336061_ko-KR

liliconcom

다변량 분석 최대한 활용하기

• 산점도 행렬
  • 변수 쌍 간의 관계를 시각화 할 수 있습니다.
  • 특이 치, 선형 및 곡선 관계 찾기
  • 누락 된 변수를 나타낼 수있는 "스트라이핑"식별
• 상관 관계 히트 맵
  • 한 번에 많은 변수 간의 선형 관계의 강도 이해
• 평행 좌표
  • 여러 변수 간의 관계를 한 번에 시각화
  • 순서는 분석에 영향을 미칩니다. 상관 관계가 가장 높은 변수를 "목록"의 초기에 배치합니다.
• 주요 구성 요소 분석
  • 데이터에있는 대부분의 정보를 유지하는 더 작은 목록으로 변수를 줄입니다.
  • 전체 변수 집합을 잘 나타내는 변수의 선형 조합을 만듭니다.
• 판별 분석
  • 공변량을 사용하여 관측치를 그룹으로 분류하는 모델 구축
• 모델 기반 다변량 관리도
  • 다변량 관리도 란 무엇입니까?
    • 다변량 관리도는 둘 이상의 상호 관련된 공정 변수를 모니터링하는 데 사용됩니다.
    • 일 변량 관리도는 단일 독립 프로세스 특성을 모니터링하는 데 사용되지만, 다변량 관리도는 프로세스 변수가 상관 될 때 필요합니다.
  • 다변량 관리도를 사용하는 이유는 무엇입니까?
    • 여러 공정 특성이 종종 상호 연관되기 때문에 Principle Components를 사용하면 공간을 N (공정 특성 수)에서 P (차트에 사용 된 주성분 수)로 줄일 수 있습니다.
    • 공정 특성이 상관 된 경우 단 변량 분석만으로는 누락 된 신호가 발생합니다 (고정 된 평균 및 분산을 갖는 iid 정규화가 유용하지만 실제 상황은 아님).
    • 다변량 관리도를 사용하여 데이터의 한 플롯을보고 신호를 확인한 다음 신호에 기여한 프로세스 (또는 세트) 변수를 식별 할 수 있습니다.
  • 다변량 관리도가 널리 사용되지 않는 이유는 무엇입니까?
    • N 개의 변수를 하나의 차트로 요약하면 신호의 원인을 알기가 어렵습니다.
    • 차트의 신호는 다변량 평균의 이동 또는 공분산의 변경 때문일 수 있습니다.
    • 플로팅되는 데이터는 공학 단위가 아니며 쉽게 해석 할 수 없습니다.
  • "고통"이있는 산업
    • 공정 산업 (화학, 철강 등)
    • 반도체
    • 공정 특성이 많은 모든 산업