<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Bradley Novic , PhD, Consultant principal, PhaseTwo Analytics
L'exploitation de données de fabrication peut être une entreprise périlleuse allant de l'assemblage de données à l'analyse, en passant par l'interprétation et la mise en œuvre des résultats. Ce qui différencie l’exploration de données dans le secteur manufacturier de l’exploitation de données dans le marketing ou la finance, par exemple, c’est que les prévisions ne suffisent pas à elles seules dans le secteur manufacturier. Dans le secteur manufacturier, le contrôle final est amélioré, ce qui nécessite de s'attaquer à la cause profonde. Les arbres de décision sont un outil formidable pour la découverte, mais laissés à eux-mêmes, ils peuvent sélectionner des variables qui, bien que prédictives, n’ont aucun sens pour un ingénieur processus du point de vue contrôle. Cela nécessite une approche plus prudente de la création d'arborescences fournie par l'approche par étapes fournie dans la plate-forme de partitionnement JMP et non disponible dans la plupart des autres logiciels de l'arbre de décision. Ce document fournit des exemples de succès de l’exploration de données utilisant JMP dans la fabrication et des problèmes liés aux données de fabrication minière. Il montrera également l'intégration de connaissances expertes dans le processus de partitionnement JMP, afin de résoudre le problème de la corrélation dans les variables de prédiction et de fournir des règles permettant la validation et le déploiement des résultats.
