Kaitlin Shorkey, 통계 엔지니어, Corning Inc.
이 프레젠테이션은 제품 측정을 기반으로 제품 품질을 이해하고 예측하는 데 사용되는 모델링 접근 방식을 강조합니다.모델 개발 프로세스에는 데이터 수집, 모델 개발, 테스트 및 구현의 4단계가 포함됩니다.데이터 수집 중에 생산 라인에서 부품이 수집되고 제품 측정이 완료됩니다.이러한 부품은 프로세스를 계속 진행하며 품질 테스트를 거칩니다.이러한 제품 측정 및 품질 테스트 결과는 데이터 세트에 결합되어 모델링에 사용됩니다.품질 테스트는 반응이고 제품 측정값은 예측 변수입니다.모델 개발 시 데이터를 철저히 검사하여 가능한 한 깨끗한지 확인합니다.변수 클러스터링 및 단계적 회귀 분석을 적용하여 상관관계가 높은 입력 변수를 제거하고 중요한 변수를 선택합니다.마지막 단계는 로그 정규 분포와 적응형 올가미 추정 방법을 사용하여 일반화 회귀를 적용하는 것입니다.모델은 허용 가능한 특정 메트릭보다 높은 정확도를 가져야 합니다.모델이 이 기준을 충족하면 테스트 단계로 이동합니다.이 단계에서는 모델이 제품 품질을 얼마나 잘 예측하는지 결정하기 위해 엔지니어링 제어 하에 있는 모델을 사용합니다.만족하면 모델이 생산에 구현됩니다.운영 팀은 부품의 성능에 대한 즉각적인 피드백을 받고 실시간으로 프로세스를 조정 및 조정할 수 있습니다.이 정보를 통해 제품이 허용되는지 여부도 판단할 수 있습니다.거부되는 경우 해당 제품은 폐기되며 프로세스가 계속 진행되지 않습니다.이러한 예측 모델은 업스트림 프로세스에서 허용되지 않는 부품 및 프로세스 문제를 식별합니다.
