挖掘制造数据的风险和JMP®的优势布拉德利·诺维奇博士，PhaseTwo Analytics 首席顾问
从数据收集到分析，再到结果的解释和实施，挖掘制造业数据可能是一项危险的工作。制造业数据挖掘与营销或金融等行业数据挖掘的区别在于，制造业仅靠预测是不够的。制造业的最终目标是改善控制，而这需要找到根本原因。决策树是一种很好的发现工具，但如果任其发展，可能会选择一些变量，尽管这些变量具有预测性，但从控制的角度来看，它们对工艺工程师来说毫无意义。这就需要一种更谨慎的树构建方法，这种方法由 JMP 分区平台提供的分步方法提供，而大多数其他决策树软件程序都无法提供这种方法。本文将提供使用 JMP 在制造业进行数据挖掘的成功案例以及挖掘制造业数据时遇到的问题。它还将展示将专家知识集成到 JMP 分区过程中，以处理预测变量的相关性问题，并提供允许验证和部署结果的规则。
