레벨 : 중급
David Autrique, BASF 데이터 과학자
John Van Landschoot, 겐트 대학교 석사 논문 학생
인라인 센서를 사용한 공정 모니터링은 화학 생산 공장에서 매우 일반적입니다. 이러한 측정은 일반적으로 많은 양의 데이터를 생성합니다. 이러한 풍부한 정보를 올바르게 활용하면 공정 이해가 향상되고 궁극적으로 생산 최적화가 가능합니다. 지난 몇 년 동안 분광법은 제품 품질을 추적하기위한 빠르고 안정적인 인라인 화학 공정 모니터링 기술로서 중요성을 얻었습니다. 스펙트럼 정보는 일반적으로 많은 상관 관계가있는 변수로 구성되므로 관찰 된 공정 변동을 설명하기 위해 다변량 치수 축소 기술이 사용됩니다. 두 가지 흥미롭지 만 근본적으로 다른 모델링 후보를 식별 할 수 있습니다. 부분 최소 제곱 (PLS)과 JMP 14의 기능적 특징, 기능적 주성분 분석 (기능적 PCA). PLS가 스펙트럼 데이터를 개별 포인트의 모음으로 취급하는 반면 기능적 PCA는 스펙트럼을 기능적 형태로 설명합니다. 후자의 잠재적 인 이점, 즉 기능성 스펙트럼 처리는 평활화 및 치수 축소의 조합에서 비롯됩니다. PLS와 달리, 기능적 PCA는 스펙트럼의 상이한 파장 세기의 순서를 고려한다. 이 강의에서는 실제 프로세스 데이터를 사용하여 두 기술의 모델링 워크 플로우를 보여줍니다. 그런 다음 두 기술의 모델링 성능을 비교하고 실제 사용에 대한 통찰력을 공유합니다.
