11.10.2020 Modellbauschulung
Moderator: Kemal Oflus
Aufzeichnung ansehen | PPT
Was ist ein statistisches Modell?
Statistische Modelle werden verwendet, um die Beziehung zwischen einem oder mehreren Faktoren (Eingaben, X) und einer Reaktion (Ausgabe, Y) zu quantifizieren. Ihr Modellierungsziel könnte sein, zu erklären oder vorherzusagen. Ein statistisches Modell kann Ihnen dabei helfen:
- die wichtigsten Faktoren identifizieren (erklären)
- verstehen, wie sich die Reaktion in Abhängigkeit von den Faktoren ändert (erklären)
- Quantifizieren Sie die Variabilität in der Reaktion, die durch die Faktoren und ihre Wechselwirkungen erklärt wird. (erklären)
- Vorhersagen über zukünftige Ergebnisse treffen (vorhersagen)
Was ist Modell-Overfitting?
Ein Overfit-Modell ist ein statistisches Modell das ist komplexer als es sein muss .Overfitting modelliert eher das Rauschen in den Daten als die wahre Beziehung zwischen den Faktoren.Folge einer Überanpassung: Ihr Modell wird keine guten Vorhersagen treffen und kann zu viel Vertrauen in eine unzuverlässige Vorhersage oder ein unzuverlässiges Ergebnis setzen ... was zu erhöhten Kosten, Verschwendung, verpassten Fristen usw. führt.
Wann sollten Sie statistische Modellierung verwenden?
- Sie verbringen viel Zeit damit, sich mit unvorhergesehenen Problemen zu befassen.
- Ihre Bemühungen zur Problemlösung führen zu unvorhersehbaren Ergebnissen – und dasselbe oder ein verwandtes Problem tritt erneut auf.
- Sie haben das Gefühl, dass Sie nicht das vollständige Bild haben und Entscheidungen auf der Grundlage unvollständiger Informationen treffen müssen.
- Sie übertragen Produkte und Prozesse mit begrenztem Verständnis ihrer Funktionsweise.
- Sie fühlen sich in einem Teufelskreis gefangen, in dem die Bewältigung bestehender Probleme oder Prozesse Ihre Zeit für Optimierung, Innovation und Neuentwicklung einschränkt.
Was sind die Vorteile der statistischen Modellierung?
- Reduzieren Sie die Anzahl der Lernzyklen.
- Reduzieren Sie die Gesamtzeit zur Problemlösung.
- Erhöhen Sie die Vorhersagbarkeit von Verbesserungs- und Problemlösungsaktivitäten.
- Erhöhen Sie das nützliche Verständnis (das Erstellen von unvollständigem Wissen / Entscheidungen aus Ihren Daten kann zu falschen Lösungen führen)
- Treffen Sie nachhaltige Entscheidungen innerhalb des erforderlichen Zeitrahmens.
- Übertragen Sie umfassenderes Prozesswissen an vorgelagerte Kollegen.
- Erhöhen Sie die verfügbare Zeit für neue Projekte, um zukünftige Möglichkeiten zu erweitern, da es weniger wahrscheinlich ist, dass dasselbe Problem erneut (und erneut) gelöst wird.
Was sind die häufigsten Arten von Modellen?
|
| Typ |
Was es macht |
Hilft Benutzern dabei |
| Mehrfache lineare Regression |
- Sagt den durchschnittlichen Response-Wert basierend auf Werten mehrerer Prädiktoren/Faktoren voraus.
- Der Modellierungstyp ist kontinuierlich (z. B. ausgegebene Dollar)
|
- Identifizieren und optimieren Sie kritische Qualitätsmerkmale mit dem Ziel, kostengünstige und qualitativ hochwertige Produkte zu entwickeln
- Prognostizieren Sie Kundenausgaben basierend auf demografischen Informationen und historischen Kaufmustern
- Entwickeln Sie Preisstrategien basierend auf dem Produktmix und den Verbrauchermerkmalen
- Prognostizieren Sie zukünftiges Verhalten aus den Ergebnissen von Experimenten
- Ausbeute vorhersagen
|
| Logistische Regression |
- Modellieren Sie die Wahrscheinlichkeit, dass ein Ereignis eintritt.
- Der Modellierungstyp ist kategorisch
- nominell - bestanden/nicht bestanden
- multinomial - rot, blaugrün
- Ordnungszahl - klein, mittel, groß
- Wird häufig verwendet, weil Sie keine kontinuierlichen Antwortdaten haben
|
- Identifizieren Sie potenziellen Betrug
- Bestimmen Sie die Ursachen für fehlerhafte Artikel in einer Montagelinie
- Verstehen Sie die Gründe für das Fluchtrisiko für Mitarbeiter
- Bestimmen Sie die Kaufwahrscheinlichkeit für einen Kunden auf einer Website
- Pass/Fail-Qualitätsprüfung
|
Entscheidungsbäume
(Webcast)
|
|
|
Neuronale Netze
(Webcast)
|
|
|
| Wie verwenden verschiedene Branchen Modelle? |
| Industrie |
Typische Probleme, die mit Modellen gelöst werden sollen |
Halbleiter
(Seite Halbleiterressourcen) |
- Ertragsmanagement
- Fehlermodellierung
- Fehler-Clustering
|
Pharmazie
(Seite Pharmazeutische Ressourcen) |
- Forschung und Entwicklung
- DOE-Optimierung
- Biomarker-Analyse
|
Chemisch
(Seite chemische Ressourcen) |
- Mischungsoptimierung
- Vorbeugende Wartung
- Ertragsmanagement
|
Konsum- und Produktgüter
(CP&G-Ressourcenseite)
|
- Suche nach den besten Kunden
- Berechnungen des Customer Lifetime Value (CLV).
- Umsatzprognosen
- Marktforschung
|
Modellbau in JMP
|
Wertaussage: JMP-Anwender lösen mehr wissenschaftliche, technische und geschäftliche Probleme beim ersten Mal richtig – und in kürzerer Zeit – indem sie mithilfe bewährter, einfacher statistischer Modellierungsmethoden aussagekräftige Erkenntnisse aus vorhandenen Daten extrahieren – ohne dass eine starken statistischen Hintergrund und ohne mehrere Plattformen oder Produkte verwenden zu müssen.
|
| Modellierungsoptionen in JMP |
Erkennungsfragen für die Modellierung in JMP |
- Multivariate lineare Regression
- Grundlegende Entscheidungsbäume
- Einfache neuronale Netze
Wird in Verbindung mit Modellierung verwendet:
- Hauptkomponentenanalyse
- Clustering
|
Welche Probleme versuchen Sie mit Ihren Daten zu lösen?
Stehen Sie vor Herausforderungen, die nicht durch Expertenurteile, einfache Tabellenkalkulationen oder durch Variation von jeweils nur einer Sache gelöst werden können?
Sind Sie gezwungen, regelmäßig Entscheidungen auf der Grundlage unvollständiger Daten oder Informationen zu treffen, was Ihr Verständnis der wahren Treiber robuster, effektiver und effizienter Prozesse einschränkt?
Was sind Ihre Schmerzpunkte und wie viel kostet das (sowohl in Zeit als auch in Geld)? Was kostet es, es falsch zu machen?
Wie viele Tools verwenden Sie derzeit zur Analyse Ihrer Daten?
Wie oft analysieren Sie Daten?
- Müssen Sie Analysen regelmäßig wiederholen?
- Schränkt die Notwendigkeit, Probleme mit bestehenden Prozessen zu beheben, die Zeit ein, die Sie für Innovationen und die Entwicklung neuer Prozesse und Produkte aufwenden können?
- Wie wichtig ist es für Sie, den Prozess gut zu verstehen?
|
| Modellerstellung in JMP Pro |
Werterklärung: JMP Pro ermöglicht unseren Benutzern, Daten mit einer benutzerfreundlichen Oberfläche zu untersuchen und zu verstehen, indem es eine Sammlung der relevantesten statistischen Instrumente zur Analyse von Daten bereitstellt, ohne von Auswahlmöglichkeiten überwältigt zu werden und ohne programmieren zu müssen. Was JMP Pro liefert, ist ZEIT und VERTRAUEN. Das Hinzufügen von Modellscreening (JMP 16) und Formel Depot ermöglicht es Modellierern, in einem einzigen Toolkit zu bleiben und SEHR schnell etwas zu tun, was normalerweise viel Aufwand erfordert. Validierung schafft Vertrauen.
|
| Modellierungsoptionen in JMP Pro |
Qualifizierende Fragen, um zu sehen, ob sie gute Pro-Kandidaten sind
|
|
- Stellen Sie jede technische Frage. Beispiel: Welche Art von R-Quadraten erhalten Sie jetzt aus Ihren Modellen?
- Wenn sie 0,99 sagen, wissen Sie, dass JMP Pro möglicherweise nicht so wirkungsvoll ist wie jemand, der 0,30 sagt.
- Verwenden Sie Kreuzvalidierung oder schrittweise Regression?
- In Pro können Sie die Kreuzvalidierung verwenden, um eine Überanpassung eines Modells zu verhindern, was ein großer Vorteil für JMP Pro ist. Wenn sie ein Verständnis für Kreuzvalidierung oder schrittweise Regression haben, ist dies normalerweise ein gutes Zeichen dafür, dass sie ein Pro-Kandidat sind.
|
Weitere Modellierungsressourcen zum Teilen:
