Sélection des solutions les mieux classées pour la prédiction inverse avec des réponses multiples à l'aide de JMP ®Lu Lu, PhD, professeur adjoint de statistique, Université de Floride du Sud
Christine M. Anderson-Cook, PhD, chercheuse scientifique, Laboratoire national de Los Alamos
La prédiction inverse utilise des relations entre plusieurs entrées et sorties d'un processus pour prédire l'ensemble d'entrées (causes) le plus probable qui peut avoir généré un ensemble de sorties nouvellement observées. Il a des applications importantes dans la criminalistique de la contrebande et les problèmes de détection inversée. La pratique actuelle se concentre sur la recherche d'une seule meilleure correspondance pour les entrées sur la base des réponses observées en minimisant une distance mesurée entre la nouvelle observation et les réponses estimées à différents endroits. Cet exposé présente une approche alternative, qui utilise l'optimisation du front de Pareto pour identifier plusieurs solutions principales classées avec une certaine quantification de la robustesse à différentes hiérarchisations des réponses. Un complément nouvellement créé pour JMP qui implémente les méthodes proposées sera présenté à l'aide d'un exemple de processus chimique.
Conception d'expériences
