DOE의 표준편차 고려6런의 맞춤형 디자인으로 DOE를 만들었습니다. 2개의 요인은 연속적이며 반응 Y는 % 단위입니다. Y에 대한 결과가 있을 때 표준 편차가 상당히 큽니다. 따라서 평균값만 입력하면 설계 예측이 제대로 이루어지지 않을 것이라고 생각합니다. 그렇다면 더 나은 예측을 얻기 위해 모델에서 고려할 표준 편차를 추가하려면 어떻게 해야 할까요?
실험 설계Re: DOE의 표준편차 고려하기예를 게시해 주시겠습니까?
6개의 실행 각각을 반복해서 측정한 것 같나요?
JMP Pro에서 혼합 모형을 사용하여 데이터를 분석하려는 경우가 아니라면 반복 측정의 평균과 로그 변환된 표준 편차를 Y로 사용하는 것이 좋은 대안입니다.
반복실험의 평균은 중심 극한 정리를 활용하여 잡음이 있는 시스템에서 더 나은 추정치를 제공하고, Stddev를 사용하면 잡음이 적은 설계 공간의 일부가 있는지 확인할 수 있습니다.
Re: DOE의 표준편차 고려하기@Byron_JMP 의 제안 외에도 Analyze > Fit Model을 통해 제공되는 LogLinear Variance 플랫폼을 사용할 수도 있습니다.
큰 효과를 이끌어낼 수 있을 만큼 요인 범위가 충분히 넓습니까?
Re: DOE의 표준편차 고려하기구체적인 조언을 제공하기에는 정보/맥락이 충분하지 않습니다. 응답 변수가 정확히 무엇인가요? % 무엇? 예를 들어, % 수율은 특정 실패 메커니즘을 이해하는 데 그다지 유용한 응답이 아닙니다(수율 문제를 일으킬 수 있는 것들이 많이 있습니다). Byron이 제안한 것처럼 표준 편차를 어떻게 계산합니까? 이것이 치료 변형 내에 있습니까? 그렇다면 표준편차는 치료 내에서 변화하는 소음의 영향을 정량화하는 것입니다. 모델 효과가 이에 영향을 미칠 수 있는지 확실히 알고 싶을 수도 있습니다. 또한 Byron이 제안한 것처럼 평균(처리 내 노이즈가 줄어들므로 정밀도가 높아짐)과 표준 편차(또는 선택한 변환)의 2가지 반응을 모델링할 수 있습니다.
