化工生产厂实时质量监控的推理模型<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Elie Maricau ，博士，先进过程控制工程师，巴斯夫
elie.maricau
化工厂通常使用实验室分析来监控产品质量并调整生产过程。然而，这些只是每隔几个小时进行一次。在两次分析之间，生产质量未知且可能有所偏差。此外，质量变化有时难以与测量误差区分开。因此，如果质量偏离，工厂操作员并不总是知道要改变哪些工艺参数。在某些情况下，可以通过开发产品质量的推理模型来处理上述问题。对于巴斯夫安特卫普的特定生产工厂，这种模型已在JMP Pro中开发。该模型是从原始数据集开发的，该数据集包含8,000多个包含大量缺失值和异常值的过程参数，并具有良好的预测能力。使用的技术包括使用插补和异常值检测进行数据清理，使用自举森林分区进行特征选择，使用多变量分析和变量聚类进行关键参数识别，以及使用最终模型开发的训练和验证数据进行弹性网络回归。本演示文稿将概述使用JMP开发模型的一般方法，特定提示和技巧，以及使用JMP作为与工厂人员讨论结果的工具。该分析有助于工厂更好地理解影响产品质量的参数，而预测模型则为何时以及如何适应生产过程提供决策支持。
数据探索预测建模
