336061_es-ES

liliconcom

Aprovechar al máximo el análisis multivariante

• Matriz de gráficos de dispersión
  • Puede visualizar la relación entre pares de variables.
  • Busque valores atípicos, relaciones lineales y curvilíneas.
  • Identificar "bandas" que podrían indicar que faltan variables
• Mapa de calor de correlación
  • Comprender la fuerza de las relaciones lineales entre muchas variables a la vez.
• Coordenadas paralelas
  • Visualice la relación entre muchas variables a la vez
  • El orden tiene un impacto en el análisis: coloque las variables con la correlación más alta al principio de la "lista"
• Análisis de componentes principales
  • Reduzca las variables a una lista más pequeña que mantenga la mayor parte de la información presente en los datos
  • Construya combinaciones lineales de variables y represente el conjunto completo de variables.
• Análisis discriminante
  • Use covariables para construir un modelo para clasificar las observaciones en un grupo
• Gráficos de control multivariante controlados por modelo
  • ¿Qué son los gráficos de control multivariados?
    • Los gráficos de control multivariante se utilizan para monitorear dos o más variables de proceso interrelacionadas
    • Mientras que los gráficos de control univariados se utilizan para monitorear una sola característica de proceso independiente, los gráficos de control multivariados son necesarios cuando las variables del proceso están correlacionadas
  • ¿Por qué utilizar gráficos de control multivariados?
    • Dado que las características de múltiples procesos a menudo están correlacionadas, el uso de Componentes principales puede reducir el espacio de N (número de características del proceso) a P (número de componentes principales utilizados en el gráfico).
    • El análisis univariante por sí solo dará como resultado señales perdidas si las características del proceso están correlacionadas (dado que iid es normal con una media y varianza fijas es una situación útil pero nunca real)
    • Se puede usar un gráfico de control multivariado para ver un gráfico de los datos, ver señales y luego identificar qué proceso (o conjunto de) variables contribuyeron a la señal
  • ¿Por qué no se utilizan ampliamente los gráficos de control multivariante?
    • Resumir N variables en un gráfico hará que sea difícil saber qué causó una señal
    • Las señales en el gráfico podrían deberse a cambios en la media multivariada O cambios en las covarianzas
    • Los datos que se trazan no están en unidades de ingeniería y no se pueden interpretar fácilmente
  • Industrias con el "dolor"
    • Industrias de procesos (química, acero, etc.)
    • Semiconductor
    • Cualquier industria que tenga muchas características de proceso.