说说个人看法：
模型是基于你当前或历史收集到的数据建立起来的，用来预测，就要保证前期关注的因子保持稳定。
如你背景介绍，来料批次间的变异可以在短期内通过管控实现模型的稳健，但后期是否有持续关注和管控，过程是否产生了其他因子的变异，这些变差最后叠加到一起引起模型的不准确。当然，模型越复杂，带来的预测变差就越大。
最后总结下：在建立模型时，对重要/关键因子的识别才是重中之重，后续还应结合SPC实施管控，这样模型的有效性才能得到保证。正如统计大师BOX所说的一样，所有的模型都是错误的，但是有一些是有用的！我们应关注实际的使用效果。
单看1.5个西格玛偏移似乎很大，但是换算成百分比是多少？PPM是多少？
實用
月是今夜明 发表于 2023-11-16 09:37
说说个人看法：
模型是基于你当前或历史收集到的数据建立起来的，用来预测，就要保证前期关注的因子保持稳 ...
感谢分享！你提到了一点：重要/关键因子识别。这么说我们不能一味追求高R-Sq，要保证模型不能过于复杂。谢谢！
{:1_180:}
{:1_180:}
{:1_180:}
个人觉得一个月的样本说明不了问题，人们在做项目时，往往研究短期行为，因为得结论快，出效果也快，报告也漂亮；但实际上，一个月，甚至几个月，可能用到的都是同一批料、设备也没有磨损或者变异等等，所以得到了“错误”的结论；不能说模型本身有问题，而是模型的取样数量无法涵盖所有的变差；
zalvsa 发表于 2023-12-22 11:30
个人觉得一个月的样本说明不了问题，人们在做项目时，往往研究短期行为，因为得结论快，出效果也快，报告也 ...
您说的有道理，但没有实践意义。六西格玛再牛，也就是解决问题的方法论而已，不仅仅要考虑项目本身结论的鲁棒性，客户的可接受度更是重上加重。不管是内部还是外部客户，有几位愿意以年为单位来做项目？？？
xiaowei646 发表于 2024-1-9 20:59
您说的有道理，但没有实践意义。六西格玛再牛，也就是解决问题的方法论而已，不仅仅要考虑项目本身结论的 ...
是这样没错；所以在前期，试验方案的策划就很重要了，比如材料的变化，要尽可能把最大/最小/中值这种放进来；