Hallo
Ich habe ein Viskositätsmodell für ein Produkt entwickelt, das auf Hunderten von Labordaten mit wenigen Prozessparametern basiert.
Nun, da das Modell erstellt ist, was ist der beste Ansatz, um seine Leistung im Laufe der Zeit zu verfolgen? Regelkarte ?
Wir erhalten weiterhin regelmäßig Laboranalysen, damit wir die Analyse mit dem vorhergesagten Wert vergleichen können.
Vielen Dank im Voraus für Ihren Rat.
Interessant ... Hier sind meine ersten Gedanken:
Erstens, wie bauen Sie das Modell auf (z. B. GLM, schrittweise, PLS, neural)? Zweitens, was ist der Zweck Ihrer Verfolgung der Leistung im Laufe der Zeit? Planen Sie, damit auf Abweichungen von der Prognose zu reagieren? Wie viel Abweichung würde Sie zu einer Reaktion veranlassen? Was wäre Ihre Reaktion? Wäre es nicht besser, die X in Ihrem Modell darzustellen (voraussagekräftiger)?
Wenn die Modellerstellung auf Beobachtungsdaten basierte, haben Sie versucht zu experimentieren, um zu bestätigen, dass das Modell kausal vs. Korrelation ist?
Möchten Sie das Modell verbessern (z. B. zusätzliche Variablen oder Terme höherer Ordnung identifizieren, die in das Modell aufgenommen werden sollen) oder nur die Konsistenz des Modells bewerten? Möchten Sie den Inferenzraum um andere Produkte erweitern?Ich nehme an, Sie könnten das planen Reste über die Zeit (z. B. X-, MR-Charts). Was und wie Sie zeichnen, hängt davon ab, was Sie mit dem "Tracking" erreichen möchten.
Haben Sie aus Neugier das Messsystem begutachtet? Dies ist eine großartige Gelegenheit, die Regelkartenmethode zu verwenden (und kann eine bessere Bestimmung der Kalibrierungshäufigkeit ermöglichen).
Der offensichtliche Vergleich ist ein Scatterplot von Ist und Vorhersage. Sie könnten die Y=X-Linie als Referenz hinzufügen.@statmann Der Vorschlag von geht an die Stabilität der Vorhersage. Sie können auch die Prozessfähigkeit (Vorhersage ist ein Prozess) verwenden, um die Eignung zu beurteilen.
