決定的スクリーニング計画の2値応答を分析の例

品質エンジニアがプレッツェルの製造工程を改善したいと考えているとします。カラーは、品質における重要な特性です。エンジニアは決定的スクリーニング計画を使用して、プレッツェルの色に影響を与える可能性のある潜在因子を決定します。実験では、検査者はプレッツェルの小ロットを適合/不適合カテゴリにすばやく並べ替えます。

  1. 標本データを開く、 プレッツェルのカラー.MTW.
  2. 統計 > DOE > スクリーニング > 2値応答曲面計画を分析を選択します
  3. 事象名(V)で、事象を入力します。
  4. 事象数合格基準の色を入力します。
  5. 試行回数試行を入力します。
  6. をクリックします。
  7. 次の項を含むで、完全2次を選択します。OKをクリックします。
  8. ステップワイズをクリックします。
  9. 方法で、前方情報基準を選択します。
  10. 各ダイアログボックスでOKをクリックします。

結果を解釈する

パレ―ト図には、補正赤池情報量基準(AICc)に合わせて最適なモデルの項のバーが表示されます。モデルには、焼き上げ時間(E)と焼き上げ温度2(H)の2つの主効果があります。このモデルには、焼き上げ時間の二乗項と2つの因子間の交互作用項が含まれています。

エンジニアは、このモデルが、工程に関する自分の知識と一致していることを理解できるでしょう。エンジニアは、このモデルを使用して、さらなる実験を計画することを決定します。

スクリーニング計画の2値ロジスティック回帰: 合格基準の色 対 粉タンパク質, 水量, 混ぜ合わせ時間, 寝かせ時間, 焼き上げ時間, 乾燥時間, 焼き上げ温度1, ...

方法 リンク関数 Logit 使用中の行 50
項の前方選択 達成された最小AICc = 243.23
応答情報 変数 値 計数 事象名 合格基準の色 事象 4235 事象 非事象 765 試行 合計 5000
コード化係数 項 係数 係数の標準誤差 VIF 定数 2.394 0.145 焼き上げ時間 0.7349 0.0538 1.11 焼き上げ温度2 0.5451 0.0541 1.20 焼き上げ時間*焼き上げ時間 -0.384 0.153 1.04 焼き上げ時間*焼き上げ温度2 -0.5106 0.0562 1.24
連続予測変数のオッズ比 95%信 変更ユニット オッズ比 頼区間 焼き上げ時間 2 * (*, *) 焼き上げ温度2 15 * (*, *) 交互作用項に含まれる予測変数のオッズ比は、交互作用項の他の予測変数の値に依存するため、計算されません。
モデル要約 逸脱 逸脱 (deviance) (deviance) AICc(修正済み BIC(ベイズ R二乗 R二乗 (調整済み) AIC 赤池情報量基準) 情報量基準) 95.81% 95.29% 241.87 243.23 251.43
適合度検定 検定 自由度 カイ二乗 p値 逸脱 (deviance) 45 32.28 0.922 ピアソン 45 31.93 0.929 Hosmer-Lemeshow 8 7.10 0.526
分散分析 要因 自由度 調整偏差 調整平均 カイ二乗 p値 モデル 4 737.452 184.363 737.45 0.000 焼き上げ時間 1 203.236 203.236 203.24 0.000 焼き上げ温度2 1 100.432 100.432 100.43 0.000 焼き上げ時間*焼き上げ時間 1 6.770 6.770 6.77 0.009 焼き上げ時間*焼き上げ温度2 1 80.605 80.605 80.61 0.000 誤差 45 32.276 0.717 合計 49 769.728
非コード化単位の回帰式 P(事象) = exp(Y')/(1 + exp(Y')) Y' = -11.984 + 3.361 焼き上げ時間 + 0.08740 焼き上げ温度2 - 0.0961 焼き上げ時間*焼き上げ時間 - 0.01702 焼き上げ時間*焼き上げ温度2
異常な観測値の適合値と診断 観測値 観測された確率 適合値 残差 標準化残差 1 0.9800 0.9376 2.0298 2.13 R 7 0.9800 0.9396 1.9581 2.00 R 24 0.9000 0.9497 -2.0182 -2.15 R R 大きな残差
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください