Re: Análisis de los resultados del DoE con algunas piezas defectuosasHola @ruskicar ,
Según su descripción, supongo que su DoE está basado en modelos (diseño personalizado de plataforma, DSD o clásico), no independiente del modelo como los diseños de relleno de espacio.
La eliminación de puntos de un diseño basado en modelos es compleja y no se recomienda, ya que podría "dañar" o sesgar gravemente el modelo obtenido, ya que los puntos se crearon en función de las suposiciones/hipótesis específicas del modelo. No tendría tanta complejidad/dificultad con el diseño agnóstico del modelo, ya que tiene más flexibilidad sobre las opciones de modelado.
Hay algunas ideas geniales en sus propuestas, aquí hay algunos comentarios u otras propuestas. Como no soy un experto en dominios como usted, ignore cualquier propuesta que pueda parecer irrelevante para su campo:
- Claramente no se recomienda, ya que eliminaría completamente la información (incluso si está sesgada) de su modelo y podría sesgarlo severamente.
Si hay umbrales de valores en las diferentes dimensiones que está midiendo (por encima o por debajo de un cierto valor de umbral, los datos probablemente sean erróneos), puede usar la propiedad de columna "Límites de detección" y especificar el umbral superior o inferior para las diferentes respuestas. Algunos casos de uso y ejemplos aquí: Uso de la regresión generalizada para analizar experimentos diseñados con límite de detección... - Comunidad de usuarios de JMP
Con respecto a 1.a), ¿puede detectar qué dimensiones parecen incorrectas, desde el punto de vista de la experiencia del dominio, con el posible apoyo de diferentes técnicas de valores atípicos: método univariante como diagramas de caja, análisis multivariante como T², distancias Jacknife/Mahalanobis, PCA o agrupamiento? ¿Técnicas como Mezclas Normales/K-Means? En caso afirmativo, puede introducir una nueva columna numérica continua (Frecuencia/Peso) en la que puede colocar un número más alto para mediciones "válidas" y un número más bajo para mediciones "erróneas", y usar esta columna como propiedad "Frecuencia" (frecuencia) en el plataforma de modelado utilizada. Esto pondrá más énfasis en las medidas válidas que en las no válidas, como si las medidas válidas se midieran varias veces más que las no válidas.
Puede tener varias formas de imputar estos valores según el análisis que utilizó para detectar la medición errónea, pero algo interesante podría funcionar utilizando, por ejemplo, el valor recíproco de las distancias Jacknife/Mahalanobis como las frecuencias calculadas: cuanto más distancia para un experimento, más Baje la frecuencia, por lo que menos énfasis tendrá este experimento en el modelo.
- Al usar una respuesta binomial (Seguro/Anómalo), podría usar un primer modelo para ver si existe un vínculo entre algunos valores de factores en su diseño y la presencia de valores anómalos/extraños. Si hay un enlace, puede guardar las probabilidades de predicción y usar estas probabilidades como una segunda respuesta en el generador de perfiles de optimización: optimice según el objetivo del dominio (su respuesta inicial) con la máxima probabilidad de estar "seguro" de valores anómalos (2da respuesta basado en probabilidades del modelo binomial).
- Depende: el factor podría verse como un efecto fijo y/o aleatorio, ya que tener piezas defectuosas podría tener un impacto en la respuesta media (efecto fijo, incluso si no es reproducible), pero también como un efecto aleatorio, ya que podría tener un impacto en la varianza de la respuesta. Si puede identificar las piezas que están defectuosas o no, puede realizar una pequeña prueba comparativa con la plataforma "Fit Y by X" para evaluar si la diferencia entre las piezas está más orientada a una diferencia en la media de respuesta, o hacia una diferencia en la varianza de la respuesta.
Espero que este comentario te ayude y te de algunas ideas 
Re: Análisis de los resultados del DoE con algunas piezas defectuosasLo siento, estoy un poco confundido. No hay suficiente contexto para brindar un asesoramiento adecuado, pero aquí están mis pensamientos:
Si está midiendo dimensiones, supongo que se trata de medidas continuas. Utilice estos valores para analizar el experimento. Uno de los propósitos de un experimento es crear variación en las variables de respuesta. Hasta cierto punto, cuanta más variación cree, más fácil será ver las relaciones causales. El propósito no es crear bien partes. De hecho, es para crear variaciones en las partes durante un corto período de tiempo. Dado que tiene múltiples dimensiones, también haría un análisis multivariado, pero aparte de eso, use el modelo de ajuste y cargue todas las dimensiones en la Y, sature el modelo para buscar efectos de modelo significativos. Reduzca el modelo y analice los residuos.
Re: Análisis de los resultados del DoE con algunas piezas defectuosasGracias statman, estoy de acuerdo con tu argumento, sin embargo:
- las piezas se miden con la MMC.
- las piezas defectuosas se deforman de tal manera que, para algunas dimensiones, la sonda CMM no puede alcanzar la ubicación (punto) de medición.
Re: Análisis de los resultados del DoE con algunas piezas defectuosasGracias Victor, esas ideas definitivamente me ayudarán.
Análisis de resultados DoE con algunas piezas defectuosasHola,
Estoy tratando de modelar los resultados del experimento diseñado donde se produjeron 30 partes. Las características medidas son varias dimensiones de las piezas.
Sin embargo, 10 de esas partes tienen un defecto claramente visible, por lo que algunas dimensiones de esas partes defectuosas son claramente incorrectas. Es posible que otras dimensiones también se vean afectadas.
Hay 3 (4) formas posibles que me vienen a la mente de cómo hacer el modelado:
1) Retire las piezas defectuosas del análisis (esto es complicado ya que hay 10 de ellas).
1a) Elimine solo las dimensiones que son claramente incorrectas, suponiendo que las demás dimensiones no se vean afectadas.
2) Agregue otra respuesta al modelo que describa la calidad (1 para bueno, 0 para defectuoso). Luego apunte solo a aquellos que tienen calidad = 1
3) Agregue un factor de bloqueo con efecto aleatorio y separe las partes en 2 grupos
¿Que sugieres? ¿Se te ocurre alguna forma mejor de hacer esto?
¡Gracias!
Investigación del Consumidor y del MercadoDiseño de experimentosCompartir y comunicar resultados
