Come utilizzare DOE in JMP per modellare gli effetti degli input di processo sulla varianzaSaluti Comunità JMP,
La mia domanda "veloce" è trovare informazioni su come progettare e analizzare un DOE in JMP utilizzato per modellare le relazioni tra input e output di varianza?
Tipici disegni sperimentali vengono utilizzati per modellare l'output medio di un processo per determinare gli input significativi (disegni di screening) ed eventualmente quantificare gli effetti (modelli di superficie di risposta). Vedo una crescente necessità di essere in grado di modellare il modo in cui i fattori del modello sono correlati a un termine di varianza creato da diverse osservazioni misurate per ogni esecuzione. La distribuzione del campionamento differisce in quanto la deviazione standard segue tipicamente un chi quadrato invece di una distribuzione normale (usata per le medie). È probabile che i progetti richiedano molte risorse poiché l'obiettivo della sperimentazione è in genere essere in grado di quantificare gli effetti e ottimizzare il modello per ridurre al minimo la varianza all'interno delle esecuzioni. Presumo che il DOE non lineare potrebbe essere la strada da percorrere e sono interessato a qualsiasi suggerimento su dove trovare maggiori informazioni ed eventuali esempi.
DAIRi: Come utilizzare DOE in JMP per modellare gli effetti degli input di processo sulla varianzaGrazie Fil.
Mi aspetto che le esecuzioni necessarie anche per un numero limitato di fattori non saranno banali a causa del requisito delle repliche. Approfitterò del collegamento fornito per mettere insieme alcuni progetti di prova.
Ri: Come utilizzare DOE in JMP per modellare gli effetti degli input di processo sulla varianzaQuesto dovrebbe essere un buon punto di partenza:
http://www.jmp.com/support/help/Loglinear_Variance_Models.shtml
" Nota: Le stime sono esigenti in quanto necessitano di molti dati ben progettati e ben adattati. Hai bisogno di più dati per adattare le varianze di quanti ne significhi."
Saluti,
Fil
