ある金属部品供給業者の開発チームが、モーターの新しい部品を調べるために計画実験を行おうとしています。そこで、実験を実行する前に、十分な検出力で実験を行うために十分なリソースがあることを確認します。予定では、3つの外部コーティングと3つの合金が新しい部品の耐腐食性に及ぼす効果を調べます。チームは、90%の検出力で、最良と最悪の因子水準の間に0.4の差を検出したいと考えています。推定標準偏差は0.15です。計画に2回以上の反復が必要な場合は、各反復に別個のブロックの実験実行を使用したいと考えています。
- を選択します。
- モデル内各因子に対する水準数に「3 3」と入力します。
- 主効果平均の最大差の値に「0.4」と入力します。
- 検出力に「0.9」と入力します。
- 標準偏差に「0.15」と入力します。
- 計画をクリックします。
- ブロックをモデルに含める(計画を反復時にブロック)を選択します。
- 各ダイアログボックスでOKをクリックします。
結果を解釈する
チームは、検出力に1つの値と最大差に1つの値を考慮したため、解には、反復数として1つの値が含まれます。反復数が2で実験実行数が18の計画の検出力は90%より大きく、チームの要件を満たしています。検出力曲線は、検出力と最大差のサイズの関係を示しています。検出力曲線上の記号は、チームが指定した効果サイズの0.4を表します。チームは、実験実行数18に対して十分なリソースがあると判断します。
一般完全実施要因計画
α= 0.05 仮定された標準偏差= 0.15
因子: 2 水準の数: 3, 3
モデルに含める項の次数: 2
モデルにブロックを含めます。
結果
| 最大差 | 反復 | 全実行数 | 目標検出力 | 実際の検出力 |
|---|---|---|---|---|
| 0.4 | 2 | 18 | 0.9 | 0.930521 |
