Bienvenido, y agradecer tú para unión mi póster presentación
en este años JMP C conferencia.
Mi nombre es Kaitlin Shorkey ,
y Soy a sénior estadístico ingeniero en Corning Incorporado.
Cómo hacer tú conseguir a vistazo de a producto calidad
antes él completa el producción ¿proceso?
Nosotros eligió a construir a modelo eso voluntad predecir el producto calidad resultado
antes él tiene terminado el completo proceso.
Allá son dos importante beneficios de este acercarse.
Uno es el operaciones equipo
recibe instante comentario en cómo el regiones voluntad llevar a cabo
y poder ajustar el proceso en real tiempo.
El segundo es eso nosotros poder dem el producto aceptable o no.
Como I justo mencionado, el principal objetivo de este trabajar
es a construir a profético modelo usando a pocos modelado aproches
a entender y predecir producto calidad
basado en cierto producto mediciones.
Nuestro importante pasos en edificio este modelo
son datos recopilación, modelo desarrollo, pruebas y implementación.
En primer lugar, para el datos recopilación fase, regiones son coleccionado en el fin
de el producción línea y adecuado producto mediciones son terminado.
El regiones son entonces sometido a el calidad prueba.
El producto mediciones y calidad medición resultados
son conjunto en a datos colocar y usado para edificio el modelo.
En este caso, el calidad medición resultados
son conjunto en a datos colocar y usado para edificio el modelo.
En este caso, el calidad medición es el respuesta
y todo el producto mediciones son el predictores.
El conjunto de datos consiste 767 predictores y 990 observaciones o regiones.
Este cosa poder llevar a largo tiempo a ejecutar.
Desde eran edificio a modelo, es importante a conseguir como grande de a rango
de producto mediciones y calidad medición resultados como nosotros poder.
Si nosotros dejar este el exactitud y modelo predicciones
son más coherente al otro lado de el rango.
Esencialmente, este permite el modelo a exactamente predecir en todo niveles
de el producto calidad resultados.
Una vez el conjunto de datos es compilado,
él es minuciosamente examinado a asegurar él es como limpio como posible.
Después el datos recopilación y limpieza,
el segundo fase de modelo desarrollo es comenzó.
Para este, nosotros comenzar con variable agrupamiento.
Paso por regresión, eliminar muy correlacionado variables
y seleccionar el mayoría importante unos.
Con entonces muchos predictores nosotros primero aplicar variable agrupamiento.
Este método permite para el reducción en el número de variables.
Variable agrupamiento grupos el predictores,
el variables en grupos eso compartir común características.
Cada grupo poder ser representado por a soltero componente o variable.
A retazo de el grupo resumen de JMP es mostrado,
cual indica eso 85 % de el variación
es explicado por agrupamiento.
Grupo 12 tiene 49 miembros,
y V 232 es el mayoría representante de eso grupo.
El variables eso son identificado como el mayoría representante unos
son entonces usado en el próximo método de paso a paso regresión.
Paso a paso regresión es usado
en el identificado agrupado variables a seleccionar el mayoría importante uno
a a nosotros en el modelo,
y más reduce el número de variables.
Para este, el adelante dirección
y mínimo corregido AIC parada regla es usado.
El dirección controles cómo variables ingresar y dejar el modelo.
El adelante dirección medio eso términos son entró en el modelo
eso tener el pequeñísimo valor p.
El parada regla es usado a determinar cual modelo es seleccionado.
El corregido AIC es basado en negativo dos, ley de probabilidad,
y el modelo con el pequeñísimo corregido AIC es a privilegiado modelo.
De este, 51 variables son entró en el modelo
de el 99 disponible variables
de el variable agrupamiento paso.
En este punto, nosotros tener reducido el número
de variables de 767 a 51
usando variable agrupamiento y paso a paso regresión.
El final método es a adaptar a generalizado regresión modelo.
Para este, el ley de normal distribución
es usado con un adaptado lazo estimación método.
Para este, el largo normal distribución es usado
con un adaptado lazo estimación método.
El ley de normal distribución es el mejor
adaptar para el respuesta, entonces es preferido a usar en el regresión modelo.
El lazo adaptativo estimación método
es a penalizado regresión técnica
cual se encoge el tamaño de el regresión coeficiente
y reduce el diferencia en el estimar.
Este ayuda a mejorar profético capacidad de el modelo.
También el datos colocar era dividir en a capacitación y validación colocar.
El capacitación colocar tiene 744 observaciones, y el validación colocar tiene 246.
De este, el resultante modelo produce a .81 generalizado R-cuadrado
para el capacitación colocar y .8 para el validación colocar.
Estos R-cuadrados son aceptable para nuestro proceso eso nosotros voluntad ahora evaluar
el exactitud y previsibilidad de el resultante modelo.
Ahora eso nosotros tener a modelo, nosotros necesidad a revisar es exactitud
y previsibilidad a ver si él quería ser adecuado a usar en producción.
En haciendo este,
a gráfico es producido eso compara a previsto calidad medición
para a específico parte a el actual calidad medición.
En el gráfico el xx espectáculos el previsto valor,
y el yx espectáculos el actual.
También, el calidad medición es en cubos en tres grupos
basado en es valor, cual es mostrado
por el tres bandera en el gráfico.
En general, el modelo predice el calidad medición bien.
Él hace aparecer eso el modelo puede adaptar mejor
en el más bajo producto calidad rango
que el superior, cual puede ser pendiente a más observaciones en el más bajo rango.
Como mencionado, el calidad medición
era en cubos en tres diferente categorías basado en es valor.
Este era también hecho para el profético calidad medición.
Para cada observación, si el calidad medición categoría
es el mismo como a previsto medición categoría,
él es asignado a uno.
Si no, él es asignado a cero.
Para ambos el capacitación y validación conjuntos, el promedio de estos unos y ceros
es calculado y es usado como el precisión a medida.
Nosotros ver eso capacitación colocar tiene un exactitud de 87,5%
y el validación colocar tiene un exactitud de 84%.
Para el modelo a ser emocionado a el pruebas fase,
exactitud debe ser arriba a cierto límite,
y ambos de estos exactitud valores son.
Este voluntad permitir a nosotros a mover a el pruebas fase de el proyecto.
En suma, nosotros mirar en el confusión matriz
a visualizar el exactitud de el modelo
por comparando el actual a el previsto categorías.
Idealmente, el apagado diagonales de cada matriz debería ser todo ceros,
con el diagonal de arriba izquierda a abajo bien que contiene todo el cuenta.
El matrices espectáculo en el póster eso el más alto cuenta son a lo largo de
eso diagonal con más bajo números en el apagado diagonal,
pero discrepancias aún existir entre el tres categorías.
Para ejemplo, en el capacitación colocar, allá son 29 instancias dónde el actual
calidad medición de el tres era previsto como a dos.
En el mismo caso para el validación colocar, allá son 12.
El confusión matriz ayuda a entender dónde estos discrepancias son
entonces más investigaciones poder ser hecho y mejoras hecho.
En general aunque, el modelo tiene un exactitud arriba eso requiere límite,
dónde nuestro próximo paso quería ser el pruebas y implementación fases.
Ahora eso nuestro modelo es a través de el desarrollo fase,
es tiempo a prueba él en vivir situaciones.
Para este, el modelo es usado bajo ingeniería control
a determinar cómo Bueno él predice el calidad medición
en pequeño, revisado experimento.
Este es hecho por el ingeniería equipo
con apoyo de el proyecto equipo cuando necesario.
Una vez el ingeniería equipo es satisfecho con este pruebas,
el modelo es completamente implementado en producción y monitoreado encima tiempo.
En conclusión, este modelo desarrollo proceso
tiene permitido a nosotros a construir
profético modelos para el producción proceso.
El métodos de variable agrupamiento,
paso a paso variable selección en generalizado regresión
eran el mayoría adecuado y mejor estudiantes a usar
para este solicitud.
Con más investigación y investigación,
otro métodos podría ser potencialmente aplicado
a mejorar modelo actuación incluso más.
De a producción punto de vista, el beneficio de este modelo
es eso el operaciones equipo voluntad recibir instante comentario en cómo a parte
o grupo de regiones voluntad llevar a cabo, y poder ingerir el melodía
y melodía el proceso en real tiempo.
Nosotros poder también considerar el producto aceptable o no.
Si rechazado, el producto es dispuesto de y voluntad no continuar a través de el proceso,
cual encima tiempo reduce producción costos.
Por último, Identificación como a dar a enorme especial agradecer tú
a Zvouno y Lluvia y el completo proyecto equipo
en Corning Incorporated.
Agradecer tú para unión y escuchando a mi póster presentación.
