Besoin d'aide pour déterminer quelles données doivent être considérées comme aléatoires dans des mesures répétéesSalut.
Quelqu'un peut-il m'aider avec celui-ci ou vérifier que je suis sur la bonne voie ici ?
J'ai des données dans un format long qui contient le mois (de janvier à mars), le jour du mois (de 1 à 31), l'équipe (de 1 à 3), la consommation totale d'énergie pendant l'équipe (il s'agit d'une variable dépendante) et le temps de travail en heures de 12 systèmes différents (machines) au cours d'une équipe (de 0 à 8 heures).
Je souhaite connaître la consommation d'énergie de chaque système et être en mesure de prédire la consommation d'énergie future prévue en fonction des heures de travail prévues de chaque système.
Comme il existe des mesures répétées, le modèle mixte me semble approprié. Maintenant, je me demande ce que je dois traiter comme une mesure fixe, aléatoire et répétée.
Je pense au mois comme un hasard car il ne contient qu'un échantillon (3 mois) de tous les mois d'une année. De plus, les observations ne sont pas aléatoires mais séquentielles. Cela peut-il être un problème ?
Je regarde le jour et le quart de travail comme un fixe car ils couvrent tous les jours et les quarts de travail d'un mois. Est-ce une approche appropriée?
À propos de la structure répétée, je pense que ce jour devrait être une mesure répétée, mais quelle structure est appropriée ?
Aussi, pouvez-vous s'il vous plaît expliquer ce qui devrait être imbriqué et comment. Je pense que la nidification se transforme en jours et en jours en mois. Cela peut-il être fait? Comment dois-je faire?
Quoi qu'il en soit, c'est ma pensée intuitive et j'apprécierais si vous m'envoyiez des commentaires et de l'aide. Partager également un tutoriel sur la façon d'imbriquer serait apprécié car c'est ma première expérience avec JMP.
Merci à tous
AnalytiqueAutreles fenêtresRe : Besoin d'aide pour déterminer quelles données doivent être considérées comme aléatoires dans des mesures répétéessalut @MachineHippo109 ,
Sonne comme un problème intéressant. Pouvez-vous partager les données dans un fichier JMP ? La structure de votre table de données semble un peu compliquée pour créer quelque chose par moi-même et m'assurer qu'elle a la bonne structure de données.
Il semble que vous disposiez d'une collection de données chronologiques sur 12 machines différentes qui fonctionnent entre 0 et 8 heures pour différentes équipes. Cela pourrait être modélisé en utilisant de nombreuses approches différentes. Une approche pourrait être de faire une prévision de série chronologique. Un autre pourrait être NN ou Boosted Trees, ou même un modèle GenReg pourrait bien s'adapter aux données. Mais on dirait que vous essayez de prédire la consommation électrique future de chaque machine en fonction du nombre total d'heures de fonctionnement, n'est-ce pas ?
Je serais intéressé à essayer et voir quelle méthode de modélisation fonctionne le mieux. Une chose que vous devrez certainement faire est de partitionner les données en ensembles de formation/validation/test afin de vous assurer que vous disposez du meilleur modèle possible. Soit cela, soit vous devrez simuler des données avec une structure de corrélation similaire afin de pouvoir utiliser ces données simulées pour former le modèle et le tester sur les données réelles.
Si vous pouvez partager les données, je pourrais essayer quelques choses et vous faire savoir ce que je trouve.
Ça a l'air amusant !,
DS
Re : Besoin d'aide pour déterminer quelles données doivent être considérées comme aléatoires dans des mesures répétéesBonjour SDF1 et merci pour votre réponse rapide.
Malheureusement, je ne peux pas partager de données car il s'agit de données réelles de l'entreprise avec laquelle j'ai un stage. Comment jamais les données ressemblent à ceci :
Mois Jour Shift Consommation en MWh System1 en Hr System2 en Hr System3 en Hr .......
1 1 1 3,8 8 2 5 .......
1 1 2 3,2 8 6 6 .......
Je suis plus intéressé par la quantité d'énergie consommée par chaque système et, bien sûr, je prévois la consommation future en fonction des temps de production/travail planifiés.
Re : Besoin d'aide pour déterminer quelles données doivent être considérées comme aléatoires dans des mesures répétéesIl y a quelques années, j'ai aidé un client avec un modèle de planification des ressources. Ils avaient le plan de projet dans lequel le chef de projet pouvait saisir des éléments tels que la complexité ou le niveau d'innovation, et souhaitaient avoir une hypothèse sur les ressources et les délais dont ils avaient besoin pour terminer le projet. Avant, ils l'ont fait par expérience du chef de projet et il s'est avéré que le nouveau modèle les surpassait dans presque tous les cas.
Ils avaient des temps pour les différentes phases du projet, et des ressources (personnes) impliquées dans chaque phase à partir des données précédentes et de la durée réelle de celui-ci.
Une clé du succès était une étape de regroupement (ici, il s'agissait d'une analyse de classe latente) pour trouver de bons prédicteurs pour les différents scénarios, car un modèle global ne fonctionnait pas bien.
Ensuite, ils ont créé pour chaque scénario de cluster le modèle et utilisé des ensembles de validation et de test pour trouver le meilleur modèle et le tester par rapport à des données invisibles.
Pour le processus de modélisation, nous avons comparé différentes stratégies dans JMP Pro, comme la forêt Bootstrap, la régression généralisée avec diverses méthodes (lasso, filet élastique, ...), les réseaux de neurones et autres. Il était important de les comparer pour comprendre les défauts ou les situations possibles où (et pourquoi) un modèle fonctionnait mieux (comme parfois c'était dans un cadre qui ne les intéressait pas tant que ça, donc un modèle qui fonctionnait mieux pour les autres serait alors choisi, même si la performance globale avait été un peu inférieure).
Enfin, ils disposaient de modèles pour les scénarios groupés et utilisaient le modèle approprié pour prédire l'échelle de temps et le plan de ressources en fonction de la configuration de leur projet.
Je crois que le transfert à votre situation ne devrait pas être si difficile. Ce que je voulais souligner, c'est que vous devez d'abord comprendre vos données avant d'entrer directement dans votre processus de modélisation. Peut-il y avoir un scénario (peut-être pas encore dans les données, comme un équipement de ligne ou de test, ...) qui génère une sortie différente pour les mêmes réglages de paramètres en raison de cette variable cachée. Prendre toutes les données dans un seul grand panier conduirait alors probablement à une mauvaise prédiction.
Re : Besoin d'aide pour déterminer quelles données doivent être considérées comme aléatoires dans des mesures répétéessalut @MachineHippo109 ,
Le problème semble assez simple, mais il vous obligera à explorer vos données à l'aide de nombreuses plates-formes différentes au sein de JMP. Évaluer des éléments tels que GenReg, les arbres de décision, SVM, NN, KNN, PLS et juste les moindres carrés standard, par exemple. Je ne pense pas que votre structure de données soit au bon format pour une analyse/prédiction de séries chronologiques. La plate-forme de séries chronologiques nécessite des identifiants temporels uniques pour chaque observation (ligne). Par conséquent, avoir des quarts de travail 1, 2, 3 tous pour le jour 1 (et ainsi de suite) ne fonctionnerait pas.
Sur la base de la structure que vous avez partagée, il semble que chaque système (1-12) fonctionne pendant 0 à 8 heures pendant un quart de travail donné un jour donné et la consommation électrique correspond à la consommation électrique totale de tous les systèmes.
Lors du développement d'un modèle, si vous utilisez la plate-forme standard Fit Model, vous voudrez peut-être réfléchir/consulter vos collègues pour voir s'il y a une raison pour laquelle vous pourriez avoir besoin/vouloir inclure des termes croisés (mixtes) dans votre modèle. Par exemple, vous savez peut-être qu'il existe un terme croisé entre systemX Hrs et le quart de travail, comme peut-être que System5 est toujours exécuté pendant au moins 6 heures pendant le quart 3, mais moins de 4 heures pour les deux autres quarts de travail. Cela introduirait un effet où les heures d'utilisation du quart de travail et du système sont mélangées. Je ne recommande pas de jeter cela à moins que vous n'ayez des preuves préalables de l'existence de telles interactions.
Comme mentionné précédemment, vous souhaiterez partitionner les données (puissance en MWh) en au moins des ensembles d'entraînement et de validation, et vous voudrez probablement les stratifier à la fois par puissance et par décalage afin que les ensembles d'entraînement et de validation soient également représentés à travers changements et maintenir la même distribution pour l'utilisation du système Hr. J'ai joint une table de données fictive avec la même structure que la vôtre qui serait pour janvier et février. La colonne de validation que j'ai faite, j'ai stratifié à la fois par Power et Shift, et vous pouvez explorer les distributions et voir comment les données sont partitionnées -- 75 % de formation et 25 % de validation. Vous pourriez même envisager de faire une formation 60/20/20 fractionnée à 60 %, une validation à 20 % et un test à 20 %, puis à diviser (en faire un sous-ensemble) les données de test pour comparer les différents modèles.
En fin de compte, vous devrez explorer des modèles avec plusieurs plates-formes différentes et optimiser l'ajustement avec chaque modèle. Une fois que vous avez généré plusieurs modèles, vous voudrez probablement voir lequel fonctionne le mieux en évaluant chaque modèle sur l'ensemble de "test" retenu - il s'agirait de données qui ne sont pas utilisées dans la formation ou la validation des modèles. Le modèle le plus performant serait celui que vous voudriez déployer pour votre entreprise.
Pour revenir au titre de votre fil, il ne semble pas que vous ayez besoin d'inclure un effet aléatoire dans votre modèle. Je ne pense pas que vous ayez besoin de traiter les données comme aléatoires.
J'espère que cela t'aides!,
DS
