Regression oder Korrelation für die ProfilvorhersageIch mache gerade eine Analyse des Ofenprofils. Wir haben 16 Datenpunkte aus dem Ofen von Thermoelementen. und 2 maximale Daten, die die maximale heiße Temperatur und die maximale kalte Temperatur darstellen.
Die 16 Datenpunkte und 2 Maximum-Datenpunkte sind Ausgabeantworten. Dies bedeutet, dass es zwei Ausgangsantworten gibt: 1) Profiltemperatur vom Thermoelement 2) Anzeige der Ofentemperatur von 2 Sensoren.
Welche Analyse eignet sich am besten für die Vorhersage der tatsächlichen Profiltemperatur anhand dieser beiden Datensätze?
Korrelations- oder Regressionsanpassungsmodell? Da beides eine Ausgabe-Antwort ist, bin ich darüber verwirrt.
Da dies eine Kurvenantwort ist, finde ich, dass die Verwendung eines quadratischen Regressionsmodells besser geeignet ist. Jede Hilfe zur richtigen Analysemethode für diesen Fall ist hilfreich.
Re: Regression oder Korrelation für die ProfilvorhersageIhr .pptx war ziemlich informativ, enthielt jedoch nur einen Screenshot der gemessenen Werte, sodass ich nur einen allgemeinen Eindruck gewinnen konnte. Klar, mehr Daten wären gut, und TBH, ich glaube nicht, dass man vernünftige Empfehlungen geben könnte, bis solche Daten verfügbar sind.
In solchen Fällen und vor dem Nachdenken über die Modellierung müssen die Daten grafisch betrachtet werden, um die darin enthaltenen Variationsquellen besser zu verstehen. Die Ofenläufe, die Sie derzeit gemacht haben, stammten aus verschiedenen Zuständen wie "Ablage", "Typ" und "Reihenfolge". (Wenn ich die Farbkodierung seriös nehme und alle Fragen zur Messunsicherheit ignoriere), sieht es aus wie das Muster der Termperaturen Innerhalb des Ofens kann von diesen Bedingungen abhängen. Sie müssen also entscheiden, ob Ihre "Vorhersage" (mit einem noch nicht spezifizierten statistischen Gutachten) alle oder nur einige Fälle abdecken soll. Auf jeden Fall, egal welche Technik Sie letztendlich verwenden, ist es ehrgeizig, sechzehn Zahlen von zwei zu erhalten.
Re: Regression oder Korrelation für die ProfilvorhersageIm Anhang befinden sich die Messwerte des Ofens und die Temperaturwerte der Ofenanzeige.
Grundsätzlich versuchen wir in unserer Studie, die Beziehung zwischen den tatsächlichen Thermoelementablesungen, die wir aus der Ofenkammer erhalten, und den zwei Messwerten zu sehen, die auf dem Ofen angezeigt werden. Wir haben die maximalen Werte unserer Thermoelement- und Ofenanzeigewerte aufgezeichnet. Jetzt versuchen wir, die Messwerte der Ofenkammer nur mit den Anzeigewerten vorherzusagen. Wir sammeln mehr Daten. Allerdings ist meine Frage, ob ein quadratisches Fit-Regressionsmodell geeignet ist. Werden sie als abhängige Variable betrachtet? Ist das Regressionsmodell dafür die richtige statistische Methode?
Re: Regression oder Korrelation für die ProfilvorhersageJa, "Eingabe" oder "Ausgabe" ist alles eine Frage des eigenen Standpunkts!
Ich habe eine allgemeine Vorstellung von Ihrer Beschreibung, aber ich denke, Sie müssen genauer sein, wenn Sie sagen ... Analyse eines Ofenprofils “. Was ist das praktische Ziel einer solchen Analyse? Um ein Beispiel zu nennen, ist es nicht ungewöhnlich, ein Temperaturprofil steuern zu wollen oder es sogar einheitlicher zu gestalten, da dies die Auswirkung auf den Ofen beeinflusst. Im Fall von 'control' kann dies möglicherweise nur mit den aufgezeichneten Max- und Min-Werten (und nicht mit den 16 anderen) erfolgen. Ob diese Möglichkeit sinnvoll ist, kann durch eine Analyse bestimmt werden, die die Beziehung zwischen den 16 Messungen und den beiden anderen zu verstehen versucht. In dieser Analyse werden die 16 als Eingänge und die 2 als Ausgänge betrachtet.
Sobald dies klar ist, sollten die Leute in der Lage sein, einige Vorschläge zu machen, welche Techniken für die Bestimmung der Interessensbeziehung geeignet sind. Wie üblich würden Musterdaten in einer JMP-Tabelle hilfreich sein, wenn Sie einige davon freigeben können.
