Modèle de réseau neuronal avec Profiler de prédiction interactif en action.
Situation: Une entreprise produit des meubles d'extérieur en polymère blanc avec un rendement de processus d'environ 96%. Ils utilisent la régression des moindres carrés pour modéliser leurs variables d'entrée et de sortie. Toutes les hypothèses statistiques n'ont pas été réfléchies et bon nombre d'entre elles ne sont pas satisfaites, ce qui entraîne des prévisions inexactes de rendement.
Tâche: l'entreprise n'est pas confiante dans ses résultats. Vous pensez que cela peut être dû à un ajustement excessif et conduit à des décisions sous-optimales. Parallèlement à ce problème, il y a eu une augmentation du coût du principal facteur d'intrant. Votre tâche consiste à développer un modèle plus robuste avec un profileur de prédiction interactif pour estimer les effets de changement de variable.
Action: vous utilisez les réseaux de neurones pour prédire la variable de réponse à l'aide d'une fonction flexible des variables d'entrée. Les réseaux de neurones avec validation peuvent être de bons modèles à utiliser lorsque vous n'avez pas nécessairement besoin de décrire la forme fonctionnelle ou la relation exacte entre les entrées et la réponse.
Résultat: votre nouveau modèle de réseau neuronal a un R plus grand 2 que le modèle de régression, ce qui signifie qu'une plus grande variation de la variable de réponse peut être expliquée par les prédicteurs. L'associé profileur de prédiction interactif vous permet de répondre aux questions de simulation et d'identifier les paramètres optimaux et minimaux.
Prochaines étapes: cela répond aux préoccupations initiales de l'entreprise et ils sont ravis de interactivité du profileur de prédiction . Félicitations, vous avez été promu directeur de l'amélioration commerciale et vous avez été affecté à une équipe pour vous attaquer à de nombreux autres projets importants.
