Earticle

The research proposes three ANOVA(Analysis of Variance) tests using expected mean square(EMS) algorithms in various split-plot designs. The variance tests consist of Never-Pool test, Sometimes-Pool test and Always-Pool test. This paper also presents two EMS algorithms such as standard method and easy method. These algorithms are useful to make a decision rule for pooling. Numerical examples are illustrated for various split-plot designs such as split-plot designs, split-split-plot designs, repetition split-plot designs, and nested designs. Pragmatically, the results are summarized and compared with popular ANOVA spreadsheets and data model equations.

The present study contributes reviewing and suggesting various models for measurement system analysis (MSA). Measurement errors consist of accuracy, linearity, stability, part precision, repeatability and reproducibility (R&R). First, the major content presents split-plot design, and the combination method of crossed and nested design for obtaining gage R&R. Second, we propose x-s variable control chart for calculating the gage R&R and number of distinct category. Lastly, investigating the determination of gage performance curve which establishes the control specification propagating calibration uncertainties and measurement errors is described.

In conducting the analysis of variance for the split-plot design using the statistical package SPSS, users including statisticians are faced with difficulties because of no appropriate example in the SPSS applications guide book. In this paper, therefore, we present an analysis of variance procedure for the split-plot design using SPSS syntax window.

For split plot designs exact univariate F tests of the within-subjects main effect are based on the assumption of multisample sphericity. Type I error rates and power are reported for the F test and two tests designed for use when multisample sphericity is violated: the $\widetilde{\xi}$-adjusted test and the Corrected Improved General Approximation(CIGA) test.The results indicate that even though the F test and the $\widetilde{\xi}$-adjusted test have better power than the CIGA test in some conditions, the F test and the $\widetilde{\xi}$-adjusted test do not control Type I error rates when the design is unbalanced and the F test dose not have a good control of Type I error rates when sphericity assumption is severely violated.

본 논문은 분할구실험으로 부터 주어진 자료분석을 위해 사영을 이용하는 방법을 다루고 있다. 분할구 실험의 특성으로 서로 다른 크기의 실험단위를 나타내는 오차항과 처리에 포함된 확률효과가 존재할 때 이들 분산성분의 추정에 사영을 이용하여 구하는 방법을 제시하고 있다. 분산성분 추정을 위해 잔차벡터에 대한 확률모형의 구축을 다루고 있다. 고정효과를 제외한 확률효과에 따른 제곱합의 계산을 위해 상수적합법이 적용되고 있다. 적률법에 의한 분산성분 추정을 위해 변동량의 기댓값 계산에 합성법을 이용한다. 고정효과들의 선형함수로 주어지는 추정가능함수에 관한 추정을 다루고 있다.

This paper discusses a method of analyzing data from split-plot experiments by projections. The assumed model for data has two experimental errors due to two different experimental sizes and some random components in treatment effects. Residual random models are constructed to obtain sums of squares due to random effects. Expectations of sums of squares are obtained by Hartley's synthesis. Estimable functions of fixed effects are discussed.

본 논문은 분할구 실험에서 반복측정 요인이 처치의 한 요인으로 고려될 때, 실험자료의 분석을 위한 혼합모형과 모형내 미지모수의 추론을 위한 방법을 논의한다. 반복측정 요인으로 공간요인을 고려하고 공간요인의 수준은 분할구에 할당되나 연구자가 임의로 배정할 수 없는 실험환경이 가정된다. 이러한 실험의 특성을 갖는 자료벡터의 확률분포로 복합대칭의 공분산 구조를 갖는 다변량 정규분포를 논의하고 있다. 또한, 가정된 실험환경에 부합하는 적합한 자료의 예를 통하여 제시된 모형의 타당성과 관련모수들의 추론방법을 다루고 있다.

This paper suggests a mixed-effects model for analyzing split-plot data when there is a repeated measures factor that affects on the response variable. Covariance structures are discussed among the observations because of the assumption of a repeated measures factor as one of explanatory variables. As a plausible covariance structure, compound symmetric covariance structure is assumed for analyzing data. The restricted maximum likelihood (REML)method is used for estimating fixed effects in the model.

블럭내의 완전랜덤화 제약은 하나의 블럭이 여러 실험구로 분할되는 분할요인모형으로 해결할 수 있다. 본 연구는 $3{\times}3$ 분할요인모형에서 두 주요인 및 하나의 블럭이 모두 고정일 경우에는, 실제로 존재하는 효과크기가 작을수록 혹은 검정대상의 요인효과 크기보다 검정대상 이외의 효과들의 크기가 상대적으로 작을수록 주구요인효과 및 세구요인효과 검정을 위한 순위변환 통계량의 검정력은 기존의 모수적 통계량의 검정력보다 뛰어남을 알 수 있다. 또한 모집단 모형의 오차항이 지수분포 및 이중지수분포일 때 효과크기 및 효과구성유형에 상관없이 거의 모든 상황하에서 순위변환 통계량의 검정력이 모수적 통계량의 검정력보다 상대적으로 높은 우위를 보이며, 정규분포 및 균일분포하에서는 상당히 유사한 수준을 나타낸다. 한편 두 주요인은 고정이나 하나의 블럭이 랜덤일 경우에는, 두 주요인 및 블럭이 모두 고정일 경우보다 모수적 통계량 및 순위변환 통계량의 검정력은 각각 낮은 수준을 보인다. 특히 주구요인효과 검정보다 세구요인효과 검정을 위한 모수적 통계량 및 순위변환 통계량의 검정력이 다소 낮은 수준임을 보이지만, 순위변환 통계량의 검정력은 모수적 통계량의 검정력에 비하여 높은 상대적 검정력 우위를 나타낸다.

Restriction of completely randomization within a block can be handled by a split plot factorial design splitted by several plots. $3{\times}3$ split plot factorial design with two fixed main factors and one fixed block shows that powers of the rank transformed statistic for testing whole plot factorial effect and split plot factorial effect are superior to those of the parametric statistic when existing effect size is small or the remaining effect size is relatively smaller than the testing factorial effect size. Powers of the rank transformed statistic show relatively high level for exponential and double exponential distributions, whereas powers of the parametric and rank transformed statistic maintain similar level for normal and uniform distributions. Powers of the parametric and rank transformed statistic with two fixed main factors and one random block are respectively lower than those with all fixed factors. Powers of the parametric andrank transformed statistic for testing split plot factorial effect with two fixed main factors and one random block are slightly lower than those for testing whole plot factorial effect, but powers of the rank transformed statistic show comparative advantage over those of the parametric statistic.

The study presents two measurement split-plot models with a restricted randomization to save cost and time. Split-plot models are used to handle HTCM (Hard To Control Measurement) factors such as high temperature and long-time catalyst control. The models developed are represented by the processes for estimating the measurement precisions, that is, gauge R&R. The study also introduces three-step procedures to indentify resolution, improve R&R reduction, and evaluate the precision effect.