Ich erstellte ein Screening-Design für die Auflösung IV mit vier Faktoren (Temperatur, Geschwindigkeit, Schichthöhe und Wartezeit) und vier Antworten (Bruchspannung, Bruchdehnung, Modul und Kristallinität). Das Design hat 8 Läufe plus 4 Mittelpunkte, also insgesamt 12 Läufe. Das Ziel meines Experiments ist es, die einflussreichsten Faktoren für jede Antwort zu identifizieren. Nach dem Durchführen des Experiments zeigte einer der Durchläufe ein ganz anderes Ergebnis als andere (Bruchspannung und Bruchdehnung sind viel größer), da die Proben nicht sehr gut gedruckt wurden. Ich wollte diesen Lauf entfernen (Lauf 3, Temperatur = 410, Geschwindigkeit = 20, Schichthöhe = 0,3, Wartezeit = 11), weil ich eine viel bessere Passform erhalten kann und mehr Faktoren im Modell erkannt wurden. Wenn beispielsweise Run3 nicht entfernt wird, sind die Faktoren, die für die Bruchspannung von Bedeutung sind, Temperatur und Wartezeit. Nachdem Lauf 3 entfernt worden war, wurden noch Temperatur und Wartezeit erfasst, und die Schichthöhe wurde als dritter wichtiger Faktor erfasst. Auch für die Bruchdehnung ist die Temperatur der einzige Faktor, wenn Lauf 3 enthalten ist, aber ohne Lauf 3 waren Temperatur und Geschwindigkeit im Modell enthalten. Als ich jedoch die Entwurfsbewertung überprüfte, wurde die Vorhersageabweichung nach dem Entfernen von Lauf 3 höher, und sie ist besonders bei der Faktorstufe von Lauf 3 ziemlich hoch. Ich bin mir also nicht sicher, ob es angebracht ist, diesen Lauf zu entfernen. Ich habe einige Abbildungen beigefügt, um den Unterschied zwischen den beiden Designs (mit und ohne Lauf 3) zu zeigen. Vielen Dank!
Hier sind einige meiner Gedanken.
Es gibt keine endgültigen "Regeln" für den Umgang mit ungewöhnlichen Punkten in Experimenten, aber Daniel weist darauf hin, dass einer der fünf häufigsten Mängel bei der Analyse von DOE darin besteht, "die Daten nicht auf schlechte Werte zu untersuchen". Dies ist wahrscheinlich darauf zurückzuführen, dass die meisten Experimente eher kleine Datenmengen haben und einzelne Datenpunkte einen großen Einfluss auf quantitative Methoden (z. B. ANOVA und Regression) haben können.
Bevor Sie mit dem Entfernen von Datenpunkten beginnen, möchte ich Sie fragen, was Sie aus dieser Behandlung gelernt haben. Warum waren die Ergebnisse so unterschiedlich als die anderen? Wie viel anders? Was waren die anderen Variablen, die im Experiment nicht speziell manipuliert wurden (aka. Lärm) zu tun. Ich erinnere mich, wie ich vor vielen Jahren mit Dr. Taguchi Ausreißerdaten besprochen habe und er sagte, "das ist vielleicht das Wichtigste, was im Experiment gelernt wurde". Ist das Messsystem ausreichend? Bei zerstörerischen Tests wie Belastungs- und Dehnungstests, bei denen es praktisch unmöglich ist, Messfehler von Produktschwankungen zu trennen, kann es schwierig sein, dies festzustellen. Ich empfehle oft, bei jeder Behandlung mehrere Proben zu entnehmen, damit einige innerhalb der Behandlung beurteilt werden können.
Stellen Sie für Ihre Situation zunächst sicher, dass die Daten tatsächlich ein Ausreißer sind (da die Möglichkeit besteht, dass sie auf einen Behandlungseffekt hoher Ordnung zurückzuführen sind). Da Sie mehrere Ys haben, können Sie mit Mahalanobis-Entfernungen (Analysieren> Multivariate> Multivariate, Option Ausreißeranalyse) auf mögliche Ausreißer testen. Die meisten Leute verwenden Residuen, um herauszufinden, wann die Annahmen der Analyse nicht erfüllt sind. Eine Ranganalyse kann ebenfalls nützlich sein.
Wenn Sie davon überzeugt sind, dass die Behandlung tatsächlich beeinträchtigt ist, können Sie eine Reihe von Maßnahmen ergreifen, um die Auswirkungen dieser Behandlung auf die Ergebnisse zu überprüfen:
Ersatz:
1. Ersetzen Sie die ungewöhnlichen Datenpunkte durch den Mittelwert der verbleibenden Datenpunkte
2. Stellen Sie die verbleibenden Datenpunkte wieder her und verwenden Sie die Option "Vorgegebene Ergebnisse speichern", um den fehlenden Datenpunkt "vorherzusagen".
3. Verwenden Sie vorhergesagte Werte (vorausgesetzt, Sie haben Vorhersagen getroffen, bevor Sie das Experiment ausgeführt haben).
Wiederholung:
1. Führen Sie diese Behandlung erneut durch, obwohl Sie möglicherweise Blockierungseffekte berücksichtigen müssen
2. Führen Sie einen Teil des Experiments erneut aus
3. Führen Sie das gesamte Experiment erneut aus. Wenn ich es wäre, würde ich sehen, was ich gelernt habe, und die Ebenen vor der Replikation ändern
