Ich habe eine Situation, in der einige Bediener ein Objekt bewerten, das ich auch entsprechend an mein Vision-System anpasse. Das Ergebnis sollte sein, dass das geschulte Vision-System Ausschussprodukte in eine Ausschussbox legt und Produkte in einer Annahmebox akzeptiert. Da diese Produkte schwer zu bewerten sind, ist es in Ordnung, akzeptierte Produkte in einer Ausschussbox zu haben, aber nicht umgekehrt, natürlich versuchen wir dies einzuschränken.
In diesem Beispiel bewerten meine Bediener eine bestimmte Qualitätskategorie namens Y1, wobei mein Bildverarbeitungssystem sechs verschiedene Inspektionen mit der numerischen Bewertung Y1 hat, siehe Abbildung unten:
Der Standard bestand darin, sich die Daten anzusehen und dann die Grenzen wie im Bild gezeigt einzugrenzen, bis keine Ausschussprodukte mehr in der Annahmebox sind, aber ich denke, wir können es intelligenter machen.
Wenn das Bildverarbeitungssystem nur eine Inspektion hätte, würde ich eine ROC-Kurve erstellen, um eine Grenze zu finden, aber ich habe keine Erfahrung mit mehrdimensionalen und es fällt mir schwer, herauszufinden, wie dies in jmp intelligent gemacht wird. Wenn Sie auch eine Idee haben, wie man diese Veranschaulichung macht, dann klär mich bitte auf. Ich habe einen anonymisierten Datensatz angehängt.
Mit freundlichen Grüßen Søren
Sie sollten das Anpassungsmodell verwenden, um ein mehrdimensionales Logistikmodell zu erstellen und dieses für Ihre falsch-positiv/negativ-Rate zu optimieren.
vielen Dank für die elegante Antwort.
Habt ihr eine Idee, ob ich eine obere und eine untere Spezifikation hätte?
