sejumlah percobaan,
Putuskan bersama efek mana yang akan dibedakan.

Alat ini DOE jalankan generator tabel untuk faktor numerikItu benar. Setelah tujuan dan rentang faktor ditentukan, jumlah eksperimen untuk beberapa desain dibandingkan, dan kondisi aktual, nilai pengkodean, dan urutan eksekusi acak dihasilkan. Efek yang tidak dapat dibedakan secara statistik ditunjukkan oleh tumpang tindih dan peringkat model. Tabel yang dibuat merupakan rencana sebelum mengukur nilai respon, dan bukan merupakan hasil penentuan signifikansi atau kondisi optimal.

Jika ini pertama kalinya Anda: Latihan Helikopter Kertas

Dari daftar contoh Latihan · Helikopter kertasSilakan pilih. Rencananya pengukuran waktu terbang dilakukan dengan mengubah tiga kondisi: panjang sayap, lebar sayap, dan panjang badan. Buat total 11 kombinasi 8 kombinasi batas bawah dan atas setiap kondisi dan 3 kondisi perantara. Jatuhkan mereka dari ketinggian dan metode yang sama, dan catat waktu dalam Y untuk setiap baris. Ruang lingkup ini hanya untuk tujuan latihan dan dapat diubah ke ukuran produksi sebenarnya.

faktoradalah kondisi untuk berubah, tingkatadalah nilai untuk dimasukkan ke dalam kondisi itu, Nilai respons Yadalah hasil yang diukur setelah percobaan. Titik tengahadalah eksperimen yang semua kondisinya ditetapkan pada titik tengah, urutan acakadalah mencampurkan perintah eksekusi sehingga perubahan seiring waktu tidak terbatas pada kondisi tertentu. Setelah membuat rencana, diperlukan eksperimen aktual dan analisis hasil.

Urutan Tindakan yang Direkomendasikan

1. Pilih Tujuan: Pilih antara menemukan faktor-faktor yang berpengaruh, menentukan pengaruh penggabungan dua kondisi, atau bereksperimen untuk menemukan faktor yang baik.
2. Masukkan nama faktor, satuan, batas bawah, batas atas: Tetapkan cakupan yang benar-benar layak. Versi ini mendukung faktor numerik 2 hingga 12. Titik tengah adalah rata-rata aritmatika dari kedua batas tersebut.
3. Bandingkan anggaran dan desain: Klik Rekomendasikan untuk menerapkannya. Rekomendasi adalah proposal yang membandingkan tujuan dan jumlah desain yang didukung. Ini bukanlah pemeringkatan yang menjamin kekuatan atau optimalitas global. Jangan membuang baris desain agar sesuai anggaran Anda. Untuk memilih desain yang berbeda Pilih desainMemperluas .
4. Pengaturan titik tengah/ulangi/blok: Titik pusat tambahan default adalah 3 per iterasi. Iterasi desain penuh adalah eksperimen independen di mana semua titik faktor, titik sumbu, dan titik pusat dilakukan secara baru.
5. Buat matriks: Periksa efek yang tumpang tindih, peringkat model, dan rentang eksekusi aktual, dan jalankan dalam urutan Jalankan. Run ID mengidentifikasi urutan standar dan pengulangan.
6. Rekam dan ekspor hasil: Masukkan nilai respons Y dan catatan di tabel proses. CSV menyimpan notasi saat ini di antara nilai aktual/kode. JSON menyimpan rencana, urutan, catatan, dan keseluruhan diagnosis yang tumpang tindih, dan HTML rencana menyimpan pengaturan, grafik, dan tabel eksekusi.

Desain yang didukung

Resolusi dan efek tumpang tindih

• III: Efek utama mungkin tumpang tindih dengan 2 interaksi faktor.
• IV: Efek utama dan 2 interaksi faktor berbeda, namun interaksi faktor 2 dapat tumpang tindih.
• V ke atas: Semua efek utama dan 2 interaksi faktor dapat dibedakan satu sama lain. Interaksi tingkat tinggi tidak dipisahkan secara otomatis.

Tabel alias menghitung korelasi terpusat antara kolom efek utama dan kolom produk dua faktor dalam desain yang dihasilkan. Pasangan dengan |r|1 ditampilkan sebagai sepenuhnya alias; 0.05<|r|<1 menunjukkan korelasi parsial. Ini bukan tes hipotesis. Korelasi berpasangan mungkin melewatkan dependensi linier yang melibatkan beberapa kolom, sehingga peringkat model penuh dihitung secara terpisah.

Titik tengah·Ulangi·Foldover·Blok

Titik pusat tambahanadalah nomor per ulangan. Jika desain dasar sudah berisi titik pusat, seperti dalam faktorial penuh tiga tingkat, total yang ditampilkan mungkin lebih tinggi. Menambahkan titik pusat ke desain dua tingkat membantu mendeteksi kelengkungan keseluruhan, tetapi tidak dapat memperkirakan istilah kuadrat setiap faktor secara terpisah.

Balikkan semua FoldoverADDS berjalan dengan setiap tanda faktor terbalik untuk desain faktorial dan PB fraksional. Ini memisahkan efek utama dari interaksi dua faktor. Jika desain terbalik menduplikasi yang asli, pembangkitan diblokir karena tidak menambahkan informasi baru. Versi ini tidak mengelola riwayat eksperimen sekuensial atau lipatan yang hanya membalikkan kolom yang dipilih.

Selesaikan blok per iterasimemastikan bahwa setiap iterasi memiliki desain keseluruhan yang sama, hanya mengacak dalam blok. Menampilkan peringkat model dan derajat kebebasan sisa, termasuk istilah blok. Derajat kebebasan kesalahan murni adalah Kondisi yang sama dalam blok yang samaKarena dihitung dalam pengulangan, jika pengulangan dibagi menjadi blok-blok, maka selisih antar blok tidak dihitung sebagai kesalahan murni. Hindari pemblokiran dengan memotong desain beberapa kali secara sembarangan.

Arti diagnosis model

Diagnostik membedakan model linier, model linier dengan suku kuadrat individu (tambahan), model linier dengan semua interaksi dua faktor, dan model kuadrat penuh. Ini adalah model polinomial untuk faktor numerik; Mereka bukan set lengkap kontras interaksi kategoris untuk faktor tiga tingkat. Peringkat kolom diperiksa dengan Gram–Schmidt dua kali-reorthogonized. Derajat kebebasan residual sama dengan jumlah lari dikurangi peringkat. Replikasi hanya di pusat tidak menetapkan kecukupan model di seluruh wilayah desain.

“Dapat dipisahkan” berarti koefisien model yang ditentukan dapat diidentifikasi. Kekuatan uji yang memadai, akurasi prediksi yang tinggi, kesalahan pengukuran yang kecil, independensi, dan proses yang stabil perlu diperiksa secara terpisah. Setelah nilai respons dicatat, “Analisis hasil” di bawah akan menjalankan regresi, uji efek, dan pencarian kondisi optimum dengan suku model yang sama.

Cara perhitungan analisis hasil

Nilai respons Y yang tercatat dicocokkan dengan regresi polinomial pada nilai terkode (−1, 0, +1; titik aksial CCD pada ±α). Kolom dibuat dengan urutan intersep, efek utama, interaksi 2 faktor, dan suku kuadrat; jika blok per replikasi digunakan, kolom indikator blok ditambahkan. Estimasi kuadrat terkecil dihitung dengan QR Householder; kolom yang sepenuhnya terkonfound dengan suku lain pada desain ini dikecualikan dari estimasi dan hal itu ditampilkan.

Pemilihan model (otomatis): Dimulai dari model terbesar yang dapat diestimasi secara terpisah dari data yang tercatat (kuadratik → interaksi → efek utama), suku dengan nilai p terbesar pada tingkat signifikansi α dihapus satu per satu. Jika suku orde lebih tinggi (interaksi atau suku kuadrat) masih ada, efek utama yang terkandung di dalamnya dipertahankan (prinsip hierarki). Pada desain hampir jenuh dengan derajat kebebasan residual 2 atau kurang, sebagai pengganti nilai p digunakan kesalahan standar semu Lenth (PSE = 1.5 × median terpangkas, ME = t_{0.975, m/3} × PSE) untuk menyaring efek, lalu model tereduksi dicocokkan ulang. Jika Anda memilih model secara manual, model dicocokkan apa adanya tanpa menghapus suku.

Efek dan uji: Efek suku dua level adalah dua kali koefisiennya (perubahan level rendah→tinggi). Untuk setiap suku, t = koefisien/kesalahan standar, dan nilai p diperoleh dari distribusi t dengan derajat kebebasan residual. Jumlah kuadrat setiap suku pada tabel ANOVA adalah jumlah kuadrat parsial (t² × MSE), yang pada desain ortogonal sama dengan jumlah kuadrat sekuensial. Jika ada run berulang dengan kondisi yang sama dalam blok yang sama, kesalahan murni dan lack of fit dipisahkan dan uji F dilakukan. Jika desain dua level memiliki titik pusat, kelengkungan diuji dari selisih antara rata-rata titik faktorial dan rata-rata titik pusat.

Daya jelas: Menampilkan R², R² disesuaikan, dan R² prediksi (berbasis PRESS, dihitung dari leverage h_ii). Jika selisih R² disesuaikan dan R² prediksi melebihi 0.2, kemungkinan overfitting akan diberitahukan. Plot residual (nilai prediksi, probabilitas normal, urutan run) digunakan untuk memeriksa secara visual asumsi kesamaan varians, normalitas, dan independensi.

Kondisi yang direkomendasikan: Dalam rentang terkode yang diuji, pencarian grid diikuti pencarian penyempitan koordinat menemukan titik di mana Y prediksi maksimum, minimum, atau paling dekat dengan nilai target. Faktor yang tidak termasuk dalam model akhir ditandai “Tidak berpengaruh” dan ditempatkan pada nilai tengah. Untuk model kuadratik, titik stasioner (titik dengan kemiringan 0) dan tanda nilai eigen matriks Hessian membedakan maksimum, minimum, dan titik pelana. Interval prediksi adalah interval kepercayaan untuk respons rata-rata yang dihitung sebagai t × √(MSE × xᵀ(XᵀX)⁻¹x). Jika kondisi yang direkomendasikan berada di batas rentang, kondisi yang lebih baik mungkin ada di luar rentang, sehingga eksperimen tambahan disarankan.

Keterbatasan: Hanya satu respons (Y) yang dianalisis; optimasi multi-respons, transformasi (log, Box–Cox), faktor kategorik, struktur split-plot, dan kovariat tidak didukung. Run yang hilang merusak ortogonalitas sehingga efek sebagian terkonfound, dan kekuatan uji rendah jika jumlah catatan mendekati jumlah suku. Semua prediksi adalah estimasi model, jadi verifikasi dengan run konfirmasi pada kondisi yang direkomendasikan.

Lingkup dukungan dan pencatatan

Rentang saat ini adalah 2 hingga 12 faktor numerik, 2,048 total, 0 hingga 20 iterasi titik pusat tambahan, dan 1 hingga 10 total iterasi. Kategoris·Tingkat pencampuran·Kombinasi yang dilarang·Campuran·Pemisahan·DSD·Desain pengguna yang optimal belum tersedia. Menghapus baris atau faktor pembulatan tertentu setelah pembuatan dapat mengubah ortogonalitas, resolusi, dan peringkat asli.

Pekerjaan Anda secara otomatis disimpan ke penyimpanan lokal browser Anda. Itu disimpan secara terpisah dari data analisis statistik umum dan tidak dikirimkan ke server. Mengubah pengaturan akan menampilkan tabel eksekusi sebelumnya secara terpisah dan mengunci ekspor. Anda dapat mengembalikan rencana dan catatan dari sebelum membuat rencana baru dengan “Pulihkan Rencana Sebelumnya”, namun riwayat pemulihan ini akan hilang saat Anda menyegarkan. Jika Anda berencana menyimpannya, simpan sebagai JSON. Urutan proses yang sama direproduksi dengan pengaturan dan seed yang sama. Nilai yang ditampilkan di CSV mempertahankan presisi numerik aslinya saat diekspor.

Kriteria verifikasi dan bahan referensi

• NIST — Rancangan faktorial pecahan dan daftar rumus generatif
• NIST — resolusi desain dan tumpang tindih
• NIST — Plackett–Burman tabel
• NIST — jarak aksial dari CCD
• NIST — Box–Behnken desain
• NIST — Peran titik pusat

Verifikasi numerik mencakup persamaan pembuatan referensi, keseimbangan kolom/ortogonalitas, frekuensi kombinasi level dua kolom, resolusi/Foldover tumpang tindih, peringkat model urutan 2, reproduktifitas urutan acak, dan tingkat kebebasan kesalahan murni untuk setiap blok. Ini tidak berarti dukungan dari program komersial.

DOE Buat rencana eksperimen →