<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Bradley Novic , PhD, Hauptberater, PhaseTwo Analytics
Mining-Fertigungsdaten können von der Datenmontage über die Analyse bis zur Interpretation und Implementierung der Ergebnisse ein gefährliches Unterfangen sein. Was Data Mining in der Fertigung von Data Mining in Marketing oder Finanzen unterscheidet, ist, dass die Vorhersage allein in der Fertigung nicht gut genug ist. In der Fertigung ist das Endspiel eine verbesserte Kontrolle, und das erfordert, die Ursache zu ermitteln. Entscheidungsbäume sind ein wunderbares Werkzeug für die Entdeckung, aber wenn sie ihren eigenen Geräten zur Verfügung stehen, können sie Variablen auswählen, die zwar prädiktiv sind, aber aus Sicht der Steuerung für einen Verfahrenstechniker keinen Sinn ergeben. Dies erfordert einen sorgfältigeren Ansatz zum Erstellen von Baumstrukturen, der durch den schrittweisen Ansatz der JMP-Partitionierungsplattform bereitgestellt wird und in den meisten anderen Decision Tree-Softwareprogrammen nicht verfügbar ist. Dieses Dokument enthält Beispiele für Data Mining-Erfolge mit JMP in der Fertigung und Probleme bei der Mining-Fertigung von Daten. Es wird auch die Integration von Expertenwissen in den JMP-Partitionierungsprozess demonstriert, um das Problem der Korrelation in Prädiktorvariablen zu behandeln und Regeln bereitzustellen, die die Validierung und Bereitstellung von Ergebnissen ermöglichen.
