Hola. Mi nombre es Najmeh Dehghani.
Soy a Datos Ingeniero en JLL.
I tener mi Maestro Grado en Analítica de Texas SOY.
Mi piedra angular proyecto es en Solicitud de cotización Proceso Mejoramiento
para Prediseñado Metal Edificios.
I conseguir a saber JMP y SAS en escuela en Texas SOY.
I fundado a maravilloso herramienta a hacer análisis
y llevar a cabo análisis con eso.
Pero de hecho, mi piedra angular proyecto es en ambos en JMP y también Pitón.
I tener hecho él en ambos.
Básicamente, el objetivo de mi proyecto es a prediciendo el peso
de prediseñado metal edificio por considerando varios geométrico
y geográfico requisitos.
vamos tener un introducción a el metal edificios.
Metal edificios, básicamente prediseñado metal edificios
son estructuras eso utilizar acero marcos a apoyo el techo y muro panel.
Nosotros poder hacer el personalizaciones en a ellos basado en el clientes requisito.
Ellos poder ser comercial o Residencial.
Ellos tener un exactitud porque ellos son prediseñado
y el dimensiones son preciso.
Ellos tener flexibilidad.
Nosotros poder cambiar el diseño basado en el cliente necesidades
y cliente requisitos.
Qué exactamente en este proyecto nosotros tener a hacer
es eso estimar el peso a predecir el precio.
El acero estructura es a crítico factor en el metal edificio precios.
Nosotros desear a ver si nosotros poder predecir eso peso.
Eventualmente, nosotros poder predecir el precio
y eventualmente, nosotros poder trabajar en el Solicitud de cotización proceso.
Básicamente, vamos llevar a mirar en el Solicitud de cotización proceso.
Qué es el Solicitud de cotización proceso eso nosotros desear a optimizar
y qué es exactamente su actual sistema es haciendo.
Como I mencionado, el negocio desafíos en mano en este proyecto
es a mejorar el Solicitud de cotización proceso para metal edificios
y a ver si nosotros poder mejorar el respuesta tiempo,
reducir el servidor costo,
y mitigar el desaparecido oportunidades para el compañía.
A enviar afuera el Solicitud de cotización a su cliente,
básicamente, ellos son yendo a elegir alguno proceso, alguno pasos.
Ellos revisar el consultas eso próximo a el compañía, especificar el objetivo, tamaño,
disposición, diseño requisito de el edificio.
Ellos controlar todo de el técnico especificación,
el carga capacidad, techumbre y aislamiento y otro factores
a preparar preciso citas eso cubrir todo de el materiales, mano de obra y costo para a ellos,
calcular el precio y enviar afuera el Solicitud de cotización atrás a el clientes.
Su actual sistema eso Procesando el Solicitud de cotización para a ellos básicamente es como este.
Ellos son bien ahora teniendo tres servidores.
Cada servidor es Procesando acerca de 480 Solicitud de cotización por día.
El tiempo cada Solicitud de cotización voluntad llevar a proceso es acerca de 180 segundos.
El costo por Solicitud de cotización es aproximadamente 75 centavos.
Divisor todo de estos juntos,
nosotros poder venir arriba con a número de $0.004 por segundo a proceso Solicitud de cotización.
A considerar 480 por día por servidor,
es yendo a ser $360 por día a proceso el Solicitudes de cotización.
Ellos tener tres servidores.
Totalmente, es yendo a ser acerca de $1,000 por día para todo tres servidores
a proceso el Solicitudes de cotización.
Si nosotros considerar 365 días en a año, es yendo a ser acerca de $400,000 servidor
y mantenimiento costo para el compañía a proceso todo de el Solicitudes de cotización.
Básicamente, nosotros desear a ver si nosotros poder mejorar este proceso
para el compañía por prediciendo el peso basado de el histórico datos.
El métodos I tener usado en este proyecto
probablemente basado todo de el máquina aprendiendo proyectos para prediciendo.
Es yendo a ser datos recopilación y preprocesamiento, característica ingeniería
y selección, y modelo selección.
vamos llevar a mirar.
Nosotros comenzó por definiendo exactamente qué es el negocio problema.
El negocio problema es eso prediciendo el peso de el edificio metálico.
El datos recopilación y preprocesamiento es eso
cómo I manejar este parte es eso acerca de 182 SQL mesas eran proporcionó a a mí
como a parte de subconjunto de histórico datos de el fabricante.
Alrededor 500.000 registro era incluido en aquellos mesas,
más que 500 características, A NOSOTROS datos solo.
I tener realizado el ETL proceso
y limpieza mi datos colocar bien anormal datos en SAS, Pitón y JMP
y integrado todo de mi datos en uno mesa
con el ayuda de estos tres herramientas.
Mi próximo paso era a, el característica selección o extracción.
El preliminar característica selección, I realizado él a partir de industrial estudiar
y también conseguir el pericia juicio a eliminar el características
eso él era en realidad no relacionado a nuestro objetivo.
Entonces I comenzó correlación análisis a examinar el correlación
y encontrar el multicolinealidad entre mi características
a eliminar más características.
Entonces descriptivo análisis y visualización a controlar todo
de el relación entre mi datos como I tener hecho en JMP, Pitón,
y Cuadro.
El próximo paso para a mí era a comenzar calculando afuera o explorador el modelos,
el algoritmos basado en el característica de mi datos.
Como mi datos era, mi objetivo es un integral objetivo,
entonces I comenzó a mirar en el lineal regresión paso a paso, aleatorio bosque,
decisión árbol, y alguno otro más algoritmo.
Eventualmente, I entrenado y evaluar diferente modelos en ambos Pitón y JMP.
I comparado el actuación métrica y hizo el cruz validación
y k veces validación para todo de mi modelos.
Si nosotros llevar a mirar en aquí en el medio,
nosotros poder ver el modelos eso I entrenado mi datos en él.
Alguno de a ellos son en Pitón, alguno de a ellos son en JMP.
A comparar este modelo a ver cual uno es el mejor,
I tenía a comparar el modelos basado en el PLAZA BURSÁTIL NORTEAMERICANA,
y también a controlar cual modelo es ejecutando mejor
y también controlar el R-cuadrado a ver cómo cerca nuestro pronóstico,
nuestro predicción yendo a ser a el actual datos.
Este es el residual trama para todo de el modelos.
Si tú ir atrás aquí,
tú poder ver afuera de todo de el modelos eso I tenía correr,
I tener dos modelos eso son el mejor,
a decisión árbol en Pitón y impulsado árbol en JMP.
Si nosotros llevar a mirar en ambos de a ellos, nosotros poder ver mayoría de el características
eso ambos seleccionado son el mismo, incluso el importancia son cerca a cada otro.
Mirando en el PLAZA BURSÁTIL NORTEAMERICANA,
nosotros poder ver el Plaza bursátil norteamericana para decisión árbol es acerca de 4.000,
pero para el impulsado árbol es acerca de 2.000, cual es mucho más mejor.
También, R-cuadrado para el impulsado árbol es a pequeño poco más alto.
El residual, si nosotros mirar en el derechos residuales de autor
de ambos software, nosotros poder ver el residual es en realidad bien,
cerca a el actual valores, o de Pitón es cerca a es alrededor cero valores.
Ambos modelo son en realidad bien y ellos son prediciendo bien.
Él medio eso nosotros poder predecir el peso
de el edificio basado de este histórico datos eso nosotros tener.
vamos ver cómo es yendo a impacto el negocio aquí.
Bueno, nosotros tener a bien modelo. Este modelo es ejecutando Bueno.
vamos ver si el negocio desear a implementar este modelo,
qué son el beneficios para ¿a ellos?
El primero cuadro nosotros poder ver era el cuadro
eso I ya presentado a tú como su actual sistema.
Nosotros saber ellos son cada servidor, ellos tener tres servidores
y cada servidor es Procesando 480 Solicitud de cotización por día
eso totalmente él costos $360 por día para cada servidor.
Considerar eso nosotros desear a proceso el mismo cantidad de el solicitudes de cotización, 480.
Pero en este tiempo, con implementar el modelo,
nosotros poder más bajo abajo el proceso tiempo a uno segundo
porque el modelo yendo a justo instantáneamente correr y donación el precio a a nosotros.
Considerando el costo yendo a ser por Solicitud de cotización yendo a ser el mismo,
costo por segundo yendo a ser el mismo, justo Procesando tiempo voluntad ser uno segundo
afuera de 180 segundos.
El total costo voluntad más bajo abajo a $2 por día por servidor.
Entonces ellos tener tres servidores, es yendo a ser $6.
Si nosotros considerar, es yendo a ser 365 días por año
eso todo tres servidores son correr, es yendo a ser acerca de $2,000.
Comparando con actual costo,
ellos son pago para el servidor y Procesando tiempo.
Es casi 99% costo ahorro para el negocio y el compañía.
Pero asombrosamente, este es no el solo costo ellos poder ahorrar.
El otro costo ellos poder ahorrar es o ellos poder traer más oportunidades.
Ellos son desaparecido alguno oportunidades.
Bien ahora, ellos son Procesando 480 Solicitudes de cotización por día, uno servidor.
Pero si nosotros más bajo abajo el Procesando tiempo a uno segundo,
ellos poder proceso 80.000 Solicitudes de cotización.
Considerando el ganar tasa para a ellos voluntad ser 4%.
Bien ahora, el total número ellos poder ganar por día es yendo a ser 19.
Pero con implementar el modelo porque ellos son Procesando más solicitud de cotización,
entonces ellos poder ganar más y ellos poder traer más oportunidades.
De hecho, básicamente ellos son desaparecido acerca de 3.000 oportunidades por día.
Probablemente este es yendo a ser más que su capacidad,
pero este es uno de el puntos
eso ellos poder pensar acerca de su negocio desarrollo.
Este es mi proyecto acerca de ellos podría tener predecir a bien modelo y eventualmente
nosotros poder ver ellos son yendo a ser a enorme negocio impacto para el compañía.
Espero tú disfrutar él y agradecer tú entonces mucho a Texas SOY
y Dr. jones como mi piedra angular entrenador.
