<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Bradley Novic , PhD, Consultor Principal, PhaseTwo Analytics
Los datos de manufactura minera pueden ser un esfuerzo peligroso desde el ensamblaje de los datos hasta el análisis, la interpretación y la implementación de los resultados. Lo que hace que la minería de datos en la fabricación, aparte de la minería de datos, por ejemplo, en marketing o finanzas, es que la predicción por sí sola no es lo suficientemente buena en la manufactura. En la fabricación, el juego final es un control mejorado, y eso requiere llegar a la causa raíz. Los árboles de decisión son una herramienta maravillosa para el descubrimiento, pero si se los deja solos, pueden seleccionar variables que, aunque son predictivas, no tienen sentido para un ingeniero de procesos desde un punto de vista de control. Esto requiere un enfoque más cuidadoso para la construcción de árboles que se proporciona con el enfoque gradual proporcionado en la plataforma de partición JMP y no está disponible en la mayoría de los otros programas de software de árbol de decisión. Este documento proporcionará ejemplos de éxitos en la extracción de datos utilizando JMP en la fabricación y problemas en la fabricación de datos de minería. También demostrará la integración del conocimiento experto en el proceso de partición JMP, para abordar el problema de la correlación en las variables de predicción y proporcionar reglas que permitan la validación y el despliegue de resultados.
