使用 JMP 根据杂质概况对制造批次进行排名一家生产工厂生产 1000 多个批次，分析实验室分析样品并生成数据、杂质浓度和其他测试结果。 杂质需要最小化，但某些属性需要最大化。 问题是，根据整体数据以及通过增加某些变量的权重来对这些批次进行排名和可视化的最佳方法是什么？ 这就像分析具有所有响应但没有因素的 DOE 数据。 非常感谢您的建议。问候。
回复：使用 JMP 根据杂质概况对制造批次进行排名@ftadesse_genoma ,
@Mark_Bailey和@statman提出了非常好的建议。 您没有提到每个“批次”是否像一桶材料或由较小的组件组成，例如半导体中的晶片或焊锡线上的电路板。为了扩展@statman 的建议，如何从批次中提取样本以及批次内的样本间变化也应作为时间或顺序进行审查。 我建议使用批次内的批次 ID 和样本 ID 的可变性图表，以便在 X 轴上与测量值进行分组，为每个感兴趣的指标创建一个图。
多变量控制图不仅可以突出一个指标的异常结果，而且如果存在相关性，还可以突出关系的变化。
不是你没有因素，没有受控因素，事实上，很可能你有很多不受控制的因素：使用的设备、来料的批次、一天中的时间、温度、仪表读数等都取决于制造线你描述的。这就是为什么建议使用单变量或多变量控制图方法的原因。 他们可以检测异常、异常结果，然后收集和分析过程历史，这类似于当今流行的一种方法“接触者追踪”。目标是回答可能导致异常的原因。如果您有 JMP PRO，那么还有多种工具可以帮助您进行分析。 在收集工艺历史数据时，我建议引入熟悉生产线的人员。 即使在复杂的自动化制造中，似乎总有一些东西不是单独在数据中捕获的。
祝你好运。
回复：使用 JMP 根据杂质概况对制造批次进行排名马克，谢谢。 多变量分析也是我正在做的。 很高兴知道我在正确的道路上。 我很感激。
回复：使用 JMP 根据杂质概况对制造批次进行排名我要添加到马克建议的唯一想法是：
1. 质疑测量系统。 有什么方法可以确定数据集中的测量误差？ 你有重复测量吗？
2. 使用简单的时间序列查看数据。 由于您没有提供任何关于杂质为何变化的假设（因此您将没有子分组策略），您可能只使用移动范围和单个图表来查看数据。
回复：使用 JMP 根据杂质概况对制造批次进行排名这个案例是关于多变量分析的。 您可以使用许多方法。
平行图显示批次间的所有变量。 请参阅“帮助”>“JMP 文档库”>“基本制图指南”中的 Graph Builder 信息。
下一个级别可能是寻找相关性。 “多元”平台一次显示所有变量的线性相关系数矩阵和散点图矩阵两个。请参阅帮助 > JMP 文档库 > 多元方法指南中的多元信息。
主成分分析是一种利用两个或多个变量之间的相关性并减少数据维度的方法。 例如，您可能有 100 个变量，但通过它们之间的相关性，您可能会发现 5 个分量（原始变量的线性组合）几乎可以解释所有信息。 这意味着复杂性降低了 20 倍。
多元控制图使用主成分来查找相关性中的异常，而不是单个变量。
还有更多可以做的事情，但看看这个开始可能会有什么帮助。
