나는 4 가지 요소 (온도, 속도, 레이어 높이 및 대기 시간)와 4 가지 응답 (파단 응력, 파단 변형률, 계수 및 결정도)을 가진 해상도 IV 스크리닝 디자인을 만들었습니다. 설계에는 8 개의 런에 4 개의 중심점이 있으므로 총 12 개의 런이 있습니다. 내 실험의 목표는 각 반응에 가장 영향력있는 요소를 식별하는 것입니다. 실험을 실행 한 후, 샘플들 중 하나가 잘 인쇄되지 않았기 때문에, 실행들 중 하나는 다른 것들과는 매우 다른 결과를 보여 주었다 (파단 응력 및 파단 변형률이 훨씬 더 크다). 훨씬 더 잘 맞고 모델에서 더 많은 요소가 감지 되었기 때문에 해당 실행 (Run 3, Temperature = 410, speed = 20, layer height = 0.3, wait-time = 11)을 제거하고 싶었습니다. 예를 들어 Run3을 제거하지 않으면 파단시 응력에 중요한 요소는 온도 및 대기 시간입니다. Run 3이 제거 된 후에도 온도 및 대기 시간이 여전히 감지되었으며 레이어 높이가 세 번째 중요한 요소로 감지되었습니다. 또한, 파단 변형률의 경우, Run 3이 포함 된 경우 온도가 유일한 요소이지만 Run 3이 없으면 온도 및 속도가 모델에 포함됩니다. 그러나 설계 평가를 확인할 때 Run 3을 제거한 후 예측 분산이 높아졌으며 특히 Run 3의 요인 수준에서 상당히 높습니다. 따라서 해당 실행을 제거하는 것이 적절한 지 확실하지 않습니다. 두 디자인의 차이를 보여주기 위해 Run 3의 유무에 관계없이 일부 그림을 포함 시켰습니다. 감사!
여기 내 생각이 있습니다.
실험에서 특이한 점을 처리하기위한 결정적인 "규칙"은 없지만 Daniel이 지적한 것처럼 DOE 분석에서 가장 일반적인 5 가지 결함 중 하나는 "나쁜 값에 대한 데이터를 연구하는 데 실패했습니다"입니다. 이는 대부분의 실험에 약간의 데이터 세트가 있고 특이한 데이터 포인트가 정량적 방법 (예 : 분산 분석 및 회귀)에 큰 영향을 미칠 수 있기 때문일 수 있습니다.
이제 데이터 포인트 제거를 시작하기 전에 해당 치료에서 무엇을 배웠는지 물어볼 수 있습니다. 결과가 다른 결과와 크게 다른 이유는 무엇입니까? 얼마나 다른가요? 실험에서 구체적으로 조작되지 않은 다른 변수는 무엇입니까? 소음). 나는 몇 년 전에 Taguchi 박사와 이상치 데이터 포인트를 논의한 것을 기억하며 "실험에서 배운 가장 중요한 것"이라고 말했다. 측정 시스템이 적절합니까? 측정 오차를 제품 변동과 분리하는 것이 사실상 불가능한 응력 및 변형 테스트와 같은 파괴적인 테스트의 경우이를 확인하기가 어려울 수 있습니다. 나는 종종 각 치료에서 여러 개의 샘플을 만들어서 치료 평가 내의 일부를 수행 할 것을 권장합니다.
상황에 따라 먼저 데이터가 실제로 이상치인지 확인하십시오 (오더 처리 효과가 높을 가능성이 있으므로). Y가 여러 개이므로 Mahalanobis Distances (분석> 다변량> 다변량, 옵션 특이 치 분석)을 사용하여 가능한 특이 값을 테스트 할 수 있습니다. 대부분의 사람들은 분석 가정이 충족되지 않은 경우를 식별하기 위해 잔차를 사용합니다. 순위 분석도 유용 할 수 있습니다.
치료가 실제로 손상되었다고 확신하는 경우 결과에 대한 치료 효과를 확인하기 위해 수행 할 수있는 여러 가지 작업이 있습니다.
바꿔 놓음:
1. 비정상적인 데이터 포인트를 나머지 데이터 포인트의 평균으로 교체
2. 나머지 데이터 포인트를 회귀하고 예측 결과 저장을 사용하면 JMP에서 누락 된 데이터 포인트를 "예측"합니다.
삼. 예측값 사용 (실험을 실행하기 전에 예측했다고 가정)
재실행 :
1. 가능한 차단 효과를 설명해야 할 수도 있지만 치료를 다시 실행하십시오.
2. 실험의 일부를 다시 실행
삼. 전체 실험을 다시 실행하십시오.하지만 내가 실험 한 경우 복제 전에 학습 한 내용을 확인하고 레벨을 수정합니다.
