Re : 기능적 데이터 탐색기를 사용하여 온라인을 오프라인 데이터와 결합하여 통계 분석 (2020-EU-EPO-344)안녕하세요 스벤, 재미있는 포스터!
내가 잘 이해한다면 (1) 여러 온라인 스펙트럼을 수집합니다. (2) 고유 데이터 및 FPC를 찾기 위해 함수 데이터 탐색기를 사용하고 마지막으로 (3) 일반화 된 회귀를 사용하여 FPC의 스펙트럼 점수를 입력으로 사용하여 모델을 작성합니다. 반응으로 제품의 요인과 농도? 왜 OLS가 아닌 일반 회귀 분석입니까?
정보 주셔서 감사합니다! 솔직한
Re : 기능적 데이터 탐색기를 사용하여 온라인을 오프라인 데이터와 결합하여 통계 분석 (2020-EU-EPO-344)안녕 프랭크,
첫 번째 부분은 짤방 백업 봇 대답. GenReg와 관련하여 OLS에는 두 가지 주요 이유가 있습니다.
- 사용 된 데이터의 일부는 DOE를 기반으로 한 다음 FDE 탐색기의 내장 GenReg 기능을 사용하여 DOE 요인을 보충 변수로하여 FPC를 맞추 었습니다.
- GenReg는 mroe 및 더 많은 모델 효과를 추가 할 때 과적 합을 시작할 때를 나타내는 대화식 솔루션 경로 플롯을 제공합니다. 따라서 적합 모형 및 OLS를 사용하는 것보다 훨씬 대화식으로 변수 선택을 수행 할 수 있습니다. 또한 특정 상황과 목표에 최적화 된 다양한 고급 방법을 선택할 수 있습니다. 이러한 방법은 일반적으로 특이 치, 다중 공분산, 결 측값, 분포 문제, 검열 된 데이터 등에 대해 대부분 더 강력합니다. 그리고 이것은 과거에 예상하거나 생각했던 것보다 더 자주 발생할 수 있습니다.
Functional Data Explorer와 함께 JMP Pro를 사용함에 따라 고급 모델링 방법도 활용해야합니다. 이러한 모델을 OLS 모델과 쉽게 비교하여 차이가 있는지 확인할 수 있습니다. 많은 상황에서 더 유용한 모델을 얻게됩니다. 그러나 공정한 경우 일부 상황에서는 OLS 모델이 똑같이 유용합니다.
이것이 조금 도움이되기를 바랍니다. 남자 이름
Re : 기능적 데이터 탐색기를 사용하여 온라인을 오프라인 데이터와 결합하여 통계 분석 (2020-EU-EPO-344)안녕 마틴, 당신의 명확한 답변을 주셔서 감사합니다, 나는 여전히 몇 가지 질문이 있습니다 :
1. 첫 번째 요점-> FPC 및 DOE 요소를 입력 변수로 사용하여 응답 "제품 농도"를 모델링 했습니까?
2. 프레젠테이션에서 여러 시점에서 제품 농도를 예측한다는 것을 읽었습니다. 여러 시간 간격 c (t)에서 농도 데이터를 수집하고 각 시간 간격 ti에 대해 농도 c (ti)에 대한 모델을 생성했다고 가정합니다.
입력 주셔서 감사합니다! 솔직한
Re : 기능적 데이터 탐색기를 사용하여 온라인을 오프라인 데이터와 결합하여 통계 분석 (2020-EU-EPO-344)안녕 프랭크,
귀하의 의견에 감사드립니다!
나는 당신의 질문에 대답하려고합니다 :
- 여러 실험에서 하나의 매개 변수에 대한 온라인 프로세스 데이터를 수집했습니다.
- FDE를 사용하여 데이터를 분석하고, 기능 모델을 작성하고, 후속 분석을 위해 FPC를 얻었습니다.
- FPC는 최종적으로 온라인 공정 데이터를 기준으로 FPC를 기준으로 농도를 예측하기 위해 제품 농도 오프라인 데이터와 연결되었습니다.
포스터의 첫 번째 부분 (왼쪽 사이트)에서 온라인 프로세스 데이터의 차이는 FDE를 사용하여 제품 농도와 상관 관계가있었습니다.
두 번째 부분 (오른쪽 사이트)에서 기록 데이터를 기반으로 실행중인 프로세스의 제품 농도를 예측했습니다. 이력 데이터는 FDE 분석의 FPC를 기반으로하는 제품 농도에 대한 예측 모델을 작성하는 데 사용되었습니다. 우리는 다른 시점에서 실행중인 프로세스의 현재 사용 가능한 데이터를 가져 와서이 데이터를 FDE 모델에 포함시키고 실행중인 프로세스의 특정 FPC 값을 추출하여 기존 예측 모델에이 데이터를 입력했습니다. 이러한 방식으로, 실행 프로세스의 상이한 시점에서 생성물 농도를 예측할 수 있었다.
최고의 소원
스벤
Re : 기능적 데이터 탐색기를 사용하여 온라인을 오프라인 데이터와 결합하여 통계 분석 (2020-EU-EPO-344)스벤,이 명확한 답변에 감사드립니다. 솔직한
기능적 데이터 탐색기를 사용하여 통계 분석을 위해 온라인과 오프라인 데이터를 결합데이터 지식을 탐색하는 능력은 미래에 중요한 전략적 자산이 될 것입니다. 오프라인 데이터의 경우 통계 분석이 잘 설정되어 광범위하게 사용됩니다. 온라인 데이터의 통계 분석 및 해당 오프라인 데이터와의 상관 관계는 매우 복잡합니다. 그러나 JMP Pro에 새로운 데이터 분석 도구를 구현하면 온라인 데이터를 통계 분석에 쉽게 사용할 수 있습니다.
FDE (Functional Data Explorer)와 Generalized Regression 응용 프로그램을 사용하여 바이오 제약 프로세스의 데이터를 성공적으로 분석하고 온라인 데이터와 오프라인 데이터 사이에 숨겨진 예기치 않은 상관 관계를 발견했습니다. 이러한 새로운 도구를 통해 프로세스를 더 잘 이해할 수 있으며 프로세스 최적화를위한 옵션을보다 잘 식별 할 수 있습니다.
데이터 탐색e 포스터예측 모델링비디오
