Lu Lu, PhD, Assistenzprofessor für Statistik, University of South Florida
Christine M. Anderson-Cook, PhD, Forschungswissenschaftlerin, Los Alamos National Laboratory
Die inverse Vorhersage nutzt Beziehungen zwischen mehreren Eingaben und Ausgaben eines Prozesses, um die wahrscheinlichste Menge von Eingaben (Ursachen) vorherzusagen, die möglicherweise eine Reihe von neu beobachteten Ausgaben erzeugt haben. Es hat wichtige Anwendungen in der Forensik von Schmuggelware und bei Problemen mit der Rückwärtserkennung. Die gegenwärtige Praxis konzentriert sich darauf, basierend auf den beobachteten Antworten eine einzige beste Übereinstimmung für die Eingaben zu suchen, indem ein gemessener Abstand zwischen der neuen Beobachtung und den geschätzten Antworten an verschiedenen Orten minimiert wird. Dieser Vortrag stellt einen alternativen Ansatz vor, der die Pareto-Front-Optimierung verwendet, um mehrere führende Lösungen zu identifizieren, die mit einer gewissen Quantifizierung der Robustheit gegenüber unterschiedlichen Priorisierungen von Antworten eingestuft werden. Ein neu erstelltes Add-In für JMP, das die vorgeschlagenen Methoden implementiert, wird anhand eines chemischen Prozessbeispiels demonstriert.
