数据挖掘在模具行业订单流失分析中的应用

针对模具行业客户数量相对较少但订单较多、模具制造是一个以经验和知识为基础的创作性过程的特点,在用决策树算法建立模具行业订单流失预测模型的同时,提出一种将专家的领域知识整合到流失预测模型的方法,并将其应用于某模具企业的订单流失分析中。通过实际模具企业的订单数据集测试,和与传统的决策树建模方法进行比较发现,该方法能有效地解决模具行业订单流失分析问题。

轮胎模具企业刀具消耗的回归分析预测研究

以轮胎模具制造企业中的刀具消耗为研究背景,针对传统计算刀具消耗量方法的不足,结合回归分析的基本原理,重点分析影响刀具消耗量的因素,提出了基于回归分析的刀具消耗量预测模型。通过分析,利用定性因素并结合经验对刀具的消耗情况进行分类;利用定量因素,根据分类确定每种类型的回归模型,减小了模型的复杂度,提高了预测的先进性和合理性。同时对模型进行显著性检验和精度检验,证实其具有统计学意义,能较准确的预测刀具的消耗量,为企业的生产提供有力的指标参考。

基于Logistic回归的模具行业订单流失分析

模具行业客户数量相对较少但订单较多,针对用客户人口学数据进行客户流失分析的不足,基于订单信息建立模具业的订单流失预测模型。针对模具业订单样本分布极不平衡及其产生的不同错分代价的问题,提出一种基于Logistic回归的多元分类器方法,将此方法应用于某大型模具企业的订单流失分析,并与传统的Logistic回归预测算法进行比较,实验结果表明该方法能有效解决模具行业的订单流失分析问题。