Neuronales Netzwerkmodell mit interaktivem Vorhersageprofiler in Aktion.
Situation: Ein Unternehmen produziert weiße Polymer-Außenmöbel mit einer Prozessausbeute von rund 96 %. Sie verwenden die Regression der kleinsten Quadrate, um ihre Eingabe- und Ausgabevariablen zu modellieren. Nicht alle statistischen Annahmen wurden durchdacht und viele davon werden nicht erfüllt, was zu ungenauen Ertragsvorhersagen führt.
Aufgabe: Das Unternehmen ist von seinen Ergebnissen nicht überzeugt. Sie vermuten, dass dies auf eine Überanpassung zurückzuführen ist und zu suboptimalen Entscheidungen führt. Parallel zu diesem Problem sind auch die Kosten des wichtigsten Inputfaktors gestiegen. Ihre Aufgabe besteht darin, ein robusteres Modell mit einem interaktiven Vorhersageprofiler zu entwickeln, um die Auswirkungen variabler Änderungen abzuschätzen.
Aktion: Sie verwenden neuronale Netze, um die Antwortvariable mithilfe einer flexiblen Funktion der Eingabevariablen vorherzusagen. Neuronale Netze mit Validierung können gute Modelle sein, wenn Sie nicht unbedingt die funktionale Form oder die genaue Beziehung zwischen den Eingaben und der Antwort beschreiben müssen.
Ergebnis: Ihr neues neuronales Netzwerkmodell hat ein größeres R 2 als das Regressionsmodell, was bedeutet, dass eine größere Variation der Antwortvariablen durch die Prädiktoren erklärt werden kann. Der zugehörige interaktiver Vorhersageprofiler ermöglicht es Ihnen, Was-wäre-wenn-Fragen zu beantworten und die optimalen und minimalen Einstellungen zu ermitteln.
Nächste Schritte: Damit sind die anfänglichen Bedenken des Unternehmens erfüllt und es ist damit zufrieden Interaktivität des Vorhersageprofilers . Herzlichen Glückwunsch, Sie werden zum Business Improvement Manager befördert und erhalten ein Team, das viele andere wichtige Projekte in Angriff nimmt.
