Confounded DOE
ett enkelt antagande i många experiment är att anta variabeln agera oberoende på svaret.
detta innebär att när jag ändrar temperaturen lite i en polymer torktumlare silo att tiden för att uppnå en viss torrhet går ner. Och att ändra fuktighet eller luftflödeshastighet eller tryck ändras inte eller när de ändras har ingen inverkan på förhållandet mellan temperatur och torktid.
håll på, även de som inte har liten kunskap om polymertorkning säger förmodligen att temperatur, tryck etc är mest sannolikt relaterade och i vissa kombinationer kommer att påverka torktiden annorlunda.
uppsättningen variabler kan kombinera eller interagera för att skapa en ny variabel som vi bör överväga.
en enkel DOE
när vi först lär oss om design av experiment lär vi oss ofta om det enkla exemplet på tre faktorer (variabler) var och en med två nivåer (inställningar).
vi kan köra 4 noggrant konstruerade experiment och lära oss vilken av de tre faktorerna som orsakar mest förändring i svaret. Genom design antar vi att de tre faktorerna inte skapar någon meningsfull (signifikant) förändring av svaret som skiljer sig från den förändring som åstadkoms av tre faktorer som övervägs.
i polymertorkningsexemplet kan vi väl misstänka en viss inverkan av interaktioner, och förändringarna i svaret kommer att inträffa.
så, var visas dessa resultat? Och är det möjligt att upptäcka interaktionsresultaten?
vi kan svara på den första frågan baserat på experimentets utformning. Den andra frågan är nej, inte om vi inte specifikt vidtar åtgärder för att mäta interaktionsperioden.
Confounding
Confounding är när effekterna av två eller flera faktorer inte kan separeras.
en faktor kan vara kombinationen av två faktorer. Till exempel kan temperatur och luftflöde kombineras för att skapa en ny faktor som när temperaturen och luftflödesprodukten ändras ändras resultatet som är separat från påverkan på resultatet av bara temperatur eller bara luftflöde.
i exemplet med tre faktorer i en enkel DOE-array skulle vi tilldela varje faktor till en kolumn. Säg temperatur till kolumn A, luftflödeshastighet till kolumn B och fuktighet till kolumn C. Med tanke på en Taguchi L4-design är produkten av A och B interaktionstermen för A och B och kommer att lägga till dess inflytande till kolumn C. Således kommer svaret associerat med fuktighet (kolumn C) att inkludera svaret orsakat av interaktionen mellan temperatur och luftflödeshastighet.
det är denna blandning av resultat som vi inte kan skilja som är förvirrande.
se interaktioner
om vi misstänker att temperatur och luftflöde kan ha en kombinerad effekt på svaret, kan vi skapa en design som inte inkluderar Fuktighet i kolumn C.
istället tilldelar vi temperatur till kolumn A och luftflöde till kolumn B och tilldelar interaktionstermen AB till kolumn C. vid skapandet av experimentet är AB-termen en faktor. Och analysen kommer att ge svaret associerat med AB utan att förväxlas med fuktighet eftersom fuktighet inte ingår i experimentet.
varje doe-design kommer att ha en viss mängd förvirring, så det är viktigt att överväga interaktionsvillkor och var svaret på grund av dessa termer kommer att visas i analysen.
att behandla kända eller misstänkta interaktioner som faktorer gör att du kan undvika förvirrande resultat i ditt experiment.
relaterad:
design av experiment (artikel)
Andra 5 frågor (artikel)
tre överväganden för provstorlek (artikel)
