레벨 : 고급
Michelle Brockway, Corning Inc의 통계 엔지니어
제조 과정에서 데이터 분석 통합이 느리고 활용률이 낮은 경우가 많습니다. 그러나 통합이 일찍 이루어질수록 더 빠른 통찰력이 생성됩니다. 이 사용 사례에서는 예측 모델이 여러 생산 라인의 시작과 함께 구현되어 분석의 초기 채택에 대한 가치를 보여줍니다. 최적화 된 예측 모델을 통해 우리 팀은 사양을 벗어난 부품을 예측할 수있을뿐만 아니라 프로세스 한계를 만들기 위해 주요 매개 변수를 이해할 수있었습니다. 들어오는 재료 속성 만 사용하면 사양을 벗어나는 후 처리 재료의 양을 적절히 예측할 수 있습니다. 이러한 유형의 예측을 통해 제조 공장으로 운송하기 전에 재료 속성을 검증하고 공정 변경에 대한 통찰력을 확보하여 비즈니스에 상당한 양의 자원을 절약 할 수 있습니다. 프레젠테이션은 모델이 구축 된 프로세스, 배경, 구현 및 제조 환경에서 모델을 유지하기위한 계획을 안내합니다.
독점적 인 목적으로 정확한 제품과 미가공 데이터는 공개 할 수 없습니다. 사용 된 방법과 구현 방법을 보여주기 위해 데이터가 변환되지만 독점 정보는 공개하지 않습니다.
