseltmeden yakalanamaz.
- Faktör seviyelerinin belirlenmesini ve belirtilen değerlerde tutulmasını gerektirir, bu da hassas bir şekilde kontrol edilmesi zor faktörler için mümkün olmayabilir.
- Duyarlılık sıralamaları seçilen faktör aralıklarına özgüdür; bu aralıkların değiştirilmesi hangi faktörlerin önemli göründüğünü değiştirebilir.
SSS
Kesirli faktöriyel tasarımımın çözünürlüğünü nasıl seçerim?
Çözünürlük, hangi etkilerin karıştırıldığını belirler. Etkileşimlerin ihmal edilebilir olduğu varsayıldığında ana etkileri elemek için minimum Çözünürlük III'tür; Çözünürlük IV, ana etkilerin iki faktörlü etkileşimlerle karıştırılmamasını sağlar, ancak iki faktörlü etkileşimler birbiriyle karıştırılır; Çözünürlük V, tüm ana etkilerin ve iki faktörlü etkileşimlerin temiz bir şekilde tahmin edilmesine izin verir. Pratik bir kural olarak, bazı etkileşimlerin önemli olabileceğinden şüpheleniyorsanız en az Çözünürlük IV kullanın ve bütçe izin veriyorsa ve etkileşimler çalışma hedefleri için kritikse Çözünürlük V kullanın.
SA-FFD ile Plackett-Burman tasarımı arasındaki fark nedir?
Her ikisi de birçok faktör için eleme tasarımlarıdır, ancak yapıları farklıdır. Kesirli faktöriyel tasarımlar, tasarım üreteçleri tarafından tanımlanan açık takma adlandırma yapısına sahip 2^(k-p) tasarımlardır, bu da hangi etkilerin karıştırıldığını anlamayı kolaylaştırır. Plackett-Burman tasarımları, k faktörü k+1 denemede (k+1 dördün katı olduğunda) eleyebilen, daha fazla verimlilik sağlayan ancak birçok ana etki tahminine yayılmış karmaşık, kısmi etkileşim takma adlandırmasına sahip geometrik olmayan tasarımlardır - bu da etkileşim teşhisini zorlaştırır. Etkileşim yapısının anlaşılması gerektiğinde FFD tercih edilir; Plackett-Burman, birçok faktörle çok agresif eleme için tercih edilir.
SA-FFD'yi bir bilgisayar simülasyon modeline uygulayabilir miyim?
Evet, ve bu en yaygın uygulamalardan biridir. Bilgisayar deneylerinde ölçüm gürültüsü yoktur, bu nedenle kesirli bir faktöriyelden elde edilen etki tahminleri (model doğrusallık varsayımlarına kadar) tekrarlamaya gerek kalmadan kesindir. Ancak, simülasyon stokastik ise, faktör etkilerini simülasyon varyansından ayırmak için her tasarım noktasını birden fazla rastgele tohumda tekrarlayın. Yanıt yüzeyi oldukça doğrusal değilse, merkez noktaları eklemeyi veya uzay doldurma tasarımına geçmeyi düşünün.
FFD'den elde edilen duyarlılık indeksi Sobol indeksleriyle nasıl ilişkilidir?
FFD duyarlılık sıralamaları (ana etki büyüklüklerine dayanarak), birinci dereceden Sobol duyarlılık indekslerine benzerdir - her ikisi de her faktörün çıktı varyansını bireysel olarak ne kadar açıkladığını nicel olarak belirler. Ancak, Sobol indeksleri tüm faktör alanı üzerindeki varyans ayrışmasından türetilir ve doğrusal olmayan ve monoton olmayan yanıtları ele alır; FFD etkileri test edilen aralık içinde doğrusallık varsayar. SA-FFD hesaplama açısından çok daha ucuzdur ve eleme için yeterlidir, oysa Sobol analizi, ana faktörler belirlendikten sonra ayrıntılı küresel duyarlılık analizi için tercih edilir.
Ne kadar örneklem büyüklüğüne ihtiyacım var?
Deneme sayısı, geleneksel bir güç hesaplamasıyla değil, tasarımla belirlenir. İki seviyeli k faktör için, yaygın kesirler 2^(k-p)'dir: örneğin, 5-8 faktör için 16 deneme (Çözünürlük IV veya V), 6-10 faktör için 32 deneme, 10-15 faktör için 64 deneme. Tasarım başına 3-5 merkez noktası eklemek, deneme sayısını büyük ölçüde artırmadan eğrilik tespitine olanak tanır. Bütçe izin veriyorsa, anlamlılık testi için bağımsız bir hata tahmini elde etmek üzere tekrarlanan merkez noktaları ekleyin.
Kaynaklar
- 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
- Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D., Saisana, M., & Tarantola, S. (2008). Global Sensitivity Analysis: The Primer. Wiley. ISBN: 978-0470059975
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Sensitivity Analysis Using Fractional Factorial Experimental Design. ScholarGate. https://scholargate.app/tr/experimental-design/sensitivity-analysis-with-fractional-factorial-design
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Yanıt Yüzey Metodolojisi (RSM)Deney tasarımı↔ karşılaştır