Hai bisogno di aiuto per determinare quali dati dovrebbero essere minacciati come casuali in una misurazione ripetutaCiao.
Qualcuno può aiutarmi con questo o verificare che io sia sulla buona strada qui?
Ho dati in un formato lungo che contiene mese (da gennaio a marzo), giorno del mese (da 1 a 31), turno (da 1 a 3), consumo totale di energia all'interno del turno (questa è una variabile dipendente) e orario di lavoro in ore di 12 diversi sistemi (macchine) all'interno di un turno (da 0 a 8 ore).
Voglio scoprire il consumo energetico di ciascun sistema ed essere in grado di prevedere il consumo energetico previsto futuro in base alle ore di lavoro previste di ciascun sistema.
Poiché ci sono misure ripetute, il modello misto mi sembra appropriato. Ora, ho un problema su ciò che dovrei trattare come un intervento fisso, casuale e ripetuto.
Sto pensando al mese come casuale in quanto contiene solo un campione (3 mesi) di tutti i mesi entro un anno. Anche le osservazioni non sono casuali ma sequenziali. Può essere un problema?
Sto guardando il giorno e il turno come fissi poiché coprono tutti i giorni e i turni entro un mese. È un approccio appropriato?
Riguardo alla struttura ripetuta penso che quel giorno dovrebbe essere ripetuto su misura, ma quale struttura è appropriata?
Inoltre, puoi spiegare cosa e come dovrebbe essere nidificato. Sto pensando che la nidificazione si trasformi in giorni e giorni in pochi mesi. Può essere fatto? Come devo farlo?
Questo è il mio pensiero intuitivo e apprezzerei se mi inviassi un feedback e un aiuto. Anche condividere qualsiasi tutorial su come nidificare sarebbe apprezzato in quanto questa è la mia prima esperienza con JMP.
Grazie a tutti
AnaliticaAltrofinestreRi: Hai bisogno di aiuto per determinare quali dati dovrebbero essere minacciati come casuali in una misurazione ripetutaCiao @MacchinaIppopotamo109 ,
Sembra un problema interessante. Sei in grado di condividere i dati in un file JMP? La struttura della tua tabella di dati sembra un po' complicata per inventare qualcosa da solo e assicurarmi che abbia la giusta struttura di dati.
Sembra che tu abbia una raccolta di dati di serie temporali su 12 macchine diverse che funzionano da 0 a 8 ore per turni diversi. Questo potrebbe essere modellato utilizzando molti approcci diversi. Un approccio potrebbe essere quello di fare una previsione di serie temporali. Un altro potrebbe essere NN o Boosted Trees, o anche un modello GenReg potrebbe fare bene per adattarsi ai dati. Ma sembra che tu stia cercando di prevedere il consumo energetico futuro di ciascuna macchina in base alle ore totali di funzionamento, giusto?
Sarei interessato a provarlo e vedere quale metodo di modellazione funziona meglio. Una cosa che devi assolutamente fare è suddividere i dati in set di addestramento/convalida/test per assicurarti di avere il miglior modello possibile. O quello, o dovrai simulare i dati con una struttura di correlazione simile in modo da poter utilizzare quei dati simulati per addestrare il modello e testarlo sui dati reali.
Se puoi condividere i dati, potrei provare alcune cose e farti sapere cosa trovo.
Sembra divertente!,
ds
Ri: Hai bisogno di aiuto per determinare quali dati dovrebbero essere minacciati come casuali in una misurazione ripetutaCiao SDF1 e grazie per la tua veloce risposta.
Sfortunatamente non posso condividere i dati in quanto dati effettivi dell'azienda con cui ho uno stage. Come mai i dati appaiono così:
Mese Giorno Consumo Turno in MWh Sistema1 in Hr Sistema2 in Hr Sistema3 in Hr .......
1 1 1 3.8 8 2 5 .......
1 1 2 3.2 8 6 6 .......
Sono più interessato a quanta energia consuma ciascun sistema e ovviamente prevedo il consumo futuro in base ai tempi di produzione/lavoro pianificati.
Ri: Hai bisogno di aiuto per determinare quali dati dovrebbero essere minacciati come casuali in una misurazione ripetutaAlcuni anni fa ho aiutato un cliente con un modello di pianificazione delle risorse. Avevano il piano del progetto in cui il responsabile del progetto poteva entrare in cose come la complessità o il livello di innovazione e volevano avere un'idea di quali risorse e tempi avevano bisogno per completare il progetto. Prima lo facevano per esperienza del capo progetto e si è scoperto che il nuovo modello li ha superati molto in quasi tutti i casi.
Avevano tempi per le diverse fasi del progetto e risorse (persone) coinvolte in ogni fase dai dati precedenti e dalla durata effettiva di esso.
Una chiave del successo è stata una fase di raggruppamento (qui era un'analisi di classe latente) per trovare buoni predittori per i diversi scenari, poiché un modello generale non funzionava bene.
Quindi hanno creato il modello per ogni scenario di cluster e hanno utilizzato set di test e convalida per trovare il modello migliore e testarlo rispetto a dati invisibili.
Per il processo di modellazione abbiamo confrontato diverse strategie in JMP Pro, come la foresta Bootstrap, la regressione generalizzata con vari metodi (lazo, rete elastica, ...), le reti neurali e altri. Confrontarli era importante per capire possibili difetti o situazioni in cui (e perché) un modello ha prestazioni migliori (poiché a volte era in un ambiente a cui non erano interessati così tanto, quindi sarebbe stato scelto un modello che si comportava meglio per gli altri, anche se le prestazioni complessive fossero state leggermente inferiori).
Infine disponevano di modelli per gli scenari raggruppati e utilizzavano il modello appropriato per prevedere la scala temporale e il piano delle risorse in base alla configurazione del progetto.
Credo che il trasferimento nella tua situazione non dovrebbe essere così difficile. Quello su cui volevo sottolineare è che è necessario comprendere i dati prima di entrare direttamente nel processo di modellazione. Potrebbe esserci uno scenario (potrebbe non essere ancora nei dati, come la linea o l'apparecchiatura di prova, ...) che genera output diversi per le stesse impostazioni dei parametri a causa di quella variabile in agguato. Prendere tutti i dati in un unico grande paniere porterebbe probabilmente a una cattiva previsione.
Ri: Hai bisogno di aiuto per determinare quali dati dovrebbero essere minacciati come casuali in una misurazione ripetutaCiao @MacchinaIppopotamo109 ,
Il problema sembra piuttosto semplice, ma richiederà di esplorare i dati utilizzando molte piattaforme diverse all'interno di JMP. Ad esempio, valutare cose come GenReg, alberi decisionali, SVM, NN, KNN, PLS e solo i minimi quadrati standard. Non credo che la struttura dei dati sia nel formato giusto per un'analisi/previsione di serie temporali. La piattaforma delle serie temporali richiede identificatori temporali univoci per ciascuna osservazione (riga). Quindi, avere tutti i turni 1, 2, 3 per il giorno 1 (e così via) non funzionerebbe.
In base alla struttura che hai condiviso, sembra che ogni sistema (1-12) sia in funzione per 0-8 ore durante un determinato turno in un determinato giorno e il consumo di energia è il consumo di energia totale per tutti i sistemi.
Durante lo sviluppo di un modello, se utilizzi la piattaforma Fit Model standard, potresti voler pensare/consultare i tuoi colleghi per vedere se c'è qualche motivo per cui potresti aver bisogno/vorresti includere termini incrociati (misti) nel tuo modello. Ad esempio, forse sai che c'è un termine incrociato tra systemX Hrs e il turno, ad esempio forse System5 viene sempre eseguito per almeno 6 ore durante il turno 3, ma meno di 4 ore per gli altri due turni. Ciò introdurrebbe un effetto in cui il turno e le ore di utilizzo del sistema si mescolano. Non consiglio di inserirlo a meno che tu non abbia prove preliminari dell'esistenza di tali interazioni.
Come accennato in precedenza, ti consigliamo di partizionare i dati (Potenza in MWh) almeno in set di addestramento e convalida e probabilmente vorrai stratificarli sia per Power che per Shift in modo che i set di addestramento e convalida siano equamente rappresentati su turni e mantenere la stessa distribuzione per l'utilizzo di System Hr. Ho allegato una tabella di dati fittizi con la stessa struttura della tua che sarebbe per gennaio e febbraio. La colonna di convalida che ho creato, l'ho stratificata per Power e Shift, e puoi esplorare le distribuzioni e vedere come vengono partizionati i dati: 75% di formazione e 25% di convalida. Potresti anche considerare di eseguire una suddivisione del 60/20/20 al 60% di formazione, 20% di convalida e 20% di test e quindi dividere (renderli come un sottoinsieme) i dati del test per confrontare i diversi modelli.
In definitiva, dovrai esplorare modelli con diverse piattaforme e ottimizzare la vestibilità con ciascun modello. Dopo aver generato diversi modelli, probabilmente vorrai vedere quale offre le prestazioni migliori valutando ciascun modello sul set di "test" trattenuto: si tratta di dati che non vengono utilizzati nell'addestramento o nella convalida dei modelli. Il modello più performante sarebbe quello che vorresti implementare per la tua azienda.
Per tornare al titolo del tuo thread, non sembra che tu debba avere un effetto casuale incluso nel tuo modello. Non penso che tu debba trattare nessuno dei dati come casuali.
Spero questo sia di aiuto!,
ds
