Come gestire le previsioni dei dati con modelli non lineari?Ciao a tutti,
Attualmente, vorrei eseguire una previsione da X a Y dove X e Y non sono lineari tra loro
Dall'immagine sottostante, i valori in Y > 100 o X > 550 sono considerati negativi in realtà. Tuttavia, non so se i dati al di fuori del contorno o che si trovano su aree con punti interrogativi siano considerati negativi o positivi. Vorrei porre una domanda:
1. Esiste un modo per fare previsioni con punti dati posizionati sull'area dei punti interrogativi o punti dati oltre i contorni, ma senza superare il limite (linee rosse)? Dato che X e Y non sono lineari tra loro, ho provato a realizzare un modello non lineare, ma fino a quel momento non mi sono bloccato.
2. Vorrei tracciare un confine con una zona cuscinetto con una distanza , quindi prendo in considerazione i punti dati:
- Nuovo confine esterno --> non valido
-Nuovo confine nel sito, ma superati i limiti rossi --> non valido
-Altrimenti: buono
Come potrei definire una distanza appropriata?
Spero di poter ricevere qualche consiglio da te
Modellazione predittiva e apprendimento automaticoR: Come gestire la previsione dei dati con un modello non lineare?Ciao @PhamBao ,
Come hai generato questi dati? Sono frutto di esperimenti? L'area colorata mostra solo le aree che hai testato?
Se hai testato solo le aree in cui stai visualizzando la risposta, potrebbe non essere appropriato estrapolare al di fuori dell'area in cui hai effettivamente testato, nelle zone con "punto interrogativo". È possibile generare un modello in JMP e iniziare a estrapolare al di fuori delle regioni testate, ma tutto ciò comporta un elevato rischio. In molti casi, potresti voler utilizzare il "Controllo estrapolazione" nel Prediction Profiler per evitare di fare previsioni infondate.
Se puoi fare più esperimenti, perché non esegui test su un intervallo più ampio (utilizzando la progettazione personalizzata o la progettazione aumentata nelle opzioni DOE) per ottenere più informazioni sul tuo sistema in modo da poter coprire l'area con i punti interrogativi da testare?
Sarebbe utile anche se potessi fornire il set di dati.
Grazie,
Ben
R: Come gestire la previsione dei dati con un modello non lineare?Ciao @Ben_BarrIngh
Ho ricevuto i dati dal mio posto di lavoro. I dati vengono prelevati da diverse macchine (12 macchine - data frame di circa 6 settimane) utilizzando la stessa ricetta. In realtà, Y è il dato successivo a X. Di solito, cerco di controllare singolarmente singoli parametri come X e Y.
Limite X: limite di controllo superiore: 550 e limite di controllo inferiore: 100 --> il prodotto con un singolo parametro sarà considerato non valido se non rientra nel limite di controllo
Limite Y: limite di controllo superiore: 100 e limite di controllo inferiore: -170 --> il prodotto con un singolo parametro sarà considerato non valido se non rientra nel limite di controllo
Flag3: 0 prodotti considerati buoni - 1: prodotti cattivi
Tuttavia, abbiamo rilevato che il controllo di singoli parametri durante il processo non è realmente efficace. Pertanto, ho provato a tracciare un grafico di X e Y come mostrato nel grafico sopra per vedere come Y risponde a X, quindi ho eseguito il controllo di X e Y contemporaneamente. Tracciando il grafico (X e Y) con i dati di 6 settimane da diverse macchine, ho ottenuto lo schema mostrato nell'immagine sopra. Ho ricevuto la domanda:
1: Con grandi punti dati provenienti da 6 settimane e macchine diverse, è appropriato estrapolare al di fuori dell'area?
In caso contrario, potresti fornirmi le istruzioni o il riferimento su come utilizzare il DOE per testare un'ampia gamma per ottenere più informazioni per coprire le aree con punti interrogativi?
R: Come gestire la previsione dei dati con un modello non lineare?Ciao @PhamBao ,
Poiché stai osservando solo una risposta/segnalazione binaria di buono/cattivo, non sarebbe appropriato estrapolare (come raramente accade in ogni caso). Allo stesso modo, questi marcatori vengono considerati buoni/cattivi solo quando violano le regole del limite di controllo, non perché siano stati effettivamente misurati e classificati come "buoni" o "cattivi" (correggimi se sbaglio). La tua applicazione del contorno non è appropriata o addirittura necessaria: nel caso dei tuoi dati, il passaggio da buono a cattivo non è graduale, ma improvviso quando i valori X o Y superano i loro limiti di controllo.
Se quest'ultima affermazione è vera, allora suggerirei alcune cose:
- Trovare un attributo di qualità da questo processo che definisca se il prodotto è buono o cattivo (ad esempio purezza del prodotto, tasso di difettosità)
- Misura i valori associati di quell'attributo rispetto a X e Y (anche se entrambi possono essere considerati X)
Se necessario, puoi provare a colmare questa lacuna tramite sperimentazione: dai un'occhiata a queste risorse del DoE: https://www.jmp.com/doeintrokit/en/index.html .
Grazie,
Ben
R: Come gestire la previsione dei dati con un modello non lineare?Ciao @Ben_BarrIngh
C'è qualche altra risorsa da cui potrei imparare visto che alcuni link video non sono più disponibili?
" Allo stesso modo, questi marcatori vengono considerati buoni/cattivi solo quando violano le regole del limite di controllo, non perché siano stati effettivamente misurati e classificati come 'buoni' o 'cattivi' (correggetemi se sbaglio)"
--> In realtà, il mio dubbio è che se mi riferisco alla forma o al pattern dei dati, il pattern appare costante. Il che significa che potrebbe non esserci alcuna possibilità che i dati siano disposti su X da 0 a 50, indipendentemente dal valore di Y. Allo stesso modo, non ci sono punti dati con Y da -200 a -100 dove X da 0 a 550.
"- Misura i valori associati di quell'attributo rispetto a X e Y (anche se entrambi possono essere considerati X)" --> esiste una funzione in JMP a cui potrei aggiungere più parametri e provare a modificarli per vedere come X e Y rispondono al parametro
Grazie
R: Come gestire la previsione dei dati con un modello non lineare?Ciao @PhamBao ,
Non sono sicuro di aver capito appieno il tuo primo punto. E forse è qualcosa che vuoi condividere con un consulente (ad esempio un partner JMP ) per definire meglio la tua sfida e ottenere assistenza. Credo che questo vada oltre le possibilità di cui disponiamo qui.
Per il secondo punto, è possibile utilizzare la piattaforma Modello di adattamento per esaminare la relazione tra i parametri.
Grazie,
Ben
