Corning Inc、統計エンジニア、Kaitlin Shorkey
このプレゼンテーションでは、製品の測定値に基づいて製品の品質を理解および予測するために使用されるモデリングアプローチに焦点を当てます。モデル開発プロセスには、データ収集、モデル開発、テスト、および実装の4つのステップが含まれます。データ収集中に、部品が生産ラインから収集され、製品の測定が完了します。これらの部品はプロセスを継続し、品質テストの対象となります。これらの製品測定値と品質テスト結果はデータセットに結合され、モデリングに使用されます。品質テストは応答であり、製品の測定値は予測因子です。モデル開発では、データを徹底的に調べて、可能な限りクリーンであることを確認します。変数クラスタリングとステップワイズ回帰を適用して、相関性の高い入力変数を削除し、重要な変数を選択します。最後のステップは、対数正規分布と適応ラッソ推定法を使用して一般化された回帰を適用することです。モデルは、許容可能な特定のメトリックよりも高い精度を備えている必要があります。モデルがこの基準を満たしている場合、モデルはテストフェーズに移行します。このフェーズでは、エンジニアリング制御下でモデルを使用して、モデルが製品の品質をどの程度予測できるかを判断します。満足したら、モデルは本番環境に実装されます。運用チームは、部品のパフォーマンスに関するフィードバックを即座に受け取り、プロセスをリアルタイムで調整および調整できます。この情報を使用して、製品が許容できるかどうかを判断することもできます。拒否された場合、製品は廃棄され、プロセスを続行しません。これらの予測モデルは、アップストリームプロセスで許容できない部分とプロセスの混乱を識別します。
