Identifizieren und eliminieren Sie Ihre analytischen Schwachpunkte mit Minitab. Suchen Sie nach einfachen Lösungen, um mit Ihrer Arbeit die größte Wirkung zu erzielen und einen echten Mehrwert für Ihr Unternehmen zu schaffen? Aussagekräftige Informationen aus Daten zu gewinnen und diese erfolgreich zu kommunizieren, ist äußerst wichtig, insbesondere heute, wo intelligentes, effizientes Arbeiten ausschlaggebend ist. Ihnen und Ihrer Organisation stehen mehr Daten zur Verfügung als je zuvor, aber nutzen Sie sie auch effektiv mit den besten Visualisierungen und Analysen? Visualisierungen sind gut, aber unzureichend. Analysen sind entscheidend. Wie können Sie jedoch Business Analytics über Visualisierungen hinaus ausführen, wenn Sie nicht viel Hintergrundwissen in Data Science haben? Erfahren Sie, wie Sie Ihre Daten erschließen, visualisieren und analysieren können, um selbst die komplexesten geschäftlichen Probleme zu lösen, Kosten zu senken und Fehler zu verhindern, noch bevor sie auftreten. Björn Noreik stellt neue und verbesserte Verfahren vor, mit denen Sie verlässliche Einblicke gewinnen und diese besser, schneller und einfacher kommunizieren können. Lernen Sie, welche Möglichkeiten Ihnen Klassifikations- und Regressionsbäume (CART®) für Ihre prädiktiven Analysen bieten, damit Sie proaktiv bessere Entscheidungen treffen können. Der Minitab Certified Trainer Björn Noreik wird Ihnen neueste Forschungsergebnisse vorstellen, Erfahrungen teilen und darüber sprechen, warum Sie mit der neuesten Version der Minitab Statistical Software so schnell wie nie zuvor sicher fundierte Entscheidungen treffen können.

1. Identifizieren und
eliminieren Sie Ihre
analytischen
Schwachpunkte
mit Minitab.

2. Sprecher:
Lean Six Sigma Master Black Belt
Seit dem Jahr 2000 widmet Björn
Noreik sich den verschiedensten
Fragestellungen Themen aus
Entwicklung, Statistik und Qualität
Im Wesentlichen hat er bisher in den
Branchen Automobil- und
Automobilzuliefererindustrie,
Elektronik- und Halbleiterindustrie
sowie pharmazeutische Industrie als
Trainer, Data Scientist und Lean Six
Sigma Master Black Belt
Projekterfahrung gesammelt

3. © 2020 Minitab, LLC.
Die Minitab Statistical Software
bietet Unternehmensanalytik und
prädiktive Analysen sowie
unerlässliche Visualisierungen,
damit Sie datengestützte und
wertschöpfende Entscheidungen für
Ihr Unternehmen treffen können.
Mit benutzerfreundlichen
Analysewerkzeugen hat jeder
Mitarbeiter einer Organisation –
unabhängig von seinen
Statistikkenntnissen –
mehr Möglichkeiten.

4. © 2020 Minitab, LLC.

5. © 2020 Minitab, LLC.
Prädiktive Analysen
umfassen eine Reihe von statistischen
Verfahren von Data Mining über
prädiktive Modellierung bis hin zum
maschinellen Lernen, mit denen aktuelle
und historische Daten analysiert werden,
um Prognosen zu zukünftigen oder
anderweitig unbekannten Ereignissen
zu treffen.

6. © 2020 Minitab, LLC.
Herausforderungen bei der Regression
Regression und logistische Regression sind für größere Datensätze häufig nicht
gut geeignet.
► Alles ist signifikant.
► Datenseitige Voraussetzungen für die Regression werden nicht erfüllt.
► Beziehungen sind nicht linear.
► Es gibt extreme Ausreißer.
► Viele fehlende Werte.

7. © 2020 Minitab, LLC.
In der neusten Version der Minitab Statistical
Software werden die Funktionen für die
prädiktive Analyse erweitert: Neuerungen >>
✓ Klassifikations- und Regressionsbäume >>
✓ Modellvalidierung >>
✓ Python-Integration >>

8. © 2020 Minitab, LLC.
Verfahren für maschinelles
Lernen in Minitab
Überwachtes (supervised) Lernen in Minitab
Algorithmen für die Klassifizierung
• Lineare Diskriminanzanalyse (LDA)
• Quadratische Diskriminanzanalyse (QDA)
• Logistische Regression
• CART-Klassifikationsbaum
Algorithmen für die Regression
▪ Einfache Regression
▪ Polynomiale Regression
▪ Multiple Regression
▪ Nichtlineare Regression
▪ Partielle kleinste Quadrate
▪ CART-Regressionsbäume
Unüberwachtes (unsupervised)
Lernen in Minitab
Cluster-Algorithmen
▪ Clusterbeobachtungen
▪ Clustervariablen
▪ Clusterzentrenanalyse
Algorithmen für die
Datenreduzierung
▪ Hauptkomponentenanalyse
▪ Faktorenanalyse

9. © 2020 Minitab, LLC.
Neues Menü: Klassifikations- und Regressionsbäume

10. © 2020 Minitab, LLC.
CART (Classification and Regression Trees)​
Entwickelt von den vier Statistikprofessoren Breiman, Friedman, Olshen, Stone in den frühen
80er Jahren.
Einführung der baumbasierten Modellierung in den statistischen Mainstream mit dem rigorosen
Ansatz der Kreuzvalidierung zur Auswahl des optimalen Baumes.
• CART ist ein robustes Entscheidungsbaum-Tool für Data Mining, prädiktive Modellierung
und Datenvorverarbeitung.
• CART sucht automatisch nach wichtigen Mustern und Beziehungen und deckt verborgene
Strukturen selbst in komplexen Daten auf.
• CART-Bäume können zur Generierung genauer und zuverlässiger Vorhersagemodelle für
eine breite Palette von Anwendungen von der Bioinformatik bis zum Risikomanagement
verwendet werden.
• Entscheidungsbäume werden in der Praxis sehr häufig angewendet.
• Es werden täglich neue Anwendungen gemeldet.

11. © 2020 Minitab, LLC.
Entscheidungsbäume
► Zwei Typen:
▪ Klassifikationsbäume: Binäre
oder multinomiale Antwortvariable
▪ Regressionsbäume: Stetige
Antwortvariable
► Werden durch rekursive
Partitionierung erstellt

12. © 2020 Minitab, LLC.
Gewonnenes Erz
•Datum
•Ort
•…
Zerkleinerung
Zermahlen
•Variable 1
•Variable 2
•Variable n…
Flotation
•Variable 1
•Variable 2
•Variable n
Auswaschen
•Variable 1
•Variable 2
•Variable n
Rösten
•Variable 1
•Variable 2
•Variable n
Weitere Schritte
•Variable 1
•Variable 2
•Variable n
Beispiel für einen Klassifikationsbaum: Qualitätsvorhersage
Was führt zu einer nicht mehr akzeptablen Ausbeute? Zielgröße ist Binär
Ein Ingenieur möchte den Eisengewinnungsprozess in der Flotationsanlage optimieren.
Das Qualitätsteam vermutet in diesem Prozessschritt das größte Optimierungspotenzial.
Process Map:

13. © 2020 Minitab, LLC.
Beispiel für einen Klassifikationsbaum: Qualitätsvorhersage
Was führt zu einer nicht mehr akzeptablen Ausbeute?
Das Ziel des Ingenieurs und des Projektteams ist es, anhand von Aufzeichnungen aus der
Vergangenheit die Ausbeute des Erzkonzentrats noch wirtschaftlich maximieren und
prognostizieren zu können.
Datenerfassung:
Für die Untersuchung liegen Prozessdaten von Februar 2017 bis
Januar 2020 vor. Die aus den unterschiedlichen Datenquellen
zusammengeführten Daten umfassen 27 Variablen (Spalten) und
4003 Beobachtungen (Zeilen).

14. © 2020 Minitab, LLC.
In der Vergangenheit rechnete man mit ca. 3% „Out of Spec“. Hier lag die Ausbeute
unterhalb der intern geforderten 63%.
Beispiel für einen Klassifikationsbaum: Qualitätsvorhersage
Was führt zu einer nicht mehr akzeptablen Ausbeute?

15. © 2020 Minitab, LLC.
Antwortvariable in Spalte C27: Yield_%_Iron

16. © 2020 Minitab, LLC.
Ergebnisse

17. © 2020 Minitab, LLC.
Modellgenauigkeit auswerten

18. © 2020 Minitab, LLC.
Relative Variablenwichtigkeit

19. © 2020 Minitab, LLC.
Grenzwertoptimierungskurve (ROC-Kurve)
► Mit Hilfe der ROC-Kurve (Receiver Operator
Characteristic) kann Sensitivität (Richtig-
Positiv-Rate) und Spezifität (1-Spezifität
(Falsch-Positiv-Rate)) eines Modells bewertet
werden.

20. © 2020 Minitab, LLC.
Flexibel Alternativbäume anpassen

21. © 2020 Minitab, LLC.
Beispiel für einen Regressionsbaum: Qualitätsvorhersage
Was führt zu einer nicht mehr akzeptablen Ausbeute? Zielgröße ist stetig
*Identische Aufgabenstellung zum vorherigen Beispiel. Hier die Zielgröße jedoch stetig.
Ziel des Ingenieurs und des Projektteams ist es, anhand von Aufzeichnungen aus der
Vergangenheit die Ausbeute des Erzkonzentrats noch wirtschaftlich maximieren und
prognostizieren zu können.
Gewonnenes Erz
•Datum
•Ort
•…
Zerkleinerung
Zermahlen
•Variable 1
•Variable 2
•Variable n…
Flotation
•Variable 1
•Variable 2
•Variable n
Auswaschen
•Variable 1
•Variable 2
•Variable n
Rösten
•Variable 1
•Variable 2
•Variable n
Weitere Schritte
•Variable 1
•Variable 2
•Variable n
Ein Ingenieur möchte den Eisengewinnungsprozess in der Flotationsanlage optimieren.
Das Qualitätsteam vermutet in diesem Prozessschritt das größte Optimierungspotenzial*.
Process Map:

22. © 2020 Minitab, LLC.
Antwortvariable in Spalte C27: Yield_%_Iron

23. © 2020 Minitab, LLC.
Ergebnisse

24. © 2020 Minitab, LLC.
Ergebnisse

25. © 2020 Minitab, LLC.
Sollten lineare oder baumbasierte Modelle verwendet werden?
► Wenn ein lineares Modell die Beziehung zwischen den x- und y-Variablen hinreichend
gut abbilden kann, liefert die lineare Regression bessere Ergebnisse als ein
baumbasiertes Modell.
► Wenn eine deutliche Nichtlinearität zwischen den x- und y-Variablen vorliegt, liefert ein
Baummodell bessere Ergebnisse als ein klassisches Regressionsmodell.
► Wenn Sie ein leicht erklärbares Modell erarbeiten möchten, ist ein Modell mit einem
Entscheidungsbaum häufig die bessere Wahl.

26. © 2019 Minitab, Inc.
MODELLVALIDIERUNG
Eine gute Anpassung des Modells sicherstellen

27. © 2020 Minitab, LLC.
Validierung
Die Daten werden normalerweise in einen Trainings- und einen Testdatensatz aufgeteilt:
► Trainingsdaten (Lerndaten) werden verwendet, um das Modell zu erstellen und die
Koeffizienten für das Modell zu schätzen.
► Testdaten werden zum Bewerten der Modellleistung verwendet. Aus Basis dieser Daten
und den Modells werden angepasste Werte generiert (prognostiziert), die dann mit den
entsprechenden beobachteten Werten der Antwortvariablen in den Testdaten verglichen
werden.

28. © 2020 Minitab, LLC.
Validierung: Prognosen bekräftigen
► Wenn Sie die Güte der Anpassung bei einem Modell mit denselben Daten messen, mit
denen Sie das Modell angepasst haben, führt dies zu einer übermäßigen Anpassung
(Überfitten) und damit zu ungenauen Prognosen.
► Mit der Validierung wird objektiv bewertet, wie gut das Modell neue Daten prognostizieren
kann.

29. © 2020 Minitab, LLC.
Validierung ganz einfach in prädiktive Analysen einbinden
*
*Validierung ist jetzt auch in der klassischen und binär
logischen Regression verfügbar!

30. © 2020 Minitab, LLC.
Open-Source-Integration
▪ Python-Integration
▪ Benutzer können externe Python-Skripte ausführen, die optional Minitab-Variablen
(Spalten, Konstanten, Matrizen) als Eingaben verwenden.
▪ Die Ergebnisse werden an Minitab zurückgegeben und im Ausgabenavigator sowie
im Ausgabefenster angezeigt.

31. © 2020 Minitab, LLC.
Ihr Vorteil: Minitab kann in die analytische Arbeit im gesamten
Unternehmen eingebunden werden
► Python-Skripte werden außerhalb von Minitab ausgeführt.
► Die Daten können in einer externen Datei oder in einem Minitab-Arbeitsblatt vorliegen – dies
bietet mehr Flexibilität in Bezug auf Datentypen.
▪ In Python-Skripten können außerdem Matrizen und Konstanten verwendet werden, die
Teil eines Arbeitsblatts sind.
► Durch die Python-Einbindung kann der Funktionsumfang der Software problemlos erweitert
werden. Dies bietet noch mehr Möglichkeiten als die Optionen in der Benutzeroberfläche oder
Makros.

32. © 2020 Minitab, LLC.
Beispiel

33. © 2020 Minitab, LLC.
Leistungsverbesserungen!
► Zeilen einfügen
► Zusammenführen
► Spalten verschieben
► Große Excel-Dateien öffnen
► Tabellen
► Arbeitsblätter stapeln
► Boxplots mit großen Datenmengen
► Grafische Zusammenfassung mit großen Datenmengen

34. © 2020 Minitab, LLC.
Multi-Vari-Bild

35. © 2020 Minitab, LLC.
Streuungskarte

36. © 2020 Minitab, LLC.
Verbesserungen der Benutzeroberfläche
► Schaltfläche zum Maximieren im Fenster „Grafik bearbeiten“

37. © 2020 Minitab, LLC.
.2020.1
► Neues Menü Prädiktive Analysen: Klassifikations- und Regressionsbäume
► Kreuzvalidierung für die Regression und die binäre logistische Regression (BLR: nur
Validierung mit Testdatensatz)
► Multi-Vari-Bild und Streuungskarte
► Verbesserungen der Benutzeroberfläche
► Leistungsverbesserungen
► Python-Integration
► An Minitab Workspace übertragen
► Zusätzliches Menü „Extras“ für den bequemen Zugriff auf den Quality Trainer und den
Minitab Workspace

38. © 2020 Minitab, LLC.
Unser Ansatz: Mehr als Unternehmensanalytik … Lösungsanalytik
Software
Services
Schulungen >>
Lernen Sie aus erster Hand in unseren
öffentlichen Schulungen oder nach Wunsch
in individuell angepassten Trainings bei
Ihnen vor Ort.
Statistikberatung >>
Individuelle Hilfe bei den Herausforderungen
der Statistik, vom Erfassen der richtigen
Daten bis zum Interpretieren der Analysen.
Support >>
Unterstützung bei der Installation,
Implementierung, bei Versionsupdates
und der Lizenzverwaltung.
Statistik und Minitab
dank Online-
Schulungen meistern,
jederzeit und überall
Software für
maschinelles Lernen
und prädiktive
Analysen
Verbesserungsprojekte mit
Echtzeit-Dashboards
starten, nachverfolgen,
verwalten und durchführen
Leistungsstarke
Statistiksoftware
für jeden
Datenanalyse >> Prognosemodelle >> Visuelle Werkzeuge für
Unternehmen >>
Projektüberblick >>
Visuelle Werkzeuge für
herausragende
Prozesse und Produkte
Onlineschulungen >>
Lösungsanalytik ist unser integrierter Ansatz für die Bereitstellung von Software und Services, mit denen Organisationen bessere Entscheidungen treffen
und ausgezeichnete geschäftliche Ergebnisse erzielen können >>

39. © 2020 Minitab, LLC.
Nächstes Webinar
Lernen Sie das ultimative visuelle
Toolkit kennen:
Mit den leistungsstarken Werkzeugen können Sie Ihre Ziele
vorantreiben und ganz einfach in der gesamten Organisation
kommunizieren, indem Sie den Wert für Ihr Geschäft visualisieren,
optimieren und abbilden sowie herausragende Prozesse und
Produkte realisieren.
DATUM: Mittwoch, 20 Mai 2020
ZEIT: 13:30 CET
Registrierung >>

40. © 2020 Minitab, LLC.
Weitere geplante Webinare und virtuelle Veranstaltungen
• Webinar Wednesday
Jeden Mittwoch bieten wir ein kostenloses Webinar an, in dem wir Werkzeuge und Experten
vorstellen und Tipps geben, um Ihnen die Arbeit zu erleichtern.
Weitere Informationen und Registrierung >>
• Minitab MeetUps
Zwanglose, 30 Minuten lange Live-Chats, bei denen Sie jeden Donnerstag mit unseren Experten
und Benutzern auf der ganzen Welt über die Herausforderungen in der aktuellen Situation
sprechen können. Alle Fragen sind willkommen!
Teilnahmeinformationen >>

41. © 2020 Minitab, LLC.
46