Data mining : en jämförelse av några tekniker för klassificering och gruppering av dieselmotorer

Rapporten behandlar arbetet att med data mining-metoder finna ett samband i insamlad information. Data mining är ett begrepp för att tillämpa artificiell intelligens på en större datamängd. Syftet är i detta fall att hitta ett sätt att klassificera dieselmotorer. Den datamängd som används kommer från mätningar vid testkörning av dieselmotorer och garantikostnader som motorerna ger upphov till efter leveransen från fabriken. Målet är att finna ett samband mellan testvärdena och kostnaden i syfte att kunna identifiera kostnadsbenägna motorer redan vid testkörningen. En klusteranalys görs med två olika tekniker, K-means method och Kohonen-nät, som visar att det föreligger ett svagt men ändå förnimbart samband. En jämförelse mellan teknikernas resultat och användbarhet görs. Två tekniker används till att bygga klassificeringsverktyg som skall kunna sortera ut motorerna med höga kostnader. Teknikerna som används är Beslutsträd och Artificiella neurala nätverk. Båda dessa tekniker klarar att klassificera motorerna rätt till omkring 70%. Resultaten och användbarheten jämförs även här. Slutsatsen av arbetet är att det föreligger ett samband. Detta är dock för svagt och otydligt för att kunna användas som klassificeringsunderlag för praktiskt bruk. Jämförelsen visar att Kohonen-nät och Artificiella neurala nätverk är att föredra för den här typen av problem