Hola,
Tengo un conjunto de datos que ha registrado la frecuencia de derrames de cargas de camiones. He registrado durante un período de dos años: carga, fecha, hora, número de botellas en la carga, conductor, clima, anochecer/amanecer, etc. Quiero identificar los factores de riesgo para saber cuándo es más probable que ocurran derrames. Sin embargo, estos derrames ocurren con tan poca frecuencia que la mayoría de mis datos son 0. Por ejemplo, tengo 29,000 filas de datos y aproximadamente 28,000 de estas cargas no tienen derrames asociados. He calculado los derrames medios por carga y los derrames medios por millón de botellas. Sin embargo, es difícil saber si hacer un ANOVA cuando tengo tantos valores cero. ¿Podría alguien aconsejarme sobre cuál es el mejor tipo de modelado/prueba a utilizar? Solo quiero determinar si algún factor de riesgo específico está asociado con el número de derrames si ocurren y cuándo ocurren.
Gracias,
Abbie
Primero, bienvenidos a la comunidad. La cuestión de cómo desarrollar relaciones causales con eventos poco frecuentes es muy compleja. La variable de respuesta, la frecuencia de los derrames, no es muy eficiente. Tampoco es muy discriminante para comprender la causalidad. Es un conjunto de muchos posibles modos/mecanismos de fallo.
Estos son difíciles de investigar con un diseño experimental (aunque probablemente se pueda provocar un derrame en el camión, puede que esa no sea la razón del derrame actual). Mi sesgo sería utilizar el muestreo dirigido (componente de estudios de variación y estabilidad para estudiar el proceso tal como es). Surge la pregunta: ¿son estos realmente eventos de causa especial según la definición de Deming? De ser así, su consejo es reaccionar específica y localmente a los eventos, en lugar de dedicar tiempo y esfuerzo a predecirlos (acción de causa común). ¿Son realmente efectos de orden superior (p. ej., efectos de interacción de orden superior al cuarto)? Donde es una combinación de factores la que crea el evento.
¿Qué tan seguro está del conjunto de datos existente? ¿Hay derrames sin registrar (quizás pequeños o corregidos)? Desconozco la carga, pero la pista de su descripción es algún tipo de botella. Si las botellas se caen y no se rompen, ¿es un derrame? ¿Importa el tamaño del derrame?
Aquí hay algunas cosas que puedes hacer:
1. Primero, comience con hipótesis sobre las posibles causas de estos eventos y sus razones. Por ejemplo: Los derrames ocurren porque el camión se vuelve inestable debido a una carga desigual. Quizás pueda crear diagramas de dispersión o correlaciones con el conjunto de datos existente, pero esto solo serviría para estimular su mente y desarrollar hipótesis que deberán investigarse con datos futuros.
2. Desarrolle una lista exhaustiva de factores . El mapeo de procesos y el análisis FMEA suelen ser útiles para lograrlo. Asegúrese de supervisar el proceso de carga, traslado y descarga del camión. Es probable que su conjunto de datos actual no contenga información sobre todas esas x.
3. ¿Existen otras variables de respuesta que se puedan medir y que se correlacionen con los fenómenos para comprender mejor las fallas (p. ej., número de situaciones que podrían aumentar la probabilidad de un derrame, ubicación del derrame, dirección del derrame desde el camión)? O, por ejemplo, quizás se plantee una hipótesis sobre el efecto del equilibrio del peso de la carga en un camión. Quizás se mida la distribución del peso dentro y entre las cargas del camión. O se sospecha que se debe a las condiciones de la carretera, quizás se instalen acelerómetros en el camión. O velocímetros, etc.
4. Haga que el camión sea resistente a las condiciones que, según su hipótesis, aumentan la probabilidad de derrame (por ejemplo, una suspensión que absorba las condiciones cambiantes de la carretera). Esto se puede lograr mediante experimentación, siempre que el ruido del proceso se incluya en el estudio. De nuevo, debe sopesar los recursos necesarios y determinar si una acción de causa común es realmente rentable. ¿Es necesario que sea resistente a un evento poco frecuente?
Solo para agregar una perspectiva un poco diferente a lo que recomienda @statman ... lo cual también apoyo... es posible que desees probar la regresión de Poisson inflada a cero como una personalidad adecuada en la plataforma JMP Fit Model.
