Bradley Novizio , PhD, Consulente principale, PhaseTwo Analytics
L'estrazione di dati di produzione può essere un'impresa rischiosa, dall'assemblaggio dei dati all'analisi, all'interpretazione e all'implementazione dei risultati. Ciò che distingue l'estrazione di dati nella produzione da quella, ad esempio, nel marketing o nella finanza, è che la sola previsione non è sufficiente nella produzione. Nella produzione, il gioco finale è un controllo migliorato, e ciò richiede di arrivare alla causa principale. Gli alberi decisionali sono uno strumento meraviglioso per la scoperta, ma se lasciati a se stessi possono selezionare variabili che, sebbene predittive, non hanno senso per un ingegnere di processo dal punto di vista del controllo. Ciò richiede un approccio più attento alla creazione di alberi, che è offerto dall'approccio graduale fornito nella piattaforma di partizionamento JMP e non disponibile nella maggior parte degli altri programmi software di alberi decisionali. Questo documento fornirà esempi di successi nell'estrazione di dati utilizzando JMP nella produzione e problemi nell'estrazione di dati di produzione. Dimostrerà inoltre l'integrazione di conoscenze specialistiche nel processo di partizionamento JMP, per gestire il problema della correlazione nelle variabili predittive e fornire regole che consentono la convalida e l'implementazione dei risultati.
