Bradley Novic , PhD, Hauptberater, PhaseTwo Analytics
Das Mining von Fertigungsdaten kann ein riskantes Unterfangen sein – von der Datenerfassung über die Analyse bis hin zur Interpretation und Umsetzung der Ergebnisse. Der Unterschied zwischen Data Mining in der Fertigung und Data Mining in beispielsweise Marketing oder Finanzen besteht darin, dass Prognosen allein nicht ausreichen. In der Fertigung geht es letztlich um eine verbesserte Kontrolle, und dazu muss die Ursache ermittelt werden. Entscheidungsbäume sind ein hervorragendes Werkzeug für die Datenanalyse, können aber, wenn sie sich selbst überlassen werden, Variablen auswählen, die zwar prädiktiv sind, für einen Prozessingenieur aber aus steuerungstechnischer Sicht keinen Sinn ergeben. Dies erfordert einen sorgfältigeren Ansatz beim Aufbau von Entscheidungsbäumen, der durch den schrittweisen Ansatz der JMP-Partitionierungsplattform ermöglicht wird und in den meisten anderen Entscheidungsbaum-Softwareprogrammen nicht verfügbar ist. Dieses Dokument zeigt Beispiele für erfolgreiches Data Mining mit JMP in der Fertigung und zeigt Probleme beim Mining von Fertigungsdaten. Es zeigt außerdem die Integration von Expertenwissen in den JMP-Partitionierungsprozess, um das Problem der Korrelation von Prädiktorvariablen zu lösen und Regeln für die Validierung und Bereitstellung von Ergebnissen bereitzustellen.
