使用 JMP 根據雜質情況對生產批次進行排名生產工廠生產數千批產品，分析實驗室分析樣品並生成數據、雜質濃度和其他測試結果。 雜質需要最小化，但某些屬性需要最大化。 問題是，根據總體數據以及對某些變量添加權重來對此類批次進行排名和可視化的最佳方法是什麼？ 這就像分析具有所有響應但沒有因子的 DOE 數據。 非常感謝您的建議。問候。
回复：使用 JMP 根據雜質情況對生產批次進行排名@ftadesse_genoma ,
@馬克貝利和@statman提出了非常好的建議。 您沒有提到每個“批次”是否像一桶材料或由較小的組件組成，例如半導體中的晶圓或焊接線上的電路板。為了擴展@statman的建議，如何從批次中提取樣品以及批次內樣品之間的變化也應該按時間或順序進行審查。 我建議使用批次內的批次 ID 和样品 ID 繪製變異性圖表，以便在 X 軸與測量值上進行分組，為每個感興趣的指標創建一個圖。
多變量控製圖不僅可以突出顯示某個指標的異常結果，而且還可以突出顯示關係的變化（如果存在相關性）。
這並不是說您沒有因素，沒有受控因素，事實上，您可能有許多不受控制的因素：使用的設備、進料批次、一天中的時間、溫度、儀表讀數等，所有這些都取決於製造線你描述的。這就是為什麼建議使用單變量或多變量控製圖方法。 他們可以檢測異常情況、不尋常的結果，然後收集並分析過程歷史記錄，這類似於當今時事流行的一種方法“接觸者追踪”。目標是找出可能導致異常的原因。如果您有 JMP PRO，還有多種工具可以幫助您進行分析。 在收集工藝歷史數據時，我建議引入熟悉生產線的人員。 即使在復雜的自動化製造中，似乎也總有一些東西無法僅在數據中捕獲。
祝你好運。
回复：使用 JMP 根據雜質情況對生產批次進行排名馬克，謝謝你。 多變量分析也是我正在做的事情。 很高興知道我走在正確的道路上。 我很感激。
回复：使用 JMP 根據雜質情況對生產批次進行排名我對馬克的建議的唯一想法是：
1. 對測量系統提出質疑。 有什麼方法可以確定數據集中的測量誤差？ 有沒有重複測量的情況？
2. 使用簡單的時間序列查看數據。 由於您沒有提供任何關於雜質變化原因的假設（因此您將沒有分組策略），因此您可以僅使用移動極差和個體圖表來查看數據。
回复：使用 JMP 根據雜質情況對生產批次進行排名這個案例是關於多變量分析的。 您可以使用多種方法。
平行圖顯示批次間的所有變量。 請參閱幫助 > JMP 文檔庫 > 基本繪圖指南中的圖形生成器信息。
下一個層次可能是尋找相關性。 多變量平台一次顯示所有變量的線性相關係數矩陣和散點圖矩陣。請參閱幫助 > JMP 文檔庫 > 多元方法指南中的多元信息。
主成分分析是一種利用兩個或多個變量之間的相關性並減少數據維度的方法。 例如，您可能有 100 個變量，但通過它們之間的相關性，您可能會發現 5 個分量（原始變量的線性組合）幾乎涵蓋了所有信息。 這意味著複雜性降低了 20 倍。
多元控製圖使用主成分來查找相關性中的異常，而不是單個變量。
還有更多事情可以做，但看看這個開始會有何幫助。
