请教O大师:
1, 为了对最终的产品质量作出改善,我们按天收集了数据,建立了每天的工艺数据和产品的检验结果(合格率)的一一对应,请问我们能否用doe的方法分析数据,如果不能用是否可以用多变量分析的方法。
2,由于我们是一家陶件的生产厂,模具的寿命对最终的产品质量影响不可避免,但模具每使用一次寿命都会减少,是否在做DOE是可以把模具的寿命作为Block考虑如果code成4个block数据如何分析?
3,我的数据见后:2-10 为x
模具寿命 2 3 4 5 6 7 8 9 10 Y
1 1 2 1 1 1 2 2 1 1 7.69
2 1 1 1 1 1 1 2 1 1 2.56
3 1 2 1 1 1 1 2 1 1 2.63
4 1 2 1 1 1 1 1 1 1 5.88
5 1 1 1 1 1 1 1 2 1 2.7
6 1 1 1 2 2 1 1 2 1 8.11
7 2 1 2 2 2 1 1 1 1 8.33
8 2 1 1 1 1 1 1 1 1 10
9 1 2 1 2 1 1 2 2 1 8.33
10 1 1 1 2 2 1 1 1 1 22.22
11 1 1 1 1 1 2 1 2 1 2.63
12 1 1 1 1 2 2 1 1 1 0
13 1 1 1 1 2 1 1 2 1 12.82
14 2 2 1 1 1 2 1 2 1 7.89
15 1 2 2 1 2 2 1 2 1 10.53
16 2 2 1 1 2 1 1 2 1 10
17 1 1 1 2 2 1 1 2 2 5
18 2 2 1 2 2 1 1 2 2 5
19 2 2 2 2 2 1 1 2 2 7.89
20 1 2 2 1 1 1 1 2 2 7.69
21 1 2 2 1 1 1 1 2 1 5
22 2 1 1 2 1 2 1 2 1 5
23 2 1 2 2 1 1 1 1 1 8.33
24 2 1 2 1 1 2 1 1 1 2.63
25 2 1 2 1 1 1 1 1 1 5.56
26 2 1 2 2 1 1 1 1 1 5.13
27 2 2 2 2 1 2 1 1 1 0
28 1 1 2 2 1 1 1 1 1 0
29 2 1 2 2 1 1 1 1 1 2.7
30 2 2 2 2 1 2 1 1 1 0
31 1 2 2 1 1 2 1 1 1 0
32 1 2 2 2 1 1 1 2 1 5
33 1 2 2 2 1 1 1 2 1 5.13


最新回复
alicewang4 (2006-2-23 21:16:12)
jiaruicheng (2006-2-24 14:41:14)
不过还请路过的高手指点下吧,别计较那么多了.
声明:我真的不会.
cfmail (2006-2-24 14:49:57)
alicewang4 (2006-2-24 22:17:48)
sundjb (2006-2-27 08:41:48)
Davelee (2006-2-28 22:17:44)
一剪梅. (2006-3-02 18:53:56)
aiyinsitan (2006-3-02 19:04:00)
如果用DOE来分析数据,最少要有两个因子,每个因子2水平以上吧
但是在你的表格中是如何体现的呢????
模具寿命 2 3 4 5 6 7 8 9 10
这一行是什么意思??
另外因为是连续生产,不能把寿命作为B lock处理
它本身的意思就是因为不能连续执行试验的时候,避免作为一个新的因子考虑才Block处理的
sundjb (2006-3-03 16:29:53)
aiyinsitan (2006-3-03 16:47:56)
QUOTE:
你试着用stat anova glm 分析一下吧
因子筛选是肯定的
sundjb (2006-3-06 12:45:13)
Davelee (2006-3-07 14:50:44)
tomyu3 (2006-3-08 13:18:42)
huangyi (2006-3-10 13:45:24)
sundjb (2006-3-13 14:53:22)
doe.jpg
tomyu3 (2006-3-13 15:52:49)
QUOTE:
X2-X9全部为分类变量吗?如果有连续变量,应该给出原始数据.所谓标准化处理,是针对连续变量而言的.即用原始数据减去样本均值后再除以样本标准偏差.MINITAB里面有标准菜单可以一次完成,但完成回归后再转换成原始变量则需要手工做.分类或属性变量可以按-1,+1加以CODE.tomyu3 (2006-3-13 17:06:07)
将Z1=(X1-17)/9.66854代入上述方程可得.注意,这里X2,X7和X9为CODED VALUE.其中,-1,+1分别代表你所给数据得1和2.
在作回归时,删除了第十个观察值(残差过大,怀疑为异常值),因此,你需要对第十个观察点进行研究(可以检查记录或与有关人员核实),并运行一个试验来验证。由于所得回归方程的R-Sq和R-Sq(adj)较小(不到40),因此,本方程只起到了变量筛选的作用。要想用来优化,还必须识别其它因素,并设计优化实验以得到更精确的模型。本例中,模具寿命实为不可控的,因此,如果在其他因素中有连续变量,应该可以用田口稳健设计方法来减小其影响的。
[ 本帖最后由 tomyu3 于 2006-3-13 18:21 编辑 ]
一剪梅. (2006-3-13 17:07:27)
QUOTE:
.就多元回归时,可以先对原始数据标准化处理问题,偶不大了解.
可否解释下这样做的目的?
[ 本帖最后由 一剪梅. 于 2006-3-13 18:00 编辑 ]
tomyu3 (2006-3-13 18:10:59)
QUOTE:
基于这样的考虑:这么多的变量(10个),X1与其它变量在数值上相差悬殊;另外,变量多了后,往往存在严重的多重共线性。一剪梅. (2006-3-13 18:22:58)
QUOTE:
谢谢Tomyu3 的解答继续请教:
通常,针对怎样的情况,数据标准化再回归为宜?