Redes neuronales combinadas
Steven Whites, cinturón negro Six Sigma, Kennecott Utah Copper, Rio Tinto
El análisis de JMP ha demostrado cómo diferentes minerales afectan nuestro proceso de concentración de metales. Este análisis puede arrojar luz sobre otros problemas empresariales, como las curvas de demanda económica, donde la teoría y los resultados observados parecen contradecirse. El proceso de concentración de metales tiene una relación subyacente similar a la curva de demanda económica, donde existe una relación negativa entre precio y cantidad. Sin embargo, en el caso de los procesos de concentración de metales, un diagrama de dispersión de resultados diarios suele mostrar una relación positiva inesperada debido a un cambio en las características del mineral. Por analogía, un cambio en la curva de demanda debido a cambios en las preferencias de los clientes puede mostrar una relación positiva igualmente inesperada entre precio y cantidad. Esta presentación describirá cómo se pueden encontrar curvas teóricas dentro de estos resultados reales aparentemente contradictorios. El análisis comienza con un conjunto complejo de datos de varios cientos de posibles términos metalúrgicos y operativos. La plataforma Partition de JMP se utiliza para reducir esto a una lista más manejable de candidatos. La plataforma Multivariante y el análisis de componentes principales reducen aún más esta lista. A continuación, se utilizan scripts JSL sencillos para probar combinaciones de los términos restantes y encontrar un modelo neuronal óptimo. Se utiliza un gráfico de burbujas para mostrar los resultados del análisis, donde X = la mediana del r-cuadrado (prueba), Y = la desviación estándar del r-cuadrado (prueba) y el color de las burbujas = el número de términos de ese modelo en particular. Se realizan múltiples ejecuciones (limitadas por el tiempo de computación) con diferentes subconjuntos aleatorios de entrenamiento, validación y prueba, utilizando el método de retención repetida para la estimación de la tasa de error. La selección óptima del modelo se simplifica mediante una visualización del número de términos, la efectividad y la estabilidad del modelo.
