Brad Foulkes , ingénieur principal pour Life Analytics, GE Power Services
Les modèles prédisant la probabilité d'un événement peuvent être difficiles à interpréter. Si le modèle a manqué un événement, est-ce un mauvais modèle ? Ou les résultats étaient-ils simplement dans les limites de confiance du modèle ? L'utilisation d'une seule valeur peut conduire à des conclusions erronées. Pour améliorer les résultats, nous avons développé un processus permettant de simuler la probabilité qu'un événement se produise à un instant T et d'utiliser ces résultats pour comprendre comment nous évaluons le modèle. Ce processus est conçu pour fonctionner avec JMP et JSL afin de développer une interface utilisateur pour la saisie de données et d'un modèle, d'exécuter la simulation et de fournir visuellement les résultats afin de vérifier rapidement la validité du modèle. Pour les grands ensembles de données, cette tâche peut s'avérer particulièrement fastidieuse et gourmande en ressources informatiques. JMP permet de stocker une matrice de données dans une cellule, ce qui permet d'améliorer la vitesse d'exécution de la simulation. Cette présentation détaillera le processus global de validation du modèle, ainsi que le script JSL pour la création de l'outil et l'interprétation des résultats.
