Regresión o correlación para la predicción del perfilActualmente estoy haciendo un análisis sobre el perfil del horno. Disponemos de 16 puntos de datos del horno de termocópulas. y 2 datos máximos que representan la temperatura máxima de calor y la temperatura máxima de frío.
Los 16 puntos de datos y 2 puntos de datos máximos son respuestas de salida. Lo que significa que hay dos conjuntos de respuesta de salida: 1) Temperatura del perfil del termopar 2) Temperatura del indicador del horno de 2 sensores.
¿Qué análisis es mejor para predecir la temperatura real del perfil utilizando estos dos conjuntos de datos?
¿Modelo de correlación o ajuste de regresión? Ya que ambos son respuestas de salida, estoy confundido en esto.
Como esta es una respuesta de curva, encuentro que usar un modelo de regresión cuadrática es un mejor ajuste. Cualquier ayuda sobre el método de análisis correcto para este caso es útil.
Re: Regresión o correlación para la predicción del perfilSu .pptx fue bastante informativo, pero solo contenía una captura de pantalla de los valores medidos, así que solo pude obtener una impresión general. Claramente, más datos serían buenos, y TBH, no creo que se puedan hacer recomendaciones razonables hasta que dichos datos estén disponibles.
En casos como este, y antes de pensar en modelar, es esencial mirar los datos gráficamente para comprender mejor las fuentes de variación que contiene. El funcionamiento del horno que tiene actualmente proviene de varias condiciones diferentes de 'Bandeja', 'Tipo' y 'Secuencia', y (si tomo el código de color en serio e ignoro cualquier pregunta sobre la incertidumbre de la medición), parece el patrón de termperaturas Dentro del horno puede depender de estas condiciones. Por lo tanto, tendrá que decidir si su "predicción" (utilizando un enfoque estadístico no especificado aún) pretende cubrir todos los casos juntos, o solo algunos. En cualquier caso, no importa qué técnica utilices finalmente, obtener dieciséis números de dos parece ambicioso.
Re: Regresión o correlación para la predicción del perfilAdjunto se encuentran las lecturas del termopar del horno y las lecturas de temperatura de la pantalla del horno.
Básicamente, en nuestro estudio estamos tratando de ver la relación entre la lectura real del termopar que obtenemos de la cámara del horno frente a las dos lecturas que se muestran en el horno. Hemos registrado los valores máximos de nuestras lecturas de termopares y las lecturas de la pantalla del horno. Lo que estamos tratando de hacer ahora es predecir las lecturas de la cámara del horno solo con las lecturas de la pantalla. Estamos recopilando más datos. Sin embargo, mi pregunta es si un modelo de regresión de ajuste cuadrático será el adecuado. ¿Serán consideradas una variable dependiente? ¿El modelo de regresión se ajusta al método estadístico correcto para esto?
Re: Regresión o correlación para la predicción del perfilSí, 'entrada' o 'salida' es todo una cuestión de punto de vista de uno!
Tengo una idea general de su descripción, pero creo que necesita ser más específico cuando dice '... Análisis sobre un perfil de horno '. ¿Cuál es el objetivo práctico de tal análisis? Para tomar un ejemplo, no es raro querer controlar un perfil de temperatura, o incluso hacerlo más uniforme, porque eso afecta lo que sale del horno. En el caso de 'control', eso puede o puede ser posible usando solo los valores máximos y mínimos registrados (y no los otros 16). Si esta posibilidad es razonable podría determinarse mediante un análisis que busque comprender la relación entre las 16 mediciones y las 2 otras. En ese análisis, los 16 se considerarían como entradas y los 2 como salidas.
Una vez que esto quede claro, la gente debería poder ofrecer algunas sugerencias sobre qué técnicas podrían ser buenas para determinar la relación de interés. Como de costumbre, los datos de muestra en una tabla JMP ayudarían, si puede compartir algunos.
