Wie verwende ich DOE in JMP, um die Auswirkungen von Prozesseingaben auf die Varianz zu modellieren?Grüße JMP-Community,
Meine „kurze“ Frage besteht darin, Informationen zum Entwerfen und Analysieren eines DOE in JMP zu finden, das zur Modellierung von Beziehungen zwischen Eingaben und Varianzausgaben verwendet wird.
Typische experimentelle Designs werden verwendet, um den durchschnittlichen Output eines Prozesses zu modellieren, um die signifikanten Inputs zu bestimmen (Screening-Designs) und möglicherweise die Auswirkungen zu quantifizieren (Reaktionsoberflächenmodelle). Ich sehe einen wachsenden Bedarf, modellieren zu können, wie Modellfaktoren mit einem Varianzterm zusammenhängen, der aus mehreren für jeden Lauf gemessenen Beobachtungen erstellt wird. Die Stichprobenverteilung unterscheidet sich, da die Standardabweichung normalerweise einer Chi-Quadrat-Verteilung folgt und nicht einer Normalverteilung (die für Mittelwerte verwendet wird). Die Entwürfe sind wahrscheinlich ressourcenintensiv, da das Ziel des Experiments typischerweise darin besteht, Effekte zu quantifizieren und das Modell zu optimieren, um die Varianz innerhalb der Durchläufe zu minimieren. Ich gehe davon aus, dass das nichtlineare DOE der richtige Weg sein könnte, und bin an Tipps interessiert, wo man weitere Informationen und Beispiele finden kann.
VersuchsplanungBetreff: Wie verwende ich DOE in JMP, um die Auswirkungen von Prozesseingaben auf die Varianz zu modellieren?Danke, Phil.
Ich gehe davon aus, dass die erforderlichen Durchläufe selbst für eine kleine Anzahl von Faktoren aufgrund der Anforderung an Replikationen nicht trivial sein werden. Ich werde den bereitgestellten Link nutzen, um einige Testdesigns zusammenzustellen.
Betreff: Wie verwende ich DOE in JMP, um die Auswirkungen von Prozesseingaben auf die Varianz zu modellieren?Dies sollte ein guter Anfang sein:
http://www.jmp.com/support/help/Loglinear_Variance_Models.shtml
" Notiz: Die Schätzungen sind anspruchsvoll, da sie viele gut konzipierte und gut passende Daten benötigen. Sie benötigen mehr Daten, um Varianzen anzupassen, als Sie benötigen.
Grüße,
Phil
