Obtenga más información en nuestro curso en línea gratuito:
Pensamiento estadístico para la resolución de problemas industriales
En este video, usamos el Revestimiento de metal ejemplo y ajustar un modelo para la respuesta, Resultado . Para esta demostración, incluimos solo los predictores continuos y sus interacciones bidireccionales como efectos del modelo.
Empezamos seleccionando Modelo de ajuste sobre el Analizar menú.
Seleccionamos Resultado como la variable Y.
Luego seleccionamos humedad a través de velocidad de la correa como efectos de modelo y haga clic Agregar . Para ingresar un término de interacción específico en el modelo, seleccionamos las columnas y luego hacemos clic en Cruz .
En lugar de agregar interacciones una a la vez, podemos agregarlas al mismo tiempo. Eliminemos los efectos del modelo y empecemos de nuevo.
Para ingresar los cinco efectos principales continuos y sus interacciones bidireccionales al modelo simultáneamente, seleccionamos las cinco columnas y luego seleccionamos macros , Factorial a Grado .
La personalidad predeterminada es Logística Nominal , y la categoría objetivo es Defectuoso .
El Resumen de efectos tabla muestra los términos en el modelo, en orden ascendente de pag -valor. Hay muchos términos no significativos.
La estadística LogWorth está relacionada con la pag -valor. Cuanto mayor sea el LogWorth, menor será el pag -valor. Se dibuja una línea azul en un LogWorth de 2, que equivale a un valor p de 0,01.
Reducimos lentamente este modelo hasta que solo quedan términos significativos.
El modelo reducido incluye tres efectos principales y dos interacciones bidireccionales.
Veamos el Prediction Profiler.
Velocidad de la correa participa en las interacciones bidireccionales. Cuando cambiamos el valor de la velocidad de la correa y mantenemos todo lo demás constante, podemos ver la influencia de la viscosidad de la pintura y la presión de la bomba en la tasa de defectos.
Por ejemplo, a velocidades de banda más altas, se requiere una viscosidad de pintura más alta y una presión de bomba más baja para minimizar la tasa de defectos.
Podemos usar esta información para determinar la mejor configuración para estos parámetros de proceso.
