número de experimentos,
Decidam juntos quais efeitos distinguir.

Esta ferramenta DOE executa gerador de tabela para fatores numéricosÉ. Uma vez determinados o propósito e a faixa de fatores, o número de experimentos para vários projetos é comparado e as condições reais, os valores de codificação e a ordem de execução aleatória são gerados. Efeitos estatisticamente indistinguíveis são indicados pela sobreposição e classificação do modelo. A tabela criada é um plano antes de medir os valores de resposta e não é o resultado da determinação da significância ou das condições ideais.

Se for sua primeira vez: Prática de Helicóptero de Papel

Da lista de exemplos Praticar · Helicóptero de papelSelecione . O plano é medir o tempo de voo alterando três condições: comprimento da asa, largura da asa e comprimento do corpo. Crie um total de 11 combinações de 8 combinações de limites inferior e superior de cada condição e 3 condições intermediárias. Solte-os da mesma altura e método e registre o tempo em Y para cada linha. O escopo é apenas para fins práticos e pode ser alterado para um tamanho de produção real.

fatoré a condição para mudar, nívelé o valor a ser colocado nessa condição, Valor de resposta Ysão os resultados medidos após o experimento. Pontos centraisé um experimento onde todas as condições foram definidas para o ponto médio, ordem aleatóriaé misturar a ordem de execução para que as mudanças ao longo do tempo não se limitem a condições específicas. Depois de criar um plano, são necessárias experimentação real e análise dos resultados.

Ordem de ação recomendada

1. Selecione Finalidade: Escolha entre encontrar fatores influentes, determinar o efeito da combinação de duas condições ou experimentar para encontrar uma boa.
2. Insira o nome do fator, unidade, limite inferior, limite superior: Defina um escopo que seja realmente viável. Esta versão suporta de 2 a 12 fatores numéricos. O ponto médio é a média aritmética dos dois limites.
3. Compare orçamento e design: Clique em Recomendar para aplicá-lo. Uma recomendação é uma proposta que compara a finalidade e o número de projetos apoiados. Não é um ranking que garante poder ou otimização global. Não jogue fora linhas de design para caber no seu orçamento. Para escolher um design diferente Escolha um projetoExpandir.
4. Configurações de ponto central/repetição/bloqueio: Os pontos centrais adicionais padrão são 3 por iteração. Uma iteração de projeto completa é um experimento independente no qual todos os pontos de fator, pontos de eixo e pontos centrais são executados novamente.
5. Crie uma matriz: Verifique a sobreposição de efeitos, a classificação do modelo e o intervalo de execução real e execute-os na ordem de execução. O Run ID identifica tanto a sequência padrão quanto a repetição.
6. Registrar e exportar resultados: Insira o valor de resposta Y e uma observação na tabela de execução. CSV armazena a notação atual entre valores reais/codificados. JSON armazena planos, sequências, registros e diagnósticos gerais sobrepostos, e HTML planos armazenam configurações, gráficos e tabelas de execução.

Projetos suportados

Sobreposição de resolução e efeito

• III: Os efeitos principais podem se sobrepor às interações dos fatores 2.
• IV: Os efeitos principais e as interações dos fatores 2 são distintos, mas as interações dos fatores 2 podem se sobrepor.
• V e acima: Todos os efeitos principais e interações de fatores 2 podem ser distinguidos uns dos outros. As interações de ordem superior não são separadas automaticamente.

A tabela de alias calcula as correlações centradas entre as colunas de efeito principal e as colunas do produto de dois fatores no design gerado. Os pares com |r|≈1 são mostrados totalmente com apelidos; 0.05<|r|<1 indica correlação parcial. Este não é um teste de hipóteses. As correlações de pares podem perder dependências lineares envolvendo várias colunas; portanto, a classificação completa do modelo é calculada separadamente.

Ponto central·Repetir·Foldover·Bloquear

Ponto central adicionalé o número por réplica. Se o design básico já contiver pontos centrais, como em um fatorial completo de três níveis, o total exibido pode ser maior. A adição de pontos centrais a um design de dois níveis ajuda a detectar a curvatura geral, mas não pode estimar o termo quadrático de cada fator separadamente.

Inverter tudo FoldoverAdiciona execuções com cada sinal de fator invertido para projetos fatoriais e PB fracionários. Isso separa os efeitos principais das interações de dois fatores. Se o design invertido duplicar o original, a geração será bloqueada porque não adiciona nenhuma informação nova. Esta versão não gerencia o histórico de experimentos sequenciais ou os fold-overs que invertem apenas as colunas selecionadas.

Bloco completo por iteraçãogarante que cada iteração tenha o mesmo design geral, randomizando apenas dentro dos blocos. Exibe a classificação do modelo e os graus de liberdade residuais, incluindo termos de bloco. O grau de liberdade do erro puro é Mesmas condições dentro do mesmo blocoPor ser calculado em repetições, se as repetições forem divididas em blocos, as diferenças entre os blocos não são contabilizadas como erros puros. Evite bloquear cortando o desenho um número arbitrário de vezes.

Significado do diagnóstico do modelo

Os diagnósticos distinguem um modelo linear, um modelo linear com termos quadrados individuais (aditivos), um modelo linear com todas as interações de dois fatores e um modelo quadrático completo. Estes são modelos polinomiais para fatores numéricos; Eles não são o conjunto completo de contrastes de interação categórica para um fator de três níveis. A classificação da coluna é verificada com o Gram–Schmidt reorgonalizado duas vezes. Graus residuais de liberdade são iguais ao número de corridas menos a classificação. A replicação apenas no centro não estabelece adequação do modelo em toda a região de design.

“Separável” significa que os coeficientes do modelo especificado podem ser identificados. Poder suficiente, alta precisão de previsão, erro de medição pequeno, independência e processo estável precisam ser verificados separadamente. Ao registrar os valores de resposta, a “Análise de resultados” abaixo executa a regressão, os testes de efeitos e a busca da condição ótima com os mesmos termos do modelo.

Como a análise de resultados é calculada

Os valores de resposta Y registrados são ajustados por regressão polinomial em valores codificados (−1, 0, +1; pontos axiais do CCD em ±α). As colunas são construídas na ordem intercepto, efeitos principais, interações de 2 fatores e termos quadráticos, e, se blocos por réplica foram usados, colunas indicadoras de bloco são adicionadas. A estimação por mínimos quadrados é calculada com QR de Householder; colunas completamente confundidas com outros termos neste planejamento são excluídas da estimação, e isso é indicado.

Seleção do modelo (automática): Parte-se do maior modelo que pode ser estimado separadamente com os dados registrados (quadrático → interações → efeitos principais) e os termos são removidos um a um, começando pelo de maior valor p no nível de significância α. Se um termo de ordem superior (interação ou termo quadrático) permanecer, os efeitos principais que ele contém são mantidos (princípio da hierarquia). Em um planejamento quase saturado com 2 ou menos graus de liberdade dos resíduos, em vez dos valores p usa-se o pseudoerro padrão de Lenth (PSE = 1.5 × mediana aparada, ME = t_{0.975, m/3} × PSE) para selecionar os efeitos e depois reajusta o modelo reduzido. Se você escolher o modelo manualmente, ele é ajustado como está, sem remover termos.

Efeitos e testes: O efeito de um termo de dois níveis é o dobro do coeficiente (variação nível baixo→alto). Para cada termo, t = coeficiente/erro padrão, e o valor p é obtido da distribuição t com os graus de liberdade dos resíduos. A soma de quadrados de cada termo na tabela ANOVA é a soma de quadrados parcial (t² × MSE), que em um planejamento ortogonal coincide com a soma de quadrados sequencial. Se houver corridas repetidas com as mesmas condições dentro do mesmo bloco, o erro puro e a falta de ajuste são separados e um teste F é realizado. Se um planejamento de dois níveis tiver pontos centrais, a curvatura é testada pela diferença entre a média dos pontos fatoriais e a média dos pontos centrais.

Poder explicativo: São exibidos R², R² ajustado e R² previsto (baseado em PRESS, calculado com as alavancagens h_ii). Se a diferença entre o R² ajustado e o R² previsto ultrapassar 0.2, um possível sobreajuste é sinalizado. Os gráficos de resíduos (valores previstos, probabilidade normal, ordem de corrida) servem para verificar visualmente as suposições de igualdade de variâncias, normalidade e independência.

Condição recomendada: Dentro da faixa codificada testada, uma busca em grade seguida de uma busca por redução de coordenadas encontra o ponto em que o Y previsto é máximo, mínimo ou mais próximo do valor-alvo. Os fatores que não fazem parte do modelo final são marcados como “Sem efeito” e mantidos no valor central. Em um modelo quadrático, o ponto estacionário (onde a inclinação é 0) e os sinais dos autovalores da matriz hessiana distinguem máximo, mínimo e ponto de sela. O intervalo de previsão é um intervalo de confiança para a resposta média, calculado como t × √(MSE × xᵀ(XᵀX)⁻¹x). Se a condição recomendada estiver no limite da faixa, pode haver condições melhores fora dela, por isso recomendam-se experimentos adicionais.

Limitações: Apenas uma resposta (Y) é analisada; otimização de múltiplas respostas, transformações (log, Box–Cox), fatores categóricos, estruturas de parcelas subdivididas e covariáveis não são suportados. Corridas faltantes quebram a ortogonalidade e confundem parcialmente os efeitos, e o poder é baixo quando o número de registros se aproxima do número de termos. Todas as previsões são estimativas do modelo, portanto verifique-as com corridas de confirmação na condição recomendada.

Escopo do suporte e manutenção de registros

O intervalo atual é de 2 a 12 fatores numéricos, 2,048 total, 0 a 20 iterações adicionais do ponto central e 1 a 10 iterações totais. Categórico·Nível de mistura·Combinação proibida·Mistura·Dividido·DSD·D-o design de usuário ideal ainda não está disponível. A exclusão de determinadas linhas ou fatores de arredondamento após a criação pode alterar a ortogonalidade, a resolução e a classificação originais.

Seu trabalho é salvo automaticamente no armazenamento local do seu navegador. Eles são armazenados separadamente dos dados gerais de análise estatística e não são transmitidos ao servidor. A alteração das configurações mostra a tabela de execução anterior separadamente e bloqueia a exportação. Você pode reverter planos e registros anteriores à criação de um novo plano com “Restaurar plano anterior”, mas esse histórico de restauração desaparecerá quando você atualizar. Se você planeja mantê-lo, salve-o como JSON. A mesma sequência de execução é reproduzida com as mesmas configurações e sementes. Os valores mostrados em CSV mantêm a precisão numérica original quando exportados.

Critérios de verificação e materiais de referência

• NIST — Projeto fatorial fracionário e lista de fórmulas generativas
• NIST — resolução e sobreposição do projeto
• NIST — Plackett–Burman tabela
• NIST — distância axial de CCD
• NIST — Box–Behnken projeto
• NIST — Função do ponto central

A verificação numérica inclui equação de geração de referência, equilíbrio/ortogonalidade de coluna, frequência de combinação de nível de duas colunas, resolução/Foldover sobreposição, classificação do modelo de ordem 2, reprodutibilidade de ordem aleatória e grau de liberdade de erro puro para cada bloco. Não implica o endosso de um programa comercial.

DOE Crie um plano de experiência →