光譜在線化學過程監控：PLS和功能性PCA的比較（2020-EU-30MP-413）級別：中級
巴斯夫數據科學家David Autrique
根特大學碩士研究生John Van Landschoot
使用在線傳感器進行過程監控在化工廠非常普遍。這些測量通常會生成大量數據。如果利用得當，這些豐富的信息將有助於更好地理解過程，並最終實現生產優化。在過去的幾年中，光譜學作為一種快速，可靠的在線化學過程監控技術來跟踪產品質量變得越來越重要。由於光譜信息通常由許多高度相關的變量組成，因此通常採用多元降維技術來解釋觀察到的過程變化。可以確定兩個有趣但根本不同的建模候選者：偏最小二乘（PLS）和JMP 14中的選取框功能，即功能性主成分分析（功能性PCA）。PLS將光譜數據視為單個點的集合，而功能PCA將光譜描述為功能形狀。後者的潛在優勢，即功能光譜處理，源於平滑和尺寸減小的組合。與PLS相比，功能性PCA考慮了光譜的不同波長強度的順序。在本講座中，我們將使用實際的過程數據來演示這兩種技術的建模工作流程。然後，我們將比較這兩種技術的建模性能，並就實際使用分享我們的見解。
爆發預測建模質量與可靠性
