MANY FACTORS
2K-P Fractional Factorial Design
Anggota Kelompok
1 Rizky Cahyo Guntoro (H1E016035) 5 Istiani Dadi F (H1E016034
Dalam bagian ini kita membahas beberapa prosedur yang dapat digunaka
n ketika sejumlah besar faktor (setidaknya pada awalnya) hadir, situasi um
um dalam simulasi.
Bagian 12.3.1 menjelaskan variasi dari desain faktorial 2k lengkap dari bag
ian 12.2
bagian 12.3.2 kami mengutip beberapa literatur tentang jenis desain lain y
ang dapat dipertimbangkan ketika sejumlah faktor tampaknya benar-benar
luar biasa.
COPING WITH MANY FACTORS
Rumus umum untuk e4 dan e123 adalah penduga yang tidak bias untu
k E (e4 ) + E (e123). Sekarang, jika kita bersedia mengasumsikan bah
wa E (e123) = 0 atau dapat diabaikan dibandingkan dengan E (e4). Ke
mudian e4 adalah penduga yang tidak bias dari E (e4). Sering terjadi
bahwa interaksi cara-tinggi ternyata kecil dibandingkan dengan efek
utama atau mungkin interaksi dua arah (seperti yang kita sadari pada
contoh 12.3).
2K-P Fractional Factorial Design
Jadi dengan asumsi interaksi tiga dan cara yang lebih tinggi dapa
t diabaikan, desain resolusi IV memungkinkan kita untuk mendap
atkan perkiraan efek utama "jelas" tetapi tidak dapat memberikan
perkiraan interaksi dua arah yang andal.
Dalam simulasi biasanya akan ada setidaknya interaksi dua arah
yang diinginkan, sehingga desain resolusi IV mungkin tidak mem
adai. Seperti yang dibahas pada akhir Sec. 12.2.
2K-P Fractional Factorial Design
Misal:
Untuk membangun desain 2v8-2 (fraksi seperempat dalam k = 8 fa
ktor) yang dijelaskan pada Tabel 12.7, pertama-tama kita menulis
desain faktorial 26 lengkap dalam faktor 1,2,…, 6, dan kemudian
mendefinisikan kolom untuk faktor 7 menjadi produk kolom 1, 2,
3, dan 4; kolom untuk faktor 8 adalah produk kolom 1, 2, 5, dan 6
. (Perhatikan bahwa kita bisa membalik tanda baik atau keduany
a dari kolom 7 atau 8, mengambil alih “-”
Aturan
Untuk membangun
Fractional Factorial
Design
Portfolio
Presentation
Easy to change colors,
Di mana "kolom pengalian" berarti bahwa entri yang photos and Text.
sesuai dari setiap kolom dikalikan sama maka produk
bertanda "+" sedangkan produk yang berbeda bertanda
"-", persis seperti yang kita lakukan dalam interaksi
komputasi dalam desain lengkap.
2K-P Fractional Factorial Design
Table 12.8
Coding chart for s, d, m and P in the generalized inventory model
2K-P Fractional Factorial Design
Table 12.9
Design matrix and simulation result for the 24−1
𝐼𝑉 fractional factorial design on s,
d, m and P for the generalized inventory model with one replication.
2K-P Fractional Factorial Design
Hal pertama yang diperhatikan adalah bahwa ada beberapa interaksi dua
arah yang penting yang terlewatkan dalam resolusi setengah fraksi IV; se
bagaimana dicatat pada akhir Sec. 12.2 Kehadiran interaksi tersebut men
imbulkan keraguan pada makna efek utama, seperti yang diperkirakan da
ri desain faktorial lengkap (atau, dalam hal ini, desain faktorial pecahan).
Membandingkan efek utama s dan d di sini dengan yang berasal dari mo
del yang lebih sederhana dari Contoh 12.1 dan 12.2. Terlihat perbedaan y
ang pasti [misalnya bahkan tanda perkiraan E(es) berubah], yang sebagia
n diperhitungkan oleh fakta bahwa interaksi hadir dalam kedua kasus, ser
ta oleh fakta bahwa ini hanyalah model simulasi yang berbeda.
2K-P Fractional Factorial Design
Di luar ini, kita juga melihat dari hasil desain lengkap bahwa ada dua inter
aksi tiga arah yang cukup baik [esdm (10) edmP (10)], masing-masing yang
dibingungkan dengan efek utama dalam desain ini. Secara khusus, perkir
aan es (10) dari setengah estimasi fraksi E(es) + E(edmP), dan perkiraan ep
(10) dari setengah estimasi fraksi E(ep) + E (esdm). Secara numerik, ini be
kerja cukup erat :
24−1
IV fractional 24 full
𝑒𝑠ҧ 10 = 0,61 ≈ −0,58 = −2,34 + 1,76 = 𝑒𝑠ҧ 10 + 𝑒𝑑𝑚𝑃
ҧ 10
Jadi dalam hal ini tentu ada beberapa informasi interaksi yang hilang denga
n hanya melakukan setengah fraksi, serta beberapa ketidakakuratan yang di
perkenalkan dalam perkiraan efek-utama. Namun, keputusan utama dari fr
aksi setengah (m tidak masalah banyak dan mengekspresikan pemesanan ti
dak layak) tampaknya terdengar
2K-P Fractional Factorial Design
Contoh
Model pabrik kecil dari contoh 12.3 menggunakan desain 2IV 6-2 dari tabel 1
2.7. Mengambil opsi “+” untuk kedua faktor 5 dan 6. karena pada kasus ini
sudah menjalankan desain faktorial 26 lengkap, kami hanya memilih 16 bari
s yang sesuai di antara 64 pada Tabel 12.6, yaitu 1, 7, 12, 14, 18, 24, 27, 2
9, 36, 38, 41, 47, 51, 53, 58 dan 64. dari lima replikasi yang sama dari desa
in, 90 persen interval kepercayaan untuk efek utama yang diharapkan (sem
ua yang dapat kita perkiraan dari desain resolusi IV) diberikan pada Tabel 1
2.10, yang dibandingkan dengan bagian efek utama pada Gambar.12.2, ya
ng mana sangat dekat dengan rekan-rekan mereka dari desain penuh.
2K-P Fractional Factorial Design
Tabel 12.10. Interval kepercayaan 90% pada pada efek utama yang dihara
pkan dari 2 IV 6-2 factorial design dengan small-factory model
jika jumlah faktor melebihi jumlah poin desain yang mungkin, kita har
us menggunakan apa yang disebut desain jenuh. konstruksi beberap
a desain jenuh berasal dari mengamati bahwa setiap kolom dari matr
iks desain dalam dua tingkat desain faktorial terdiri dari setengah “+”
tanda dan setengah lainnya “-“.
satu jenis desain jenuh, yang disebut desain keseimbangan acak, ak
an mengambil 12 “+”tanda untuk faktor j dan taburkan secara acak k
e dalam 12 dari 24 baris kolom j, dan tentukan posisi 12 lainnya “-“
Factor Screening Strategies
Metode yang dijelaskan sejauh ini di bagian ini berlaku untuk percob
aan fisik, dan tentu saja untuk eksperimen simulasi juga. Namun, dal
am simulasi yang dinamis, ada peluang untuk pendekatan yang tidak
mungkin dilakukan dengan model statis atau eksperimen fisik. Salah
satu ide tersebut, yang awalnya dikembangkan oleh Schruben dan C
ogliano (1987), adalah untuk mengosongkan nilai-nilai parameter ma
sukan yang berbeda selama jalannya simulasi, masing-masing pada
frekuensi yang berbeda. Proses output kemudian diperiksa untuk mel
ihat parameter input mana frekuensi osilasi dapat dideteksi dalam ou
tput, Sedangkan osilasi faktor penting akan menghasilkan oscilla tion
yang terlihat dalam output pada frekuensi yang sesuai, faktor-faktor y
ang tidak penting tidak akan terlihat.
Factor Screening Strategies