分光インライン化学プロセス監視：PLSと機能PCA（2020-EU-30MP-413）の比較レベル：中級
BASFのデータサイエンティスト、David Autrique
John Van Landschoot、ゲント大学修士論文学生
インラインセンサーを使用したプロセス監視は、化学製品製造工場では非常に一般的です。これらの測定は通常、大量のデータを生成します。適切に活用すれば、この豊富な情報がプロセスの理解を深め、最終的に生産の最適化につながります。過去数年間、分光法は、製品品質を追跡するための高速で信頼性の高いインライン化学プロセス監視技術として重要性を獲得しました。スペクトル情報は通常、多くの強く相関する変数で構成されているため、通常、観測されたプロセス変動を説明するために多変量次元削減手法が採用されます。根本的に異なる2つの興味深いモデリング候補を特定できます：部分最小二乗（PLS）およびJMP 14のマーキー機能、機能的主成分分析（機能的PCA）。PLSはスペクトルデータを個々のポイントの集合として扱うのに対し、機能的PCAはスペクトルを機能的形状として記述します。後者の潜在的な利点、すなわち機能的スペクトル処理は、平滑化と次元削減の組み合わせに由来します。PLSとは対照的に、機能的PCAはスペクトルの異なる波長強度の順序を考慮します。この講演では、実際のプロセスデータを使用して、両方の手法のモデリングワークフローを示します。次に、両方の手法のモデリングパフォーマンスを比較し、実際の使用に関する洞察を共有します。
起こる予測モデリング品質と信頼性
