J'ai une situation où certains opérateurs évaluent un objet et j'adapte également mon système de vision en conséquence. Le résultat de ceci devrait être que le système de vision formé place les produits rejetés dans une boîte de rejet et accepte les produits dans la boîte d'acceptation. Étant donné que ces produits sont difficiles à évaluer, il est acceptable d'avoir des produits acceptés dans une boîte de rejet, mais pas l'inverse, car nous essayons de limiter cela.
Dans cet exemple, mes opérateurs évaluent une catégorie de qualité spécifique nommée Y1 où mon système de vision a six inspections différentes pour un score numérique Y1, voir l'image ci-dessous :
La norme consistait à examiner les données, puis à réduire les limites, comme indiqué dans l'image, jusqu'à ce qu'aucun produit de rejet ne soit dans la boîte d'acceptation, mais je pense que nous pouvons le faire plus intelligemment.
Si le système de vision n'avait qu'une seule inspection, je créerais une courbe ROC pour trouver une limite, mais je n'ai aucune expérience lorsqu'il est multidimensionnel et j'ai du mal à comprendre comment faire cela intelligemment dans jmp. Si vous aussi vous avez une idée de comment faire cet illustratif alors merci de m'éclairer. J'ai joint un ensemble de données anonymisées.
Meilleures salutations Søren
Vous devez utiliser un modèle d'ajustement pour construire un modèle logistique multidimensionnel et l'optimiser pour votre taux de faux positifs/négatifs.
Merci beaucoup pour la réponse élégante.
Avez-vous des idées si j'avais une spécification supérieure et inférieure?
