Re: Analisi dei risultati DoE con alcune parti difettoseCIAO @ruskicar ,
Sulla base della tua descrizione, suppongo che il tuo DoE sia basato sul modello (piattaforma Custom Design, DSD o classico), non indipendente dal modello come i progetti che riempiono lo spazio?
La rimozione di punti da un progetto basato su modello è complessa e sconsigliata, in quanto potrebbe "danneggiare" o alterare gravemente il modello ottenuto, poiché i punti sono stati creati sulla base di presupposti/ipotesi specifici del modello. Non avresti così tanta complessità/difficoltà con il design indipendente dal modello, poiché hai una maggiore flessibilità sulle opzioni di modellazione.
Ci sono alcune grandi idee nelle tue proposte, ecco alcuni commenti o altre proposte. Dato che non sono un esperto di domini come te, ti preghiamo di ignorare qualsiasi proposta che possa sembrare irrilevante per il tuo campo:
- Chiaramente sconsigliato, poiché rimuoveresti completamente le informazioni (anche se distorte) dal tuo modello e ciò potrebbe influenzarlo gravemente.
Se ci sono soglie di valori sulle diverse dimensioni che stai misurando (al di sopra o al di sotto di un certo valore di soglia, i dati sono probabilmente errati), puoi utilizzare la proprietà della colonna "Limiti di rilevamento" e specificare la soglia superiore o inferiore per le diverse risposte? Alcuni casi d'uso ed esempi qui: Utilizzo della regressione generalizzata per analizzare esperimenti progettati con limiti di rilevam... - Comunità di utenti JMP
Per quanto riguarda 1.a), puoi individuare quali dimensioni sembrano sbagliate, dal punto di vista dell'esperienza del dominio, con il possibile supporto di diverse tecniche di valori anomali: metodo univariato come box-plot, analisi multivariata come T², distanze Jacknife/Mahalanobis, PCA o clustering tecniche come miscele normali/mezzi K? In caso affermativo, è possibile introdurre una nuova colonna numerica continua (Freq/Peso) in cui è possibile inserire un numero più alto per le misurazioni "valide" e un numero inferiore per le misurazioni "errate", e utilizzare questa colonna come proprietà "Freq" (frequenza) nella piattaforma di modellazione utilizzata. Ciò porrà maggiore enfasi sulle misurazioni valide rispetto a quelle non valide, come se le misurazioni valide fossero misurate molte volte di più delle misurazioni non valide.
Puoi avere diversi modi per imputare questi valori a seconda dell'analisi che hai usato per individuare misurazioni errate, ma qualcosa di interessante potrebbe funzionare usando ad esempio il valore reciproco delle distanze Jacknife/Mahalanobis come frequenze calcolate: maggiore è la distanza per un esperimento, maggiore è la abbassare la frequenza, quindi meno enfasi avrà questo esperimento sul modello.
- Utilizzando una risposta binomiale (Safe/Anomalous), potresti utilizzare un primo modello per vedere se esiste un collegamento tra alcuni valori di fattore nel tuo progetto e la presenza di valori anomali/strani. Se c'è un collegamento, puoi salvare le probabilità di previsione e utilizzare queste probabilità come seconda risposta nell'ottimizzazione Profiler : ottimizza in base al target del dominio (la tua risposta iniziale) con la massima probabilità di essere "al sicuro" da valori anomali (2a risposta basato sulle probabilità del modello binomiale).
- Dipende : Il fattore può essere visto sia come effetto fisso e/o casuale, in quanto avere parti difettose potrebbe avere un impatto sulla risposta media (effetto fisso, anche se non riproducibile), ma anche come effetto casuale, in quanto potrebbe avere un impatto sulla varianza della risposta. Se riesci a identificare le parti difettose o meno, potresti essere in grado di realizzare un breve test comparativo con la piattaforma "Fit Y by X" per valutare se la differenza tra le parti è più orientata verso una differenza nella media di risposta, oppure verso una differenza nella varianza della risposta.
Spero che questo commento ti aiuti e ti dia qualche idea 
Re: Analisi dei risultati DoE con alcune parti difettoseScusa, sono un po' confuso. Non c'è abbastanza contesto per fornire correttamente consigli, ma ecco i miei pensieri:
Se stai misurando le dimensioni, presumo che si tratti di misurazioni continue. Utilizzare questi valori per analizzare l'esperimento. Uno degli scopi di un esperimento è creare variazioni nelle variabili di risposta. In una certa misura, maggiore è la variazione che crei, più facile è vedere le relazioni causali. Lo scopo non è creare Bene parti. In realtà si tratta di creare variazioni nelle parti in un breve periodo di tempo. Dato che hai più dimensioni, farei anche un'analisi multivariata, ma a parte questo, usa il modello di adattamento e carica tutte le dimensioni nella Y, satura il modello per cercare effetti significativi del modello. Ridurre il modello e analizzare i residui.
Re: Analisi dei risultati DoE con alcune parti difettoseGrazie statman, sono d'accordo con la tua argomentazione, tuttavia:
- i pezzi vengono misurati con la CMM.
- le parti difettose sono deformate in modo tale che per alcune dimensioni la sonda CMM non può raggiungere la posizione (punto) di misurazione.
Re: Analisi dei risultati DoE con alcune parti difettoseGrazie Victor, quelle idee mi aiuteranno sicuramente.
Analisi dei risultati DoE con alcune parti difettoseCIAO,
Sto cercando di modellare i risultati dell'esperimento progettato in cui sono state prodotte 30 parti. Le caratteristiche misurate sono varie dimensioni delle parti.
Tuttavia, 10 di queste parti hanno un difetto chiaramente visibile, quindi alcune dimensioni per quelle parti difettose sono chiaramente sbagliate. È possibile che anche altre dimensioni siano interessate.
Ci sono 3 (4) modi possibili che mi vengono in mente come fare la modellazione:
1) Rimuovere le parti difettose dall'analisi (questo è complicato poiché ce ne sono 10).
1a) Rimuovere solo le dimensioni chiaramente errate, assumendo che le altre dimensioni non siano interessate.
2) Aggiungi un'altra risposta al modello che descrive la qualità (1 per buono, 0 per difettoso). Quindi scegli come target solo quelli che hanno qualità = 1
3) Aggiungere un fattore di blocco con effetto casuale e separare le parti in 2 gruppi
Che cosa suggerisci? Pensi a un modo migliore per farlo?
Grazie!
Consumatori e ricerche di mercatoProgettazione di esperimentiCondivisione e comunicazione dei risultati
