Réseaux neuronaux combinés
Steven Whites, ceinture noire Six Sigma, Kennecott Utah Copper, Rio Tinto
L'analyse JMP a montré l'impact de différents minerais sur notre processus de concentration des métaux. Cette analyse pourrait éclairer d'autres problématiques commerciales, telles que les courbes de demande économique, où la théorie et les résultats observés semblent contradictoires. Le processus de concentration des métaux présente une relation sous-jacente similaire à la courbe de demande économique, où la relation prix/quantité est négative. Cependant, dans le cas des processus de concentration des métaux, un nuage de points des résultats quotidiens montre souvent une relation positive inattendue due à une modification des caractéristiques du minerai. Par analogie, une modification de la courbe de demande due à l'évolution des préférences des clients peut également révéler une relation positive inattendue entre le prix et la quantité. Cette présentation décrira comment des courbes théoriques peuvent être identifiées au sein de ces résultats réels apparemment contradictoires. L'analyse commence par un ensemble de données complexe de plusieurs centaines de termes métallurgiques et opérationnels potentiels. La plateforme de partitionnement de JMP permet de réduire cette liste à une liste plus gérable de candidats. La plateforme multivariée et l'analyse en composantes principales réduisent encore cette liste. Des scripts JSL simples sont ensuite utilisés pour tester les combinaisons des termes restants afin de trouver un modèle neuronal optimal. Un graphique à bulles est utilisé pour afficher les résultats d'analyse, où X = la valeur médiane du coefficient de corrélation (test), Y = l'écart type du coefficient de corrélation (test) et la couleur de la bulle = le nombre de termes du modèle. Plusieurs exécutions (limitées par le temps de calcul) sont effectuées avec différents sous-ensembles aléatoires d'entraînement, de validation et de test, en utilisant la méthode des tests répétés pour l'estimation du taux d'erreur. La sélection optimale du modèle est ensuite simplifiée grâce à une représentation visuelle du nombre de termes, de l'efficacité et de la stabilité du modèle.
