336061_de-DE

liliconcom

Multivariate Analyse optimal nutzen

• Streudiagramm-Matrix
  • Kann die Beziehung zwischen Variablenpaaren visualisieren
  • Suchen Sie nach Ausreißern, linearen und krummlinigen Beziehungen
  • Identifizieren Sie "Striping", das auf fehlende Variablen hinweisen könnte
• Korrelations-Heatmap
  • Verstehen Sie die Stärke linearer Beziehungen zwischen vielen Variablen gleichzeitig
• Parallele Koordinaten
  • Visualisieren Sie die Beziehung zwischen vielen Variablen gleichzeitig
  • Die Reihenfolge hat einen Einfluss auf die Analyse: Platzieren Sie die Variablen mit der höchsten Korrelation früh in der "Liste".
• Hauptkomponentenanalyse
  • Reduzieren Sie Variablen auf eine kleinere Liste, in der die meisten Informationen in den Daten enthalten sind
  • Erstellen Sie lineare Kombinationen von Variablen, die den gesamten Satz von Variablen darstellen
• Diskriminanzanalyse
  • Verwenden Sie Kovariaten, um ein Modell zur Klassifizierung von Beobachtungen in eine Gruppe zu erstellen
• Modellgesteuerte multivariate Kontrolldiagramme
  • Was sind multivariate Regelkarten?
    • Multivariate Regelkarten werden verwendet, um zwei oder mehr miteinander verbundene Prozessvariablen zu überwachen
    • Während univariate Regelkarten zur Überwachung eines einzelnen unabhängigen Prozessmerkmals verwendet werden, sind multivariate Regelkarten erforderlich, wenn Prozessvariablen korreliert werden
  • Warum multivariate Regelkarten verwenden?
    • Da häufig mehrere Prozessmerkmale korreliert sind, kann durch die Verwendung von Hauptkomponenten der Abstand von N (Anzahl der Prozessmerkmale) auf P (Anzahl der im Diagramm verwendeten Hauptkomponenten) verringert werden.
    • Eine univariate Analyse allein führt zu fehlenden Signalen, wenn die Prozessmerkmale korreliert sind (vorausgesetzt, dass iid normal mit einem festen Mittelwert und Varianz eine nützliche, aber niemals reale Situation ist).
    • Ein multivariates Kontrolldiagramm kann verwendet werden, um ein Diagramm der Daten anzuzeigen, Signale anzuzeigen und dann zu identifizieren, welche Prozessvariablen (oder Sätze von Variablen) zum Signal beigetragen haben
  • Warum werden multivariate Regelkarten nicht häufig verwendet?
    • Wenn Sie N Variablen in einem Diagramm zusammenfassen, ist es schwierig zu wissen, was ein Signal verursacht hat
    • Die Signale auf dem Diagramm können auf eine Verschiebung des multivariaten Mittelwerts ODER auf Änderungen der Kovarianzen zurückzuführen sein
    • Die aufgezeichneten Daten befinden sich nicht in technischen Einheiten und sind nicht leicht zu interpretieren
  • Branchen mit dem "Schmerz"
    • Prozessindustrie (Chemie, Stahl usw.)
    • Halbleiter
    • Jede Branche mit vielen Prozessmerkmalen