臺灣博碩士論文加值系統

一個穩健的設計能夠準確地估計模型的主要項效應，並能夠減少受潛在地重要效應所造成的估計偏誤。因此，本文利用降低設計的D效率，找尋最小別名矩陣的平方距離的方法，以此方法建立近似D最佳且擁有最小別名的條區設計。

A robust design can accurately estimate primary effects and reduce the bias from potentially important effects. We construct a nearly D-optimal design with minimal aliasing by reducing D-efficiency and minimizing square norm of the alias matrix.

1. 緒論 . . . . . . . . . . . . . . . . . . . . . . 1
2. 文獻回顧 . . . . . . . . . . . . . . . . . . . . 3
2.1. 條區模型(Strip-plot model) . . . . . . . . . . 3
2.2. 判別設計好壞的準則(criterion) . . . . . . . . . 5
2.3. 建立D 最佳且擁有最小別名的設計. . . . . . . . . .6
3. 研究方法7
3.1. 用電腦計算搜尋法建立一個近乎於D 最佳且擁有最小別名的條
區設計(Constructing a nearly D-optimal strip-plot design
with minimal aliasing.) . . . . . . . . . . . . . .7
3.2. 在選取不同行與列的實驗之下，比較設計好壞與關係. . 9
3.3. 在更換因子水準的實驗之下，比較設計好壞與關係. . . 10
4. 演算法 . . . . . . . . . . . . . . . . . . . . . 11
5. 例子(24-run strip-plot design) . . . . . . . . . 17
5.1. 建立實驗次數(run) 為24 的條區設計(strip-plot design) . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2. 固定因子水準，更換實驗中列與行的配置關係. . . . . . 24
5.3. 固定實驗中列與行的配置關係，更換實驗因子水準. . . . 26
6. 例子(48-run strip-plot design) . . . . . . . . . . 28
6.1. 建立實驗次數(run) 為48 的條區設計(strip-plot design) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
6.2. 固定因子水準，更換實驗中列與行的配置關係. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6.3. 固定實驗中列與行的配置關係，更換實驗因子水準. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
7. 結論 . . . . . . . . . . . . . . . . . . . . . . . 43
8. 參考文獻 . . . . . . . . . . . . . . . . . . . . . 44
9. 參考程式 . . . . . . . . . . . . . . . . . . . . . 45

[ 1 ] Miller A. (1997). Strip-plot configuration of fractional factorials. Techno- metrics, 39, 153 − 161.
[ 2 ] Vivacqua C. A., and Bisgaard S. (2009). Post-fractionated strip-block de- signs.
Technometrics, 51, 47 − 55.
[ 3 ] Meyer R. K., and Nachtsheim C. J. (1995). The coordinate-exchange algo- rithm for
constructing exact optimal experimental designs. Technometrics, 37, 60 − 69.
[ 4 ] Arnouts, H., Goos, P., and Jones, B. (2010). Designs and analysis of indus- trial strip-plot
experiments. Quality and Reliability Engineering International, 26, 127 − 136.
[ 5 ] Montepiedra, G., and Fedorov, V. V. (1997). Minimum bias designs with constrains. Journal of
Statistical Planning and Inference, 63, 97 − 111.
[ 6 ] Jones, B., and Nachtsheim, C. J. (2011) Efficient designs with minimal alias- ing.
Technometrics, 53, 62 − 71.
[ 7 ] Box, G. E. P., and Jones, S. (1992). Split-Plot designs for robust product experimentation.
Journal of Applied Statistics, 19, 3 − 26.
[ 8 ] Butler, N. A. (2004). Construction of two-level split-lot fractional factorial designs for
multistage processes. Technometrics, 46, 445 − 451.
[ 9 ] Goos, P., and Donev, A. N. (2006). Blocking response surface designs. Com- putational
Statistics and Data Analysis, 51, 1075 − 1088.