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 del proceso de alrededor del 96 %. Están utilizando la regresión de mínimos cuadrados para modelar sus variables de entrada y salida. No se han pensado detenidamente 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. Sospechas 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 principal factor de insumo. Su tarea es desarrollar un modelo más robusto con un generador de perfiles de predicción interactivo para estimar los efectos del cambio variable.
Acción: utiliza redes neuronales para predecir la variable de respuesta utilizando una función flexible de las variables de entrada. Las redes neuronales con validación pueden ser buenos modelos para usar cuando no necesariamente 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 una mayor variación en la variable de respuesta. El asociado perfilador de predicción interactivo le permite responder preguntas hipotéticas e identificar las configuraciones óptimas y mínimas.
Próximos Pasos: Esto satisface las inquietudes iniciales de la empresa y están encantados con el interactividad del perfilador de predicción . Felicitaciones, lo ascendieron a Gerente de mejora comercial y se le asignó un equipo para abordar muchos otros proyectos importantes.
