Willkommen, Und Dank Du für beitreten Mein Poster Präsentation
bei Das Jahre JMP C Konferenz.
Mein Name Ist Kaitlin Shorkey ,
Und Ich bin A Senior statistisch Ingenieur bei Corning Eingebaut.
Wie Tun Du erhalten A Blick von A Produkt Qualität
Vor Es vervollständigt Die Produktion Verfahren?
Wir gewählt Zu bauen A Modell Das Wille vorhersagen Die Produkt Qualität Ergebnis
Vor Es hat vollendet Die gesamte Verfahren.
Dort Sind zwei wesentlich Vorteile von Das Ansatz.
Eins Ist Die Operationen Team
erhält sofortig Rückmeldung An Wie Die Teile Wille ausführen
Und dürfen anpassen Die Verfahren In real Zeit.
Der zweite Ist Das Wir dürfen dem Die Produkt akzeptabel oder nicht.
Wie ICH Nur genannt, Die hauptsächlich Zielsetzung von Das arbeiten
Ist Zu bauen A vorausschauend Modell verwenden A wenig Modellieren Ansätze
Zu verstehen Und vorhersagen Produkt Qualität
basierend An bestimmt Produkt Messungen.
Unser wesentlich Schritte In Gebäude Das Modell
Sind Daten Sammlung, Modell Entwicklung, testen Und Implementierung.
Erst einmal, für Die Daten Sammlung Phase, Teile Sind gesammelt bei Die Ende
von Die Produktion Linie Und geeignet Produkt Messungen Sind vollendet.
Der Teile Sind Dann unterworfen Zu Die Qualität prüfen.
Der Produkt Messungen Und Qualität Messung Ergebnisse
Sind kombiniert hinein A Daten Satz Und gebraucht für Gebäude Die Modell.
In Das Fall, Die Qualität Messung Ergebnisse
Sind kombiniert hinein A Daten Satz Und gebraucht für Gebäude Die Modell.
In Das Fall, Die Qualität Messung Ist Die Antwort
Und alle Die Produkt Messungen Sind Die Prädiktoren.
Der Datensatz besteht 767 Prädiktoren Und 990 Beobachtungen oder Teile.
Das Sachen dürfen nehmen A lang Zeit Zu ausführen.
Seit war Gebäude A Modell, es ist wichtig Zu erhalten als groß von A Bereich
von Produkt Messungen Und Qualität Messung Ergebnisse als Wir dürfen.
Wenn Wir verlassen Das Die Genauigkeit Und Modell Vorhersagen
Sind mehr konsistent über Die Bereich.
Im Wesentlichen, Das erlaubt Die Modell Zu genau vorhersagen bei alle Ebenen
von Die Produkt Qualität Ergebnisse.
Einmal Die Datensatz Ist zusammengestellt,
Es Ist gründlich untersucht Zu sicherstellen Es Ist als sauber als möglich.
Nach Die Daten Sammlung Und Reinigung,
Die zweite Phase von Modell Entwicklung Ist gestartet.
Für Das, Wir Start mit Variable Clusterung.
Schritt von Rückschritt, entfernen höchst korreliert Variablen
Und wählen Die am meisten wichtig Einsen.
Mit So viele Prädiktoren Wir erstmal bewerben Variable Clusterung.
Das Methode erlaubt für Die die Ermäßigung In Die Nummer von Variablen.
Variable Clusterung Gruppen Die Prädiktoren,
Die Variablen hinein Cluster Das Aktie gemeinsam Eigenschaften.
Jede Cluster dürfen Sei repräsentiert von A einzel Komponente oder Variable.
A Ausschnitt von Die Cluster Zusammenfassung aus JMP Ist gezeigt,
welche zeigt an Das 85 % von Die Variation
Ist erklärt von Clusterung.
Cluster 12 hat 49 Mitglieder,
Und v 232 Ist Die am meisten Vertreter von Das Cluster.
Der Variablen Das Sind identifiziert als Die am meisten Vertreter Einsen
Sind Dann gebraucht In Die nächste Methode von schrittweise Rückschritt.
Schrittweise Rückschritt Ist gebraucht
An Die identifiziert gruppiert Variablen Zu wählen Die am meisten wichtig eins
Zu uns In Die Modell,
Und weiter reduziert Die Nummer von Variablen.
Für Das, Die nach vorne Richtung
Und Minimum korrigiert AIC stoppen Regel Ist gebraucht.
Der Richtung steuert Wie Variablen eingeben Und verlassen Die Modell.
Der nach vorne Richtung bedeutet Das Bedingungen Sind trat ein hinein Die Modell
Das haben Die am kleinsten p-Wert.
Der stoppen Regel Ist gebraucht Zu bestimmen welche Modell Ist ausgewählt.
Der korrigiert AIC Ist basierend An Negativ zwei, Gesetz von Wahrscheinlichkeit,
Und Die Modell mit Die am kleinsten korrigiert AIC Ist A bevorzugt Modell.
Aus Das, 51 Variablen Sind trat ein hinein Die Modell
von Die 99 verfügbar Variablen
aus Die Variable Clusterung Schritt.
Bei Das Punkt, Wir haben reduziert Die Nummer
von Variablen aus 767 Zu 51
verwenden Variable Clusterung Und schrittweise Rückschritt.
Der Finale Methode Ist Zu fit A verallgemeinert Rückschritt Modell.
Für Das, Die Gesetz von normal Verteilung
Ist gebraucht mit ein adaptiv Lasso Einschätzung Methode.
Für Das, Die lang normal Verteilung Ist gebraucht
mit ein adaptiv Lasso Einschätzung Methode.
Der Gesetz von normal Verteilung Ist Die am besten
fit für Die Antwort, So Ist gewählt Zu verwenden In Die Rückschritt Modell.
Der adaptives Lasso Einschätzung Methode
Ist A bestraft Rückschritt Technik
welche schrumpft Die Größe von Die Rückschritt Koeffizient
Und reduziert Die Varianz In Die schätzen.
Das hilft Zu verbessern vorausschauend Fähigkeit von Die Modell.
Auch Die Daten Satz War Teilt hinein A Ausbildung Und Validierung Satz.
Der Ausbildung Satz hat 744 Beobachtungen, Und Die Validierung Satz hat 246.
Aus Das, Die resultierend Modell produziert A .81 verallgemeinert R Quadrat
für Die Ausbildung Satz Und .8 für Die Validierung Satz.
Diese R-Quadrate Sind akzeptabel für unser Verfahren Das Wir Wille Jetzt auswerten
Die Genauigkeit Und Vorhersagbarkeit von Die resultierend Modell.
Jetzt Das Wir haben A Modell, Wir brauchen Zu Rezension es ist Genauigkeit
Und Vorhersagbarkeit Zu sehen Wenn Es würde Sei geeignet Zu verwenden In Produktion.
In tun Das,
A Graph Ist produziert Das vergleicht A vorhergesagt Qualität Messung
für A Spezifisch Teil Zu Die tatsächlich Qualität Messung.
In Die Graph das xx zeigt an Die vorhergesagt Wert,
Und Die ja zeigt an Die tatsächlich.
Auch, Die Qualität Messung Ist geschaufelt hinein drei Gruppen
basierend An es ist Wert, welche Ist gezeigt
von Die drei Farben An Die Graph.
In allgemein, Die Modell prognostiziert Die Qualität Messung gut.
Es tut erscheinen Das Die Modell dürfen fit besser
In Die untere Produkt Qualität Bereich
als Die Oberer, höher, welche dürfen Sei fällig Zu mehr Beobachtungen In Die untere Bereich.
Als genannt, Die Qualität Messung
War geschaufelt hinein drei anders Kategorien basierend An es ist Wert.
Das War Auch Erledigt für Die vorausschauend Qualität Messung.
Für jede Überwachung, Wenn Die Qualität Messung Kategorie
Ist Die Dasselbe als A vorhergesagt Messung Kategorie,
Es Ist zugewiesen Zu eins.
Wenn nicht, Es Ist zugewiesen Zu null.
Für beide Die Ausbildung Und Validierung setzt, Die Durchschnitt von diese Einsen Und Nullen
Ist berechnet Und Ist gebraucht als Die Genauigkeit zu messen.
Wir sehen Das Ausbildung Satz hat ein Genauigkeit von 87,5 %
Und Die Validierung Satz hat ein Genauigkeit von 84%.
Für Die Modell Zu Sei gerührt Zu Die testen Phase,
Genauigkeit muss Sei über A bestimmt Grenze,
Und beide von diese Genauigkeit Werte Sind.
Das Wille erlauben uns Zu Umzug Zu Die testen Phase von Die Projekt.
In Zusatz, Wir sehen bei Die Verwirrtheit Matrix
Zu visualisieren Die Genauigkeit von Die Modell
von vergleichen Die tatsächlich Zu Die vorhergesagt Kategorien.
Im Idealfall, Die aus Diagonalen von jede Matrix sollen Sei alle Nullen,
mit Die Diagonale aus Spitze links Zu Unterseite Rechts enthält alle Die zählt.
Der Matrizen zeigen An Die Poster Das Die höher zählt Sind entlang
Das Diagonale mit untere Zahlen In Die aus Diagonale,
Aber Abweichungen still existieren unter Die drei Kategorien.
Für Beispiel, In Die Ausbildung Satz, Dort Sind 29 Instanzen Wo Die tatsächlich
Qualität Messung von Die drei War vorhergesagt als A zwei.
In Die Dasselbe Fall für Die Validierung Satz, Dort Sind 12.
Der Verwirrtheit Matrix hilft Zu verstehen Wo diese Abweichungen Sind
So weiter Untersuchungen dürfen Sei Erledigt Und Verbesserungen gemacht.
Gesamt obwohl, Die Modell hat ein Genauigkeit über Das erfordert Grenze,
Wo unser nächste Schritt würde Sei Die testen Und Implementierung Phasen.
Jetzt Das unser Modell Ist durch Die Entwicklung Phase,
es ist Zeit Zu prüfen Es In live Situationen.
Für Das, Die Modell Ist gebraucht unter Maschinenbau Kontrolle
Zu bestimmen Wie Also Es prognostiziert Die Qualität Messung
In klein, kontrolliert Experiment.
Das Ist Erledigt von Die Maschinenbau Team
mit Unterstützung aus Die Projekt Team Wenn notwendig.
Einmal Die Maschinenbau Team Ist befriedigt mit Das testen,
Die Modell Ist völlig umgesetzt hinein Produktion Und überwacht über Zeit.
In Abschluss, Das Modell Entwicklung Verfahren
hat erlaubt uns Zu bauen
vorausschauend Modelle für Die Produktion Verfahren.
Der Methoden von Variable gruppieren,
schrittweise Variable Auswahl In verallgemeinert Rückschritt
war Die am meisten geeignet Und am besten Studenten Zu verwenden
für Das Anwendung.
Mit weiter Forschung Und Untersuchung,
andere Methoden könnte Sei möglicherweise angewandt
Zu verbessern Modell Leistung selbst mehr.
Aus A Produktion Standpunkt, Die Nutzen von Das Modell
Ist Das Die Operationen Team Wille erhalten sofortig Rückmeldung An Wie A Teil
oder Gruppe von Teile Wille ausführen, Und dürfen aufnehmen Die Melodie
Und Melodie Die Verfahren In real Zeit.
Wir dürfen Auch halte Die Produkt akzeptabel oder nicht.
Wenn abgelehnt, Die Produkt Ist entsorgt von Und Wille nicht weitermachen durch Die Verfahren,
welche über Zeit reduziert Produktion Kosten.
Zuletzt, Ausweis wie Zu geben A riesig speziell Dank Du
Zu Zvouno und Tschova Und Die gesamte Projekt Team
bei Corning Incorporated.
Dank Du für beitreten Und Hören Zu Mein Poster Präsentation.
