532406_it-IT

liliconcom

Come gestisco la mancanza di dati di adattamento se effettivamente hanno un bell'aspetto nel profilatore di superficie e effettivi in base alla trama prevista

Cari professionisti JMP,

 

Ho un set di dati (vedi allegato) con due fattori discreti (X_1 e X_2) e dopo l'esecuzione del modello, l'adattamento sembra buono sia nel reale che nel profilatore di superficie. Tuttavia, ho una notevole mancanza di adattamento qui.

Mi chiedo quale sia il motivo qui e come gestisco questo set di dati? Posso ancora usare e credere alla vestibilità? Si noti che ho dovuto utilizzare l'insieme discreto di fattori qui invece di un DoE da manuale.

 

Grazie per il tuo aiuto qui,

 

Distinti saluti,

Simone

AnaliticaDOERe: Come gestisco la mancanza di dati di adattamento se effettivamente hanno un bell'aspetto nel profilatore di superficie e effettivi in base alla trama prevista

Ciao @Simon Fuchs ,

 

Puoi leggere di più sulla mancanza di fit test per l'analisi di regressione qui . Penso che il problema con la mancanza di fit test sia che non hai abbastanza voci replicate per gli input X_1 e X_2. Il tuo set di dati contiene solo 2, righe 6 e 10. E, poiché la risposta che hai misurato X_3 e X_6 ha valori sostanzialmente identici (per quelle esecuzioni), JMP ha difficoltà a riportare le statistiche per la mancanza di fit test. Se stavi davvero replicando le corse DOE, allora con il normale rumore gaussiano, dovresti avere risposte che differiscono, anche se solo nel rumore del sistema di misurazione.

 

Puoi verificarlo aggiungendo alcune nuove righe che hanno esattamente le stesse coppie di X_1 e X_2, ma quindi inserisci valori leggermente diversi per la risposta, X_3. Se esegui nuovamente il modello su questi nuovi dati, vedrai che JMP calcola la mancanza di adattamento come ti aspetteresti. Se puoi permetterti di replicare l'intero DOE, ti consiglio vivamente di farlo.

 

Una cosa che ho notato sui modelli è che il fattore X_1 gioca un ruolo meno importante (per la risposta X_3) rispetto al termine incrociato X_1*X_2, o anche all'effetto del secondo ordine X_2*X_2. In effetti, il ruolo di X_1 da solo non è un fattore significativo, anche se incrociato con X_2, ottieni un termine piuttosto importante. Potevo vederlo accadere con qualcosa come un catalizzatore. Il catalizzatore da solo non guiderà la reazione, ma se miscelato con l'ingrediente giusto, può guidare una reazione in modo molto efficiente. La tua configurazione specifica ha senso per avere i fattori ordinati così come sono? In caso negativo, hai bisogno di ripensare al modello e ai termini che stai aggiungendo ad esso?

 

Spero che sia di aiuto,

ds

 

 

Re: Come gestisco la mancanza di dati di adattamento se effettivamente hanno un bell'aspetto nel profilatore di superficie e effettivi in base alla trama prevista

Ciao SDF1,

 

Grazie mille per la tua risposta! Volevo solo chiedere, dove posso vedere/analizzare che non ho abbastanza voci replicate per X_1?

Sarebbe bello rendersene conto in anticipo, prima di iniziare la misurazione e vederlo anche nel pannello di analisi dei minimi quadrati.

 

Grazie per il tuo aiuto qui e sì, la combinazione di fattori ha senso in questo caso.

 

Distinti saluti

Simone