Waarom statistische modellen gebruiken in een organisatie?

Stanwick statistisch model regression

Statistische modellen zijn iets waarover je in deze toch wel bizarre “corona-dagen” langs alle kanten wel iets opvangt. Iets waar veel mensen mee bezig zijn. Maar wat is dat nu juist? Vanuit mijn expertise neem ik je graag mee om meer duiding te geven.

Wat is een statistisch model?

Een statistisch model is een reeks van statistische aannames voor een zo optimaal mogelijke benadering van het werkelijke proces, of het nu een chemisch proces, een productieproces of nu dus de verspreiding van het SARS-CoV-2 virus is.

Waarom gebruiken we een statistisch model?

Met een goed model kan je naast het verleden verklaren meestal ook voorspellingen gaan doen over het toekomstige verloop van je proces, uiteraard enkel indien er geen onverwachte factoren bijkomen.

Hoe werkt een statistisch model?

Dé basis van een model zijn feiten en cijfers, we zeggen immers niet zomaar “meten is weten”. En daar wringt in het geval van covid-19 het schoentje, want je hebt betrouwbare data nodig. Met betrouwbaar bedoel ik uiteraard correct, dus dat als we 5 zeggen het resultaat ook effectief 5 is, maar ook dat de data steeds zoveel mogelijk in dezelfde omstandigheden bepaald zijn en hetzelfde weergeven. Als landen op basis van verschillende criteria gaan testen of niet alle doden weergeven, kan je geen goede vergelijking maken, je hebt appelen en peren. Als je meetomstandigheden dus veranderen, moet je dit dus mee in rekening brengen.

Wat is link tussen een statistisch model en een regressie?

Om vanuit die data tot een model te komen, hangt het ervan af hoeveel input parameters je hebt en hoeveel output parameters, maar de basis is steeds regressie. Voor het modelleren van productieprocessen is er vaak veel meer data beschikbaar dan men op het eerste zicht denkt, doordat computers en meettoestellen enorm veel data genereren. Hierdoor worden de modellen ook steeds complexer en volstaan de klassieke statistieke technieken niet altijd.

Wanneer gebruiken we aanvullende technieken?

In geval we veel variabelen hebben, hebben we nood aan multivariate technieken. Hierbij ga je fictieve variabelen (principal components) genereren door combinaties van je werkelijke variabelen te maken waarvan je dan via regressie een model gaat opstellen.

 

Bij Stanwick begrijpen we de waarde van een Green Belt en Black Belt Lean Six Sigma training en bieden we hoogwaardige professionele cursussen die zijn ontworpen om jouw organisatie en jouw persoonlijke groei naar nieuwe hoogten te stuwen. Neem vandaag nog contact met ons op en ontdek hoe onze trainingen je kunnen helpen om je doelen te bereiken.

Ontdek onze Green Belt Lean Six Sigma training 

Problem solving

Heeft u te maken met problemen in het productieproces die soms opduiken maar waar u de grondoorzaak niet van kent? Er bestaan verschillende problem solving methodologieën ontwikkeld, maar ze hadden steeds 4 logische stappen gemeenschappelijk: definieer het probleem, zoek de grondoorzaken, zoek oplossingen voor de grondoorzaken en borg de oplossingen in de organisatie.
Nederlands
Printer Friendly, PDF & Email