336061_fr-FR

liliconcom

Tirer le meilleur parti de l'analyse multivariée

• Matrice de nuage de points
  • Peut visualiser la relation entre les paires de variables
  • Rechercher des valeurs aberrantes, des relations linéaires et curvilignes
  • Identifiez le "striping" qui pourrait indiquer des variables manquantes
• Carte thermique de corrélation
  • Comprendre la force des relations linéaires entre de nombreuses variables à la fois
• Coordonnées parallèles
  • Visualisez la relation entre de nombreuses variables à la fois
  • L'ordre a un impact sur l'analyse: placez les variables avec la corrélation la plus élevée au début de la «liste»
• Analyse des composants principaux
  • Réduisez les variables en une liste plus petite qui conserve la plupart des informations présentes dans les données
  • Construire des combinaisons linéaires de variables le puits représente l'ensemble complet des variables
• Analyse discriminante
  • Utilisez des covariables pour créer un modèle pour classer les observations dans un groupe
• Graphiques de contrôle multivariés pilotés par modèle
  • Que sont les cartes de contrôle multivariées?
    • Les cartes de contrôle multivariées sont utilisées pour surveiller deux ou plusieurs variables de processus interdépendantes
    • Alors que les cartes de contrôle univariées sont utilisées pour surveiller une seule caractéristique de processus indépendante, les cartes de contrôle multivariées sont nécessaires lorsque les variables de processus sont corrélées.
  • Pourquoi utiliser des cartes de contrôle multivariées?
    • Étant donné que plusieurs caractéristiques de processus sont souvent corrélées, l'utilisation de composants principaux peut réduire l'espace de N (nombre de caractéristiques de processus) à P (nombre de composants principaux utilisés sur le graphique)
    • L'analyse univariée seule entraînera des signaux manqués si les caractéristiques du processus sont corrélées (étant donné que iid normal avec une moyenne et une variance fixes est une situation utile mais jamais réelle)
    • Une carte de contrôle multivariée peut être utilisée pour afficher un graphique des données, voir les signaux, puis identifier les variables de processus (ou ensemble de) qui ont contribué au signal
  • Pourquoi les cartes de contrôle multivariées ne sont-elles pas largement utilisées?
    • En résumant N variables dans un graphique, il sera difficile de savoir ce qui a causé un signal
    • Les signaux sur le graphique pourraient être dus à un changement de la moyenne multivariée OU à des changements dans les covariances
    • Les données tracées ne sont pas en unités d'ingénierie et ne sont pas facilement interprétables
  • Industries avec la «douleur»
    • Industries de process (chimie, acier, etc.)
    • Semi-conducteur
    • Toute industrie présentant de nombreuses caractéristiques de processus