來自道次生產數據的 DOE如何取得文件或剪輯，如何最佳化因子以獲得傳遞資料的最佳結果。
實驗設計視窗回覆：來自合格生產數據的 DOE如果我正確解釋你的問題，你是在問如何使用歷史資料分析能源部。
我們都希望從歷史數據中提取盡可能多的知識。我發現，在幾乎所有情況下，歷史資料的收集方式都沒有利於回答任何與專案相關的問題。我相信圖基有一句話適用於表達這種痛苦的慾望。但我還是希望你比我幸運。
您可以嘗試對該生產資料套用多元迴歸，但我擔心它會失敗某些假設。
Y 不太可能是單一 X 的函數。首先透過一些結構化的腦力激盪和直接的過程觀察來擴大你的選擇範圍。一旦您收集了要優化的因素之外的更多因素，請執行分數階乘以查看它們是否顯著。您真的確定這個單一因素就能說明整個故事嗎？接近最佳狀態的響應曲面可能很複雜，由多個因素和可能的交互作用組成。
在分數可幫助您確定哪些因素可能很重要之後，然後開始透過應用最陡上升方法進行最佳化。使用順序實驗來磨練至最佳狀態，當您認為水平設定再次跨越最佳運行並包括 5 個中心點以確定是否存在任何曲率並檢查可重複性時。然後加入軸向點即可完成最佳化。
當然，所有這些都是假設，實際上取決於您的具體情況，數據會提供指導。只要你保持規模小且連續，當結果與預期不符時，你就可以選擇進行調整。由於您正在進行小型實驗，因此您不會一路浪費資源，因為您肯定會感到驚訝並且必須進行調整。
除了這個之外，還有很多實驗策略，但這是我最喜歡的，而且往往相對簡單。
祝你好運
回覆：來自合格生產數據的 DOE非常感謝你。事實上，我曾經參加JMP網路研討會，顯示有一家公司有良率低的問題，看起來像是調味問題，但他們找不到根本原因。
他們使用像 DOE 方法一樣傳遞資料和分析。最後，他們可以優化流程以最大限度地提高產量。
就我而言，這個過程大約需要 6 個月，因此很難制定 DOE 實驗計劃，因為它需要很長的時間和精確的控制。
我計劃使用生產數據來收集因素和回應，並使用變化數據來找到我們的效果工廠並優化參數。
回覆：來自合格生產數據的 DOE如果我是你，我會從製作生產資料的流程行為圖開始。先回答過程是否穩定的問題。您需要知道您正在嘗試解決什麼類型的變異，特殊原因還是常見原因。有時並沒有“根本原因”，問題的發生只是偶然的。常見原因是隨機變化和預期變化的類型。特殊原因可指派給您可以命名的某些根本原因。這種區別很重要，因為我們的行為會有所不同。特殊原因是找到並解決根本原因。共因意味著研究系統並從根本上改變過程、設計或兩者，以減少系統固有的變化。這是一項艱苦的工作，但這正是能源部和批判性思維真正發揮作用的地方。
這聽起來像是一個可能的 EVOP（進化操作）場景。當很難進入生產環境進行實驗時，我們會使用它。我確信你可以在網上找到信息，該技術是由 George Box 在 20 世紀 50 年代開發的。總的想法是，如果我們無論如何都要運行流程來生產東西，為什麼不以戰略性的方式運行它，這樣它不僅會生產東西，而且還會產生有關流程本身的知識。 EVOP 不是一個單一的實驗，而是一種運行生產以在運行時學習和優化的方法。
如果您的意思是該過程需要很長時間才能執行，這就是 DOE 困難的原因。我反駁說，這些方法最初是為農業而開發的。如果反應是收穫的產量，他們全年只能進行一次實驗。因此，我認為，如果該過程需要很長時間才能執行，那麼更有理由運行有意的平衡和正交設計，以便您可以盡可能多地了解這些因素。當有人說這將需要很長時間時，我最喜歡的另一個答案是“好吧，那麼我們最好從今天開始。”
如果您嘗試多元迴歸，我仍然擔心您會遇到多重共線性問題。但也許你會很幸運，重要的因素並不相關。
