Régression ou corrélation pour la prédiction de profilJe suis en train de faire une analyse sur le profil du four. Nous avons 16 points de données du four provenant de thermocopules. et 2 données maximum représentant la température maximale chaude et la température maximale froide.
les 16 points de données et les 2 points de données maximum sont des réponses en sortie. Ce qui signifie qu'il existe deux ensembles de réponse de sortie - 1) Température de profil du thermocouple 2) Température d'affichage du four à partir de 2 capteurs.
Quelle analyse est la meilleure pour prédire la température de profil réelle à l'aide de ces deux ensembles de données?
Modèle de corrélation ou d'ajustement de régression? Puisque les deux sont une réponse de sortie, je suis confus à ce sujet.
Puisqu'il s'agit d'une réponse en courbe, je trouve que l'utilisation d'un modèle de régression quadratique est un meilleur ajustement. Toute aide sur la méthode d'analyse appropriée pour ce cas est utile.
Re: régression ou corrélation pour la prédiction de profilVotre .pptx était assez informatif, mais contenait juste une capture d'écran des valeurs mesurées afin que je puisse seulement avoir une impression générale. Clairement, plus de données seraient bonnes, et TBH, je ne pense pas qu'on puisse faire des recommandations raisonnables jusqu'à ce que ces données soient disponibles.
Dans de tels cas, et avant de penser à la modélisation, il est essentiel d’examiner les données de manière graphique pour mieux comprendre les sources de variation qu’elles contiennent. Les fourneaux que vous utilisez actuellement proviennent de plusieurs conditions différentes: 'Plateau', 'Type' et 'Séquence', et (si je prends le code de couleur avec sériosité et que j'ignore toute question concernant l'incertitude de mesure), cela ressemble à la configuration des températures dans le four peut dépendre de ces conditions. Vous devrez donc décider si votre "prévision" (à l'aide d'un algorithme statistique non encore spécifié) est destinée à couvrir tous les cas ensemble, ou seulement certains. Dans tous les cas, quelle que soit la technique que vous utilisiez, obtenir 16 numéros sur deux semble ambitieux.
Re: régression ou corrélation pour la prédiction de profilVous trouverez ci-joint les relevés de thermocouple du four et de température sur l'afficheur du four.
Essentiellement, dans notre étude, nous essayons en réalité de voir la relation entre la lecture réelle du thermocouple que nous obtenons de la chambre du four et les deux lectures affichées sur le four. Nous avons enregistré les valeurs maximales de nos lectures de thermocouple et de l'affichage du four. Nous essayons maintenant de prédire les lectures de la chambre du four avec uniquement les lectures affichées. Nous recueillons plus de données. Cependant, ma question est de savoir si un modèle de régression par ajustement quadratique sera approprié. Seront-ils considérés comme une variable dépendante? le modèle de régression convient-il à la méthode statistique appropriée?
Re: régression ou corrélation pour la prédiction de profilOui, "entrée" ou "sortie" est une question de point de vue!
J'ai une idée générale de votre description, mais je pense que vous devez être plus précis lorsque vous dites "... analyse sur un profil de four '. Quel est l'objectif pratique d'une telle analyse? Pour prendre un exemple, il n'est pas rare de vouloir contrôler un profil de température, voire même de le rendre plus uniforme, car cela affecte ce qui sort du four. Dans le cas du 'contrôle', cela peut ou peut être possible en utilisant seulement les valeurs max et min enregistrées (et non les 16 autres). La question de savoir si cette possibilité est raisonnable pourrait être déterminée par une analyse cherchant à comprendre la relation entre les 16 mesures et les 2 autres. Dans cette analyse, les 16 seraient considérés comme des intrants et les 2 comme des extrants.
Une fois que cela est clair, les gens devraient pouvoir proposer quelques suggestions sur les techniques qui pourraient être utiles pour déterminer la relation d’intérêt. Comme d'habitude, des exemples de données dans une table JMP pourraient vous aider si vous pouvez en partager certaines.
