回复：對一些有缺陷零件的 DoE 結果的分析你好@ruskicar ,
根據您的描述，我想您的 DoE 是基於模型的（平台定制設計、DSD 或經典），而不是像空間填充設計那樣與模型無關？
從基於模型的設計中刪除點很複雜，不推薦這樣做，因為它可能會嚴重“損壞”或使獲得的模型產生偏差，因為這些點是根據特定模型的假設/假設創建的。 使用與模型無關的設計不會有那麼多的複雜性/困難，因為您對建模選項有更大的靈活性。
您的命題中有一些很棒的想法，這裡有一些評論或其他命題。 由於我不是像你這樣的領域專家，請忽略任何聽起來與你的領域無關的提議：
- 顯然不推薦，因為您會從模型中完全刪除信息（即使有偏見）並且可能會嚴重影響它。
如果您正在測量的不同維度上有值閾值（高於或低於某個閾值，數據可能是錯誤的），您可以使用列屬性“檢測限”並指定不同響應的上限或下限？ 這裡有一些用例和示例：使用廣義回歸分析具有檢測限的設計實驗... - JMP 用戶社區
關於 1.a)，您能否從領域專業知識的角度發現哪些維度似乎是錯誤的，並可能得到不同異常值技術的支持：單變量方法如箱線圖、多變量分析如 T²、Jacknife/Mahalanobis 距離、PCA 或聚類Normal Mixtures/K-Means 等技術？ 如果是，您可以引入一個新的連續數字列（Freq/Weight），您可以在其中為“有效”測量輸入較高的數字，為“錯誤”測量輸入較低的數字，並將此列用作“Freq”（頻率）屬性使用的建模平台。 這將更加強調有效測量而不是無效測量，就好像有效測量比無效測量多幾倍。
您可以有多種方法來估算這些值，具體取決於您用於發現錯誤測量的分析，但是一些有趣的事情可以通過使用例如 Jacknife/Mahalanobis 距離的倒數值作為計算頻率來工作：一個實驗的距離越遠，頻率越低，該實驗對模型的重視程度就越低。
- 通過使用二項式響應（安全/異常），您可以使用第一個模型來查看設計中的某些因子值與異常/異常值的存在之間是否存在聯繫。 如果有鏈接，您可以保存預測概率並將這些概率用作優化探查器中的第二響應：基於域目標（您的初始響應）進行優化，最大概率從異常值（第二響應）中“安全”基於二項式模型的概率）。
- 這取決於：該因素可以被視為固定和/或隨機效應，因為有缺陷的部件可能會對平均響應產生影響（固定效應，即使不可重現），但也可以作為隨機效應，因為它可能有對響應方差的影響。 如果您可以識別有缺陷的零件，您可以使用“Fit Y by X”平台進行簡短的比較測試，以評估零件之間的差異是否更傾向於響應均值的差異，或者對響應方差的差異。
我希望這篇評論能對你有所幫助，並給你一些想法:)
回复：對一些有缺陷零件的 DoE 結果的分析對不起，我有點困惑。 沒有足夠的上下文來正確提供建議，但這是我的想法：
如果您正在測量尺寸，我假設這些是連續測量。 使用這些值來分析實驗。 實驗的一個目的是在響應變量中創建變化。 在某種程度上，你創造的變化越多，就越容易看出因果關係。 目的不是創造好的部分。 事實上，它是在短時間內在零件中產生變化。 由於你有多個維度，我也會做一些多變量分析，但除此之外，使用擬合模型並將所有維度加載到 Y 中，使模型飽和以尋找顯著的模型效果。 減少模型並分析殘差。
回复：對一些有缺陷零件的 DoE 結果的分析謝謝 statman，我同意你的論點，但是：
- 零件用 CMM 測量。
- 有缺陷的部件以這樣一種方式變形，即對於某些尺寸，CMM 探頭無法到達測量位置（點）。
回复：對一些有缺陷零件的 DoE 結果的分析謝謝維克多，這些想法一定會對我有所幫助。
對部分缺陷零件的 DoE 結果進行分析你好，
我正在嘗試對生產了 30 個零件的設計實驗的結果進行建模。 測量的特性是零件的各種尺寸。
然而，其中有 10 個零件存在明顯可見的缺陷，因此這些缺陷零件的某些尺寸顯然是錯誤的。 其他維度也可能受到影響。
我想到了 3 (4) 種可能的建模方法：
1) 從分析中刪除有缺陷的部件（這很棘手，因為有 10 個）。
1a) 僅刪除明顯錯誤的尺寸，同時假設其他尺寸不受影響。
2) 向模型添加另一個描述質量的響應（1 表示良好，0 表示有缺陷）。 然後僅定位質量 = 1 的那些
3）添加具有隨機效應的分塊因子，並將零件分成2組
你有什麼建議？ 您是否認為有更好的方法來做到這一點？
謝謝！
消費者和市場研究實驗設計分享和交流結果
