Contexto empresarial
En una fábrica, se audita un modelo de defectos. El escenario prueba la robustez de la acción 'ViewStore' cuando la tabla de contexto proporcionada ('table') contiene valores nulos en variables que eran obligatorias en el modelo original, verificando si la visualización persiste o falla controladamente.
Preparación de datos
Creación de modelo de defectos y posterior corrupción de los datos de entrada (introducción de nulos en variables clave).
¡Copiado!
| 1 | DATA mycas.defectos; |
| 2 | DO id = 1 to 200; |
| 3 | turno = floor(rand('UNIFORM')*3) + 1; |
| 4 | temp = 20 + rand('NORMAL'); |
| 5 | defectos = rand('POISSON', 1); |
| 6 | OUTPUT; |
| 7 | END; |
| 8 | RUN; |
| 9 | |
| 10 | PROC CAS; |
| 11 | countreg.countregFitModel / |
| 12 | TABLE={name='defectos'}, |
| 13 | model={depvar='defectos', effects={{vars='turno', type='CLASS'}, 'temp'}}, |
| 14 | dist='POISSON', |
| 15 | store={name='storeDefectos', replace=true}; |
| 16 | RUN; |
| 17 | |
| 18 | DATA mycas.defectos_corruptos; |
| 19 | SET mycas.defectos; |
| 20 | IF mod(id, 10) = 0 THEN turno = .; |
| 21 | RUN; |
Étapes de réalisation
1
Intento de visualización del modelo utilizando la tabla con valores faltantes como contexto.
¡Copiado!
| 1 | PROC CAS; |
| 2 | countreg.countregViewStore / |
| 3 | TABLE={name='defectos_corruptos'}, |
| 4 | instore={name='storeDefectos'}, |
| 5 | viewOptions={minimal=true}; |
| 6 | RUN; |
Resultado esperado
La acción debe manejar los valores faltantes en la tabla de contexto sin terminar abruptamente (crash). Debería producir advertencias en el log sobre los valores faltantes o simplemente mostrar la información del modelo almacenado basándose en los metadatos guardados, demostrando que la lectura del 'store' es prioritaria.