Comment construire un modèle de prédiction d'un processus à plusieurs étapes : certaines exécutions ne comportent pas toutes les étapesBonjour,
J'espère obtenir des conseils en matière de modélisation sur la base des données historiques. Pour le processus sur lequel le modèle est basé, il comporte 3 étapes dep1->dep2->etch3, pour chaque étape il y a 3 facteurs continus. Donc au total, j'ai 3*3 facteurs, 9 facteurs. Cependant, pour certaines exécutions historiques, il n'y a pas d'étape 3etch mais 1 et 2. Puis-je prendre les « exécutions en 3 étapes » et « exécutions en 2 étapes » comme une seule table et construire un modèle à partir de celle-ci ? Dois-je mettre « 0 » pour les facteurs de l'étape 3 lorsqu'il n'y a pas d'étape 3 ?
Parfois, il peut également s'agir de dep1->etch2->dep3, ce qui est différent de dep1->dep2->etch3. JMP est-il capable de gérer ce type de DOE en plusieurs étapes... ?
Modélisation statistique avancéePlan d'expériencesRé: Comment construire un modèle de prédiction d'un processus à plusieurs étapes : certaines exécutions ne comportent pas toutes les étapesDésolé, je n'ai pas assez d'informations pour vous donner des conseils précis. Voici mes réflexions, même si elles ne vous plairont peut-être pas.
Étant donné que vous n'utilisez que des données historiques, le mieux que vous puissiez faire est d'explorer les données (rechercher des modèles dans les données et une éventuelle association de facteurs pour développer des hypothèses). Les données historiques manquent de contexte. Il y a trop d'informations non incluses dans votre ensemble de données pour créer des modèles de prédiction utiles. Maintenant, vous pourriez obtenir des indices pour développer des hypothèses qui peuvent être testées avec un plan expérimental, mais cela s'arrêterait là. Par exemple, bien que vous ne fournissiez pas les variables de réponse, connaissez-vous les erreurs de mesure associées aux x et aux y ? Y a-t-il d'autres facteurs non enregistrés qui ont varié au cours de la période de vos données historiques ? Les x sont-ils colinéaires ? Les x ont-ils un effet décalé ?
Utilisez simplement des tracés de données et une régression (par exemple, par étapes, PLS, voire même PCA) pour obtenir des indices qui vous aideront à concevoir une expérience afin de fournir une certaine confiance dans un modèle utile.
Ré: Comment construire un modèle de prédiction d'un processus à plusieurs étapes : certaines exécutions ne comportent pas toutes les étapesSalut @statman
Merci pour vos conseils ! Il est vrai que pour les données historiques, il y a beaucoup de bruits provenant de la mesure, des effets du temps, etc. pour la modélisation et selon vos conseils, je vais faire un peu d'exploration de données pour essayer de récupérer les facteurs importants qui seraient utiles pour construire le prochain DOE orthogonal.
La question est... parce que les exécutions historiques, certaines n'ont que deux étapes de processus, d'autres en ont trois, comment puis-je combiner ces deux scénarios en un seul pour être analysé ? Puis-je mettre "0" pour ces facteurs dans la 3ème étape pour les exécutions où il n'y a que deux étapes ? Merci !
Ré: Comment construire un modèle de prédiction d'un processus à plusieurs étapes : certaines exécutions ne comportent pas toutes les étapesPuisque vous exploitez des données, vous pouvez essayer différentes approches. Celle que vous proposez vaut la peine d'être essayée. Créez une colonne et appelez-la « étapes », puis remplissez-la en conséquence. Une fois cette opération effectuée, vous pouvez rechercher l'effet des « étapes », exécuter des procédures de régression par « étapes », réaliser de nombreux tracés de données à l'intérieur et entre les étapes, etc.
