A múlt héten elkezdtünk egy kísérleti design próbál eljutni, hogyan kell vezetni a golf labda a legtávolabbi le a tee jellemzésével a folyamat és a probléma meghatározása. A DOE problémamegoldó módszertanunk következő lépése az adatgyűjtési terv megtervezése, amelyet a kísérlet tényezőinek tanulmányozására használunk.
fogunk építeni egy teljes faktoriális tervezés, frakcionált, hogy a design fele a szám fut minden golfozó, majd megvitassák az előnyeit fut a kísérlet, mint egy faktoriális design.,
kísérletünk négy tényezője és a vizsgálatban alkalmazott alacsony / magas beállítások a következők:
- Club Face Tilt (Tilt) – folyamatos tényező : 8,5 fok & 10.,5 fok
- Labda Jellemzői (Labda) – Kategorikus Faktor : Gazdaság & Drága,
- Club Tengely Rugalmasság (Tengely) – Folyamatos Faktor : 291 & 306 rezgés ciklus / perc
- Tea Magasság (TeeHght) – Folyamatos Tényező : 1 hüvelyk & 1 3/4 inch
ahhoz, Hogy dolgozzon ki egy teljes megértése a hatását 2 – 5 tényezők a válasz változók, teljes faktoriális kísérlet igénylő 2k fut ( k = tényező) gyakran használják., Számos ipari faktoriális terv 2-5 tényezőt tanulmányoz 4-16 futás közben (25-1 futás, a félfrakció, a legjobb választás 5 tényező tanulmányozására), mivel a 4-16 futás a legtöbb helyzetben nem ésszerűtlen. A teljes faktoriális adatgyűjtő terv az egyes tényezők magas és alacsony beállításának minden kombinációjából áll. A kocka telek, mint az egyik a golf kísérlet alább látható, egy jó módja annak, hogy megjelenítse a tervezési tér a kísérlet fedezi.
számos jó ok van arra, hogy ezt az adatgyűjtési tervet más lehetséges tervekkel szemben válasszák., A részleteket számos kiváló szöveg tárgyalja. Itt van az első öt.
A faktoriális és frakcionált faktoriális minták költséghatékonyabbak.
a faktoriális és frakcionált faktoriális minták biztosítják a leghatékonyabb (gazdaságos) adatgyűjtési tervet a válaszváltozók és a prediktorváltozók közötti kapcsolat megismeréséhez. Ezt a hatékonyságot úgy érik el, hogy feltételezik, hogy a válaszra gyakorolt minden hatás lineáris, ezért az egyes prediktorváltozók csak két szintjének tanulmányozásával becsülhető meg.
végül is csak két pontot vesz igénybe egy vonal létrehozása.,
Factorial designs becsülni a kölcsönhatások minden bemeneti változó minden más bemeneti változó.
gyakran egy változó hatása a válaszra egy másik változó szintjétől vagy beállításától függ. A főiskolai hátvéd hatékonysága jó analógia. Egy jó hátvédnek jó képességei lehetnek. A nagyszerű hátvéd azonban csak akkor ér el kiemelkedő eredményeket, ha a széles vevőjével szinergiája van. Kombinációként a pár eredményei meghaladhatják az egyes játékosok képzettségi szintjét. Ez egy példa a szinergikus interakcióra.,
a komplex ipari folyamatok általában kölcsönhatásokat mutatnak, mind szinergikus, mind antagonista, a bemeneti változók között. Nem tudjuk teljes mértékben számszerűsíteni a bemeneti változók hatásait válaszainkra, hacsak nem azonosítottuk az összes aktív kölcsönhatást az egyes változók fő hatásain kívül. A faktoriális kísérleteket kifejezetten az összes lehetséges kölcsönhatás becslésére tervezték.
A faktoriális minták ortogonálisak.,
a végső kísérlet eredményeit a legkisebb négyzetek regressziójával elemezzük, hogy a válaszhoz egy lineáris modellt illesszünk a fő hatások függvényében, valamint az egyes bemeneti változók kétirányú kölcsönhatásait. A legkisebb négyzetek regressziójának kulcsfontosságú problémája akkor merül fel, ha a bemeneti változók vagy kölcsönhatásaik beállításai korrelálnak egymással. Ha ez a korreláció bekövetkezik, az egyik változó hatása elfedhető vagy összetéveszthető egy másik változóval vagy interakcióval, ami megnehezíti annak meghatározását, hogy mely változók okozzák a válasz változását., A történelmi vagy megfigyelési adatok elemzésekor nincs ellenőrzés arra vonatkozóan, hogy mely változó beállítások korrelálnak más bemeneti változó beállításokkal, ami kétségbe vonja az eredmények következtetését. Az ortogonális kísérleti tervek nulla korrelációt mutatnak bármely változó vagy interakciós hatás között, kifejezetten a probléma elkerülése érdekében. Ezért az egyes hatásokra vonatkozó regressziós eredményeink függetlenek az összes többi hatástól, és az eredmények egyértelműek és meggyőzőek.
A faktoriális minták a problémamegoldás átfogó megközelítését ösztönzik.,
először is, az intuíció sok kutatót arra késztet, hogy csökkentse a lehetséges bemeneti változók listáját a kísérlet előtt a kísérlet végrehajtásának és elemzésének egyszerűsítése érdekében. Ez az intuíció rossz. A bemeneti változónak a válaszra gyakorolt hatásának meghatározására irányuló kísérlet teljesítménye nullára csökken abban a pillanatban, amikor a változót eltávolítják a vizsgálatból (az egyszerűség nevében). Használata révén frakcionált faktoriális minták és tapasztalat DOE, gyorsan megtanulják, hogy ez ugyanolyan könnyű futtatni egy 7 faktor kísérlet, mint egy 3 faktor kísérlet, miközben sokkal hatékonyabb.,
másodszor, a faktoriális kísérletek az egyes változók hatását tanulmányozzák a többi változó beállításainak tartományában. Ezért eredményeink az összes folyamatparaméter-beállítás teljes körére vonatkoznak, nem pedig a többi változó egyedi beállításaira. Eredményeink szélesebb körben alkalmazhatók minden feltételre, mint az egyszerre egy változó tanulmányozásának eredményei.
A kétszintű faktoriális minták kiváló alapot nyújtanak a különféle nyomon követési kísérletekhez.
Ez a folyamat problémájának megoldásához vezet., A fold-over a kezdeti frakcionált faktoriális lehet használni, hogy kiegészítse a kezdeti kisebb felbontású kísérlet, amely teljes megértése az összes bemeneti változó hatások. Az eredeti kialakítás axiális pontokkal történő növelése válaszfelület-kialakítást eredményez, hogy nagyobb pontossággal optimalizálja válaszát. A kezdeti faktoriális kialakítás a legmeredekebb emelkedés / süllyedés útját biztosíthatja, hogy a jelenlegi tervezési térből még jobb válaszértékekkel lépjen ki., Végül, és talán a leggyakrabban, egy második faktoriális kialakítás kevesebb változóval és egy kisebb tervezési tér lehet létrehozni, hogy jobban megértsük a legnagyobb potenciális régió a válasz az eredeti tervezési tér.
remélem, hogy ez a rövid beszélgetés meggyőzte Önt arról, hogy az akadémikusok vagy az ipar bármely kutatója jól jutalmazza a tanulás idejét a faktoriális kísérletek eredményeinek tervezésére, végrehajtására, elemzésére és kommunikálására. A karriered elején megtanulod ezeket a képességeket, a … Nos, tudod a többit.,
Ezen okok miatt nagyon biztosak lehetünk abban, hogy egy teljes faktoriális adatgyűjtést választunk a golf kísérletünk 4 változójának tanulmányozására. Minden golfozó lesz felelős végrehajtó csak a fele a fut, az úgynevezett fél töredéke, a teljes faktoriális. Ennek ellenére az egyes golfozók eredményeit teljes kísérletként önállóan lehet elemezni.,
a következő hozzászólásomban válaszolok a kérdésre: Hogyan számoljuk ki az egyes golfozók minden egyes futási feltételéhez szükséges ismétlések számát, hogy eredményeink elég nagy teljesítményűek legyenek, hogy biztosak lehessünk a következtetéseinkben? Sok köszönet Toftrees Golf Resort és Tussey Mountain használatáért a létesítmények, hogy végezzen a golf kísérlet.