Modelo de red neuronal con generador de perfiles de predicción interactivo en acción.
Situación: una empresa produce muebles de exterior de polímero blanco con un rendimiento de proceso de alrededor del 96%. Están utilizando la regresión de mínimos cuadrados para modelar sus variables de entrada y salida. No se han pensado bien todos los supuestos estadísticos y muchos de ellos no se cumplen, lo que provoca predicciones inexactas en el rendimiento.
Tarea: la empresa no confía en sus resultados. Sospecha que esto puede deberse a un ajuste excesivo y conduce a decisiones subóptimas. Junto con ese problema, ha habido un aumento en el costo del factor de insumo principal. Su tarea es desarrollar un modelo más robusto con un generador de perfiles de predicción interactivo para estimar los efectos del cambio de variable.
Acción: utiliza redes neuronales para predecir la variable de respuesta mediante una función flexible de las variables de entrada. Las redes neuronales con validación pueden ser buenos modelos para usar cuando no es necesario describir la forma funcional o la relación exacta entre las entradas y la respuesta.
Resultado: su nuevo modelo de red neuronal tiene una R mayor 2 que el modelo de regresión, lo que significa que los predictores pueden explicar más variación en la variable de respuesta. El asociado generador de perfiles de predicción interactivo le permite responder preguntas hipotéticas e identificar la configuración óptima y mínima.
Próximos pasos: Esto satisface las inquietudes iniciales de la empresa y están encantados con la interactividad del perfilador de predicciones . Felicitaciones, lo ascienden a Gerente de Mejoramiento Comercial y se le asigna un equipo para abordar muchos otros proyectos importantes.
