Chers tous
On me confie la tâche d’effectuer une analyse de récurrence sur nos données.
Les données dont nous disposons concernent les réparations de robots. Nous souhaitons visualiser les événements de réparation et leurs coûts en réponse aux transactions accumulées grâce à l'analyse de récurrence.
J'ai joint des données simulées pour cette question. Elles ne contiennent que trois robots, car nous n'avons pas encore décidé comment organiser les données et je les ai simplement insérés manuellement. Je mettrai à jour avec d'autres données simulées dès que nous aurons une idée du formatage des données pour l'analyse.
Explication des données simulées : (Vous pouvez ignorer cette longue description à la question si vous le souhaitez)
Les deux premières colonnes sont « ID du robot » et « Site ». Les sites de travail des robots peuvent changer à mesure que la transaction augmente. Dans l'exemple de données, le robot 9880 a changé de site plusieurs fois. Après étude et discussion avec les membres de la communauté JMP, nous concluons que le site est un effet variable dans le temps. Un problème est que JMP ne dispose pas de fonction automatique de calcul du MCF pour les effets variables dans le temps. Je mettrai à jour cet article avec davantage de données simulées ultérieurement, afin que vous puissiez déterminer comment effectuer les calculs.
Les champs « Date de transaction » et « Transactions cumulées » correspondent à l'heure et au montant de la transaction lors de la réparation. Nous souhaitons utiliser les transactions dans l'analyse, car le robot peut rester longtemps sur les sites sans effectuer de transaction pour diverses raisons.
La colonne « Censure » contient les valeurs de ligne 0 et 1. Chaque bot a une valeur de censure de 0 lors de sa dernière transaction observée, ce qui correspond à sa fermeture. De plus, si un bot change de site, une ligne contenant la transaction initiale sur le nouveau site avec une valeur de censure de 0 est ajoutée pour indiquer le début d'un nouveau site.
« BotSeries » a deux valeurs, indiquant deux types.
La « Date de réparation » correspond à la date à laquelle la réparation a eu lieu.
L'« Utilisation » a deux valeurs : SOW (standard) et L (prêteur). Les prêteurs changent probablement de site car ils sont prêtés à certains sites en difficulté.
« Pièce » et « Prix » désignent les pièces réparées ou remplacées, ainsi que le prix de la pièce.
Le « Centre de service » est l'endroit où le robot est réparé.
Questions:
Le centre de service est une nouvelle variable que nous souhaitons étudier. La logique de cette colonne est la suivante : si une réparation est facile à réaliser, elle est effectuée sur le site même où le robot intervient. Si la réparation est complexe et dépasse les capacités du site, le robot sera expédié à PLC ou à ITC (deux centres situés dans différents États américains). Le choix entre PLC et ITC dépend largement de l'emplacement du site. Par exemple, le site B sera confié à PLC. Les autres sites seront confiés à ITC depuis l'année dernière. Auparavant, il n'existait qu'un seul centre de service ITC.
Je ne connais pas l'effet du Centre de service actuellement. Est-ce un effet variable dans le temps ? Il est fortement influencé par le Site, qui lui-même varie dans le temps. Mais ce n'est pas l'emplacement principal des robots, contrairement au Site. Ou peut-il être utilisé comme mode de réparation, comme les Pièces peuvent être interprétées comme un mode de défaillance ? Nous pouvons donc spécifier le Centre de service dans la colonne Cause pour générer une analyse de récurrence pour chaque valeur du Centre de service ? Vous comprendrez ce que je veux dire par colonne Cause dans la capture d'écran.
Une autre question concerne les deux dernières lignes de BOT9880. Le bot a été déplacé vers un nouveau site, n'a subi aucune réparation après quelques transactions et a été censuré au moment de l'étude. J'ai donc deux lignes avec Censure 0 : la première indique le démarrage d'un nouveau site. La seconde indique la fermeture du bot. Est-ce la bonne méthode ?
Merci beaucoup.
