Re: 일부 결함 부품에 대한 DoE 결과 분석안녕 @ruskicar ,
귀하의 설명에 따르면 귀하의 DoE는 모델 기반(플랫폼 맞춤형 디자인, DSD 또는 클래식)이며 Space-Filling 디자인과 같이 모델에 구애받지 않는 것 같습니다.
모델 기반 설계에서 포인트를 제거하는 것은 복잡하며 권장되지 않습니다. 특정 모델의 가정/가설을 기반으로 포인트가 생성되었기 때문에 얻은 모델을 심각하게 "손상"시키거나 편향시킬 수 있기 때문입니다. 모델링 옵션에 대한 유연성이 더 높기 때문에 모델에 구애받지 않는 설계를 사용하면 복잡성/어려움이 많지 않을 것입니다.
귀하의 제안에 몇 가지 훌륭한 아이디어가 있습니다. 여기에 몇 가지 의견 또는 기타 제안이 있습니다. 저는 귀하와 같은 도메인 전문가가 아니므로 귀하의 분야와 무관하게 들릴 수 있는 모든 제안을 무시하십시오.
- 모델에서 정보(편향된 경우에도)를 완전히 제거하면 모델이 심하게 편향될 수 있으므로 분명히 권장하지 않습니다.
측정 중인 다른 차원에 값 임계값이 있는 경우(특정 임계값 위 또는 아래, 데이터가 잘못된 것일 수 있음) 열 속성 "감지 한계"를 사용하고 다른 응답에 대한 상한 또는 하한 임계값을 지정할 수 있습니다. 일부 사용 사례 및 예는 다음과 같습니다. 일반화 회귀를 사용하여 검출 한계로 설계된 실험 분석 - JMP 사용자 커뮤니티
1.a)와 관련하여, 상자 그림과 같은 일변량 방법, T²와 같은 다변량 분석, 잭나이프/마할라노비스 거리, PCA 또는 클러스터링과 같은 다양한 이상치 기술의 가능한 지원을 통해 도메인 전문 지식의 관점에서 어떤 차원이 잘못되어 보이는지 파악할 수 있습니까? Normal Mixtures/K-Means와 같은 기술? 그렇다면 "유효한" 측정에 대해 더 높은 숫자를 입력하고 "잘못된" 측정에 대해 더 낮은 숫자를 입력할 수 있는 새로운 연속 숫자 열(Freq/Weight)을 도입하고 이 열을 "Freq"(주파수) 속성으로 사용할 수 있습니다. 사용되는 모델링 플랫폼. 이렇게 하면 유효하지 않은 측정보다 유효한 측정이 여러 번 측정된 것처럼 유효하지 않은 측정보다 유효 측정이 더 강조됩니다.
잘못된 측정을 발견하는 데 사용한 분석에 따라 이러한 값을 여러 가지 방법으로 대치할 수 있지만 예를 들어 잭나이프/마할라노비스 거리의 역수 값을 계산된 빈도로 사용하여 흥미로운 작업을 수행할 수 있습니다. 빈도를 낮추면 이 실험이 모델에 덜 강조됩니다.
- 이항 응답(안전/비정상)을 사용하면 첫 번째 모델을 사용하여 설계의 일부 요인 값과 이상/이상한 값의 존재 사이에 연결이 있는지 확인할 수 있습니다. 링크가 있는 경우 예측 확률을 저장하고 최적화 프로파일러에서 이러한 확률을 두 번째 응답으로 사용할 수 있습니다. 비정상적인 값(두 번째 응답)으로부터 "안전"할 최대 확률로 도메인 대상(초기 응답)을 기반으로 최적화합니다. 이항 모델의 확률을 기반으로 함).
- 그것은 다음과 같습니다. 요인은 결함이 있는 부품이 평균 응답에 영향을 미칠 수 있기 때문에 고정 및/또는 랜덤 효과로 볼 수 있지만(재현 불가능하더라도 고정 효과) 랜덤 효과로도 볼 수 있습니다. 응답 분산에 미치는 영향. 결함이 있는 부품인지 여부를 식별할 수 있는 경우 부품 간의 차이가 응답 평균의 차이를 향하는지 평가하기 위해 플랫폼 "Fit Y by X"를 사용하여 간단한 비교 테스트를 실현할 수 있습니다. 응답 분산의 차이를 향하여.
이 댓글이 도움이 되고 아이디어를 얻을 수 있기를 바랍니다. 
Re: 일부 결함 부품에 대한 DoE 결과 분석죄송합니다. 조금 혼란스럽습니다. 적절한 조언을 제공하기에는 맥락이 충분하지 않지만 제 생각은 다음과 같습니다.
치수를 측정하는 경우 이것이 연속 측정이라고 가정합니다. 이 값을 사용하여 실험을 분석합니다. 실험의 한 가지 목적은 반응 변수에 변동을 만드는 것입니다. 어느 정도는 더 많은 변형을 만들수록 인과 관계를 더 쉽게 볼 수 있습니다. 만드는 것이 목적이 아닙니다 좋은 부속. 사실 그것은 짧은 시간 동안 부품에 변형을 만드는 것입니다. 여러 차원이 있으므로 일부 다변량 분석도 수행하지만, 그 외에 모델 적합을 사용하고 모든 차원을 Y에 로드하고 모델을 포화시켜 중요한 모델 효과를 찾습니다. 모델을 축소하고 잔차를 분석합니다.
Re: 일부 결함 부품에 대한 DoE 결과 분석statman에게 감사합니다. 그러나 귀하의 주장에 동의합니다.
- CMM으로 부품을 측정합니다.
- 일부 치수의 경우 CMM 프로브가 측정 위치(지점)에 도달할 수 없는 방식으로 결함 부품이 변형됩니다.
Re: 일부 결함 부품에 대한 DoE 결과 분석Victor에게 감사합니다. 그 아이디어가 확실히 도움이 될 것입니다.
일부 결함 부품에 대한 DoE 결과 분석안녕,
30개의 부품이 생산된 설계된 실험의 결과를 모델링하려고 합니다. 측정된 특성은 부품의 다양한 치수입니다.
그러나 이러한 부품 중 10개에는 명확하게 눈에 보이는 결함이 있으므로 이러한 결함 부품의 일부 치수는 분명히 잘못되었습니다. 다른 치수도 영향을 받을 수 있습니다.
모델링을 수행하는 방법은 3가지(4) 가지가 있습니다.
1) 결함 부품을 분석에서 제거합니다(10개이므로 까다롭습니다).
1a) 다른 치수는 영향을 받지 않는다고 가정하면서 분명히 잘못된 치수만 제거합니다.
2) 품질을 설명하는 모델에 다른 응답을 추가합니다(양호 1, 불량 0). 그런 다음 품질 = 1인 항목만 타겟팅합니다.
3) 무작위 효과가 있는 차단 요소를 추가하고 부품을 2개 그룹으로 분리
당신은 무엇을 제안합니까? 이 작업을 수행하는 더 좋은 방법이 있습니까?
감사해요!
소비자 및 시장 조사실험 설계결과 공유 및 소통
