Bradley Novic , PhD, consultor principal, PhaseTwo Analytics
La minería de datos de fabricación puede ser una tarea arriesgada, desde el ensamblaje de datos hasta el análisis, la interpretación y la implementación de resultados. Lo que distingue a la minería de datos en fabricación de la minería de datos en, por ejemplo, marketing o finanzas, es que la predicción por sí sola no es suficiente. En fabricación, el objetivo final es mejorar el control, lo que requiere llegar a la causa raíz. Los árboles de decisión son una herramienta excelente para el descubrimiento, pero si se dejan a su suerte, pueden seleccionar variables que, aunque predictivas, carecen de sentido para un ingeniero de procesos desde el punto de vista del control. Esto requiere un enfoque más cuidadoso en la construcción de árboles, que ofrece el enfoque gradual de la plataforma de particionamiento JMP y que no está disponible en la mayoría de los demás programas de software de árboles de decisión. Este documento proporcionará ejemplos de éxitos en la minería de datos utilizando JMP en fabricación y problemas en la minería de datos de fabricación. También demostrará la integración del conocimiento experto en el proceso de particionamiento JMP para abordar el problema de la correlación en las variables predictoras y proporcionar reglas que permitan la validación y el despliegue de resultados.
