In Bezug auf die 2k-p-Teilfaktor-Designs (n = 4, 8, 16, 32 usw.) und Plackett-Burman-Designs, die keine Potenz von 2 sind (z. B. n = 12, 20, 24 usw.).
A. Was ist an diesen beiden Arten von Designs ähnlich, insbesondere hinsichtlich ihrer Gleichgewichts- und Orthogonalitätseigenschaften?
B. Was ist der Hauptunterschied zwischen diesen beiden Arten von Designs, insbesondere im Hinblick auf die Wechselwirkungen zwischen zwei Faktoren?
Folgendes ist mir bekannt:
Der fraktionierte faktorielle 2k-p-Entwurf ist nur dann sinnvoll, wenn wir sicher sein können, dass die wechselseitigen Wechselwirkungen nicht wichtig sind. Wenn dies der Fall ist, werden wir Resolution III-Designs als sehr nützlich und effizient empfinden.
Plackett-Burman-Designs gibt es für N = 12, 20, 24, 28, 36, 40, 44, 48, ... jede Zahl, die durch vier teilbar ist. Diese Designs ähneln Resolution III-Designs, was bedeutet, dass wir die Haupteffekte unabhängig von anderen Haupteffekten abschätzen können. Die Haupteffekte unterscheiden sich voneinander, sie sind jedoch mit anderen höheren Wechselwirkungen verwechselt.
Wenn wir einen 2k-p-Entwurf haben, haben wir eine Alias-Struktur, die einige Faktoren mit anderen Faktoren verwechselt.
Plackett-Burman-Designs weisen bei den 2-Wege- und 3-Wege-Wechselwirkungen und höheren Wechselwirkungen eine teilweise, aber keine vollständige Verwechslung auf. Obwohl sie die Eigenschaft haben, dass einige Effekte orthogonal sind, haben sie nicht die gleiche Struktur, die eine vollständige oder orthogonale Korrelation mit den anderen Wechselwirkungen in zwei Richtungen und höherer Ordnung ermöglicht.
Jeder Rat wird sehr geschätzt.
Ich würde auf jeden Fall empfehlen, das Kunden-DOE-Tool in JMP zu verwenden und ein optimales DOE im Vergleich zu einer gebrochenfaktoriellen Berechnung oder einem Plackett-Burman zu erstellen.Es gibt viele Vorteile, darunter eine Reduzierung der Faktorverwirrung und Flexibilität beim DOE-Design.Sie können das Experiment entwerfen, das Sie benötigen, anstatt sich auf ein „klassisches“ Design beschränken zu müssen.
JMP unterstützt diese älteren Entwurfsmethoden, fördert sie jedoch nicht. Der regelmäßige fraktionelle faktorielle Designs wurden in den 1930er Jahren entwickelt unregelmäßige fraktionierte faktorielle Designs nach der Plackett-Burman-Methode wurde 1946 veröffentlicht. Der Zweck dieser Entwürfe bestand darin, die Analyse wirtschaftlicher Experimente zu unterstützen, wenn die Screening-Prinzipien gelten. Diese Designs unterstützen keine breitere Klasse von Experimenten. Auch diese älteren Methoden basierten auf der damals besten Technologie Handberechnung des Designs und der Modellschätzungen. Heute nutzen wir die beste verfügbare Technologie: Computeralgorithmen für optimale Lösungen.
Mein Rat ist, zu lernen, benutzerdefiniertes Design in JMP im Allgemeinen für eine breite Klasse von Experimenten zu verwenden, und zu lernen, definitive Screening-Designs insbesondere für Screening-Experimente zu verwenden.
Ihre Fragen zu den älteren Entwurfsmethoden sind gut. Allerdings würde die Beantwortung aller Ihrer Fragen sehr lange dauern, und eine solche Antwort würde zweifellos noch viel mehr Fragen aufwerfen. Ich schlage vor, dass Sie anstelle einer solchen Diskussion eines dieser Bücher lesen:
- Peter Goos und Bradley Jones (2011)“ Optimale Versuchsplanung: Ein Fallstudienansatz ,“ John Wiley & Sons (für einen modernen Designansatz)
- Douglas Montgomery (2019)“ Design und Analyse von Experimenten, 9. Auflage ,“ John Wiley & Sons (für eine umfassende Berichterstattung über klassische Designmethoden)
- Heath Rushing, Andrew Karl und James Wisnowski (2013)“ Design und Analyse von Experimenten von Douglas Montgomery: Eine Ergänzung zur Verwendung von JMP , SAS Press (HINWEIS: Sie benötigen Montgomerys Buch (oben), da dies nur das Begleitbuch ist, aber sehr nützlich)
- Robert Mee (2009)“ Ein umfassender Leitfaden zum faktoriellen zweistufigen Experimentieren ,“ Springer (für eine hervorragende Abdeckung der regelmäßigen und unregelmäßigen fraktionellen Faktor-Designs)
Es gibt viele gute Lehrbücher zur statistischen Versuchsplanung, die diese Themen behandeln. Diese Vorschläge sind nur einige davon.
