เครื่องคำนวณกำลังทดสอบ DOE

การวิเคราะห์กำลัง DOE คืออะไร?

อำนาจการทดสอบทางสถิติคือความน่าจะเป็นที่การทดลองจะตรวจพบผลกระทบจริงตามขนาดที่กำหนดไว้ เมื่อผลกระทบนั้นมีอยู่จริง อำนาจการทดสอบ = 1 - β โดย β คือความน่าจะเป็นของความผิดพลาดแบบที่ 2 (ตรวจไม่พบผลกระทบที่มีอยู่จริง) ค่าอำนาจการทดสอบ 80% ขึ้นไปถือเป็นเกณฑ์ขั้นต่ำมาตรฐานสำหรับการทดลองเชิงออกแบบ

สำหรับการออกแบบแฟกทอเรียล 2^(k-p) อำนาจการทดสอบขึ้นอยู่กับจำนวนปัจจัย (k) จำนวนตัวกำเนิด (p สำหรับการออกแบบแบบเศษส่วน) จำนวนการทำซ้ำ (n) ขนาดผลกระทบที่ต้องการตรวจจับ (δ) ส่วนเบี่ยงเบนมาตรฐานของกระบวนการ (σ) และระดับนัยสำคัญ (α) การเพิ่มจำนวนการทำซ้ำเป็นวิธีหลักในการเพิ่มอำนาจการทดสอบ อำนาจการทดสอบคำนวณจากการแจกแจง t แบบไม่ศูนย์กลาง โดยใช้องศาอิสระของความคลาดเคลื่อนที่แบบจำลองเหลือไว้ N − 1 − (จำนวนพจน์ในแบบจำลอง): แบบจำลองเต็มที่ไม่มีการทำซ้ำจะไม่เหลือองศาอิสระ จึงต้องเพิ่มการทำซ้ำหรือใช้แบบจำลองที่เล็กลง (ผลหลักเท่านั้น หรือผลหลักรวมอันตรกิริยาสองปัจจัย)

อัตราส่วนสัญญาณต่อสัญญาณรบกวน δ/σ เป็นตัวขับเคลื่อนสำคัญ กล่าวคือ ผลกระทบที่ใหญ่เมื่อเทียบกับสัญญาณรบกวนย่อมตรวจจับได้ง่ายกว่า หากอำนาจการทดสอบไม่เพียงพอ ทางเลือกได้แก่ การเพิ่มจำนวนการทำซ้ำ การเพิ่มค่า α (ยอมรับผลบวกลวงมากขึ้น) การลดจำนวนปัจจัย หรือการเลือกการออกแบบที่แบ่งเศษส่วนน้อยลง

Formula: Power = P(|T| > t(α/2, df_E)), T ~ noncentral t(df_E, λ) λ = δ·√N / (2σ) N = n × 2^(k−p) df_E = N − 1 − model terms

ตัวอย่างการคำนวณ

การออกแบบแฟกทอเรียลเต็มรูปแบบ 2³ (8 การทดลอง) ที่มีการทำซ้ำ 2 ครั้ง (รวม 16 การทดลอง) ขนาดผลกระทบ δ = 2.0, σ = 1.5, α = 0.05 ใช้แบบจำลองเต็ม (7 พจน์) สัญญาณ = 2.0/1.5 = 1.33 และความคลาดเคลื่อนเหลือองศาอิสระ 16 − 1 − 7 = 8 อำนาจการทดสอบ ≈ 65% ซึ่งต่ำกว่าเป้าหมายทั่วไปที่ 80% การทำซ้ำครั้งที่สาม (24 การทดลอง) เพิ่มขึ้นเป็น ≈ 87% ซึ่งเพียงพอที่จะตรวจจับผลกระทบขนาด 2.0

เมื่อใดควรใช้เครื่องคำนวณนี้

• ก่อนดำเนินการทดลองที่มีค่าใช้จ่ายสูงเพื่อให้มั่นใจว่ามี replicate เพียงพอที่จะตรวจจับผลกระทบที่สำคัญในทางปฏิบัติด้วยความเชื่อมั่นสูง
• เมื่อตัดสินใจระหว่าง full factorial และ fractional factorial — การวิเคราะห์กำลังเปิดเผยว่าสูญเสียความสามารถในการตรวจจับมากแค่ไหนเมื่อมีจำนวน run น้อยกว่า
• ระหว่างการจัดงบประมาณการทดลองเพื่อจัดเหตุผลจำนวน run ให้ผู้บริหารโดยแสดง replicate ขั้นต่ำที่ต้องการสำหรับ power เป้าหมาย
• เมื่อการทดลองเริ่มต้นไม่แสดงผลที่มีนัยสำคัญ — ตรวจสอบว่า power เพียงพอก่อนสรุปว่าไม่มีผลกระทบ
• เมื่อปรับระดับนัยสำคัญ α — เข้าใจการแลกเปลี่ยนระหว่างข้อผิดพลาดประเภทที่ 1 (false positive) และกำลังทางสถิติ (ความสามารถในการตรวจจับ)

ข้อผิดพลาดที่พบบ่อยที่ควรหลีกเลี่ยง

• ดำเนินการทดลองโดยไม่วิเคราะห์กำลัง — การค้นพบภายหลังว่ามี power เพียง 30% หมายความว่าการทดลองน่าจะสูญเปล่า ควรคำนวณ power ก่อนเก็บข้อมูลเสมอ
• ใช้ขนาดผลกระทบ δ ที่ไม่สมจริง — การเลือกขนาดผลกระทบใหญ่มากให้ power สูงแต่หมายความว่าตรวจจับได้เฉพาะผลกระทบขนาดใหญ่ ใช้ผลกระทบที่เล็กที่สุดที่มีความหมายในทางปฏิบัติ
• ประมาณ σ ต่ำเกินไป — หากการประมาณ noise ของกระบวนการต่ำเกินไป power ที่คำนวณจะมีค่ามากเกินจริง ใช้ข้อมูลกระบวนการในอดีตหรือ pilot study สำหรับการประมาณ σ ที่สมจริง
• ละเลยเศษส่วนในการออกแบบเศษส่วน — การออกแบบ 2^(6-3) มีเพียง 8 run จาก 64 ที่เป็นไปได้ ผลกระทบหลายตัวเป็น aliased และ power สำหรับการตรวจจับผลกระทบแต่ละตัวลดลง

วิธีตีความผลลัพธ์

• Power ต่ำกว่า 50% หมายความว่าคุณมีโอกาสพลาดผลกระทบจริงมากกว่าตรวจจับ — การทดลองมี power ไม่เพียงพอและไม่ควรดำเนินการตามที่ออกแบบ
• Power 50-80% เป็นค่าเฉลี่ย — พิจารณาเพิ่ม replicate หรือลด noise ผ่าน blocking และการควบคุมการทดลอง
• Power เกิน 80% ตรงตามมาตรฐานขั้นต่ำ — คุณมีโอกาสดีในการตรวจจับขนาดผลกระทบที่ระบุหากมีอยู่จริง
• Power เกิน 90% ให้ความสามารถในการตรวจจับที่แข็งแกร่ง — แนะนำสำหรับการทดลองที่สำคัญซึ่งการพลาดผลกระทบมีผลร้ายแรง
• หาก power ต่ำแม้มีหลาย run อัตราส่วนสัญญาณต่อ noise (δ/σ) น้อยเกินไป — โฟกัสที่การลด noise การทดลองมากกว่าเพิ่มจำนวน run

มาตรฐานและเอกสารอ้างอิงที่เกี่ยวข้อง

• NIST/SEMATECH e-Handbook of Statistical Methods บทที่ 5 — ข้อพิจารณาด้านขนาดตัวอย่างและกำลังทดสอบสำหรับการออกแบบแฟกทอเรียลสองระดับ
• Montgomery, Design and Analysis of Experiments — ตำรามาตรฐานว่าด้วยกำลังทดสอบและการทำซ้ำสำหรับการทดลองแฟกทอเรียล 2^(k-p)
• ISO 3534-3 — คำศัพท์สถิติสำหรับการออกแบบการทดลอง นิยามการทำซ้ำ ระดับนัยสำคัญ และแนวคิดที่เกี่ยวข้อง
• ASTM E1325 — ศัพท์บัญญัติมาตรฐานเกี่ยวกับการออกแบบการทดลอง ครอบคลุมการออกแบบแฟกทอเรียลและแฟกทอเรียลบางส่วนที่การคำนวณกำลังทดสอบนี้ใช้ได้

คำถามที่พบบ่อย

ควรตั้งเป้าอำนาจการทดสอบไว้ที่ระดับใดสำหรับการทดลอง?

อำนาจการทดสอบ 80% เป็นเกณฑ์ขั้นต่ำที่ยอมรับกันอย่างกว้างขวาง สำหรับการตัดสินใจที่สำคัญยิ่ง (การเปิดตัวผลิตภัณฑ์ ปัจจัยที่เกี่ยวข้องกับความปลอดภัย) ควรตั้งเป้าที่ 90% ขึ้นไป หากต่ำกว่า 80% จะมีความเสี่ยงสูงที่จะลงทุนทำการทดลองที่มีต้นทุนสูงแล้วสรุปว่า “ไม่มีผลกระทบ” ทั้งที่จริงแล้วมีผลกระทบที่มีความหมายอยู่

จะเพิ่มอำนาจการทดสอบโดยไม่เพิ่มจำนวนการทดลองได้อย่างไร?

ลดสัญญาณรบกวน (σ) ด้วยการควบคุมการทดลองให้รัดกุมขึ้น เช่น ใช้ผู้ปฏิบัติงานคนเดียวกัน วัตถุดิบล็อตเดียวกัน และเครื่องจักรเครื่องเดียวกัน จัดบล็อกปัจจัยรบกวนที่ทราบอยู่แล้ว เพิ่มค่า α จาก 0.05 เป็น 0.10 หากต้นทุนของผลบวกลวงต่ำ ใช้การออกแบบที่แบ่งเศษส่วนน้อยลง (ลดค่า p) และใช้จุดกึ่งกลางเพื่อตรวจสอบความโค้งโดยไม่ต้องเพิ่มการทำซ้ำทั้งชุด