Wenn Sie verwenden , sind die Ergebnisse ein Modelldiagramm. Verwenden Sie die Ergebnisse für das Modelldiagramm, um die Modelle für die Optimierung zu verifizieren. Wenn die Ergebnisse den Erwartungen entsprechen, wählen Sie aus den Ergebnissen aus, Zielgrößenoptimierung um mit der Optimierung fortzufahren.
Modellleistung
| Antwortvariable | Modell |
|---|---|
| Füllzustand | Random Forests® Multinomiale Klassifikation 1 |
| Zusatzgewicht | MARS® Regression 1 |
| Stärke | TreeNet® Regression 1 |
| Antwortvariable | Validierungsmethode | Leistung |
|---|---|---|
| Füllzustand | Außerhalb des Segments | Fehlklassifizierungsrate: 7,24% |
| Zusatzgewicht | Kreuzvalidierung mit 5 Faltungen | R-Quadrat: 87,97% |
| Stärke | Kreuzvalidierung mit 5 Faltungen | R-Quadrat: 89,92% |
Spannweite der Variablen
| Variable | Durchschnittliche Wichtigkeit | ID | Werte | Antworten |
|---|---|---|---|---|
| Formtemperatur | 66,6667 | 9 | [30,1; 1649,5] | Zusatzgewicht; Stärke |
| Injektionsdruck | 53,7347 | 1 | [75; 150] | Alle |
| Kühltemperatur | 46,8183 | 2 | [25; 45] | Alle |
| Kunststofftemperatur | 33,3333 | 5 | [200; 400] | Füllzustand |
| Rückdruck | 28,5955 | 4 | [0,4; 0,7] | Füllzustand |
| Haltedruck | 25,1115 | 3 | [21; 48] | Füllzustand; Zusatzgewicht |
| Kunststoffdurchfluss | 23,3546 | 6 | [10; 50] | Füllzustand |
| Maschine | 19,5256 | 7 | 1; 2; 3; 4 | Zusatzgewicht; Stärke |
| Injektionstemperatur | 0,9739 | 8 | [85; 100] | Zusatzgewicht |
Wichtigste Ergebnisse: Modell- und Variableninformationen
Für diese Daten umfasst die Analyse 3 Antwortvariablen, Füllzustand, Zusatzgewicht und Stärke. Die Modellleistungstabelle zeigt Leistungsstatistiken wie R-Quadrat oder die Fehlklassifikationsrate. Nutzen Sie die Leistungsstatistiken, um zu beurteilen, ob die Modellleistung ausreichend ist.
Die Tabelle „Spannweite der Variablen“ zeigt die Wichtigkeiten und Bereiche der Prädiktoren an. Wenn ein Problem vorhanden ist, zum Beispiel fehlt eine erwartete Variable, passt das Modell neu an.
