耦合雙蒸餾塔的結構方程建模（2021-EU-45MP-756）級別：中級
Markus Schafheutle，業務諮詢顧問
Laura Castro-Schilo，SAS JMP高級研究統計學家開發人員
SAS統計研發總監JMP Christopher Gotwalt
我們描述了一個案例研究，用於對化學過程中的製造數據進行建模。 該研究的目的是為製造過程中的可控因素確定最佳設置，以使產品質量保持較高水平，同時將成本降至最低。 我們使用結構方程模型（SEM）來擬合多元時間序列模型，該模型捕獲了多個過程變量之間的多元關聯的複雜性。 然後，使用來自SEM的模型隱含協方差矩陣，我們創建了Prediction Profiler，可以估算可控因素的最佳設置。 領域專家驗證了結果，並將預測與熱力學模型的預測進行了比較。 成功驗證後，在化工廠中對SEM和Profiler結果進行了測試，結果令人滿意；優化的預測設置指向了正確的方向，以優化質量和成本。 最後，我們概述了使用社會和行為科學而非工程學中常用的方法對這些數據進行建模所面臨的挑戰。
自動生成的成績單...
揚聲器 | 成績單 |
| 你好，我是克里斯·高特沃特（Chris Gotwalt） |
| 今天我要成為 |
| 與Markus Schafheutle一起演講 |
| 和勞拉·卡斯特羅·希洛（Laura Castro-Schilo） |
| 在工業上的應用 |
| 結構方程模型，或 |
| 掃描電鏡 本演講展示了以下內容之一 |
| 我最喜歡的事情 |
| 我在JMP上的工作。 在JMP中 |
| 統計發展，我們有一個 |
| 鳥瞰什麼是 |
| 發生在數據分析中 |
| 跨越許多領域，這給了 |
| 我們有機會穿越 |
| 施展最佳實踐 |
| 學科。 |
| 在JMP Pro 15中，我們添加了一個新的 |
| 結構方程建模 |
| 平台。 這是主導 |
| 數據分析框架 |
| 很多社會科學，因為 |
| 它靈活地建模複雜 |
| 多元關係 |
| 設置。 關鍵之一 |
| 特點是變量可能 |
| 用作回歸器和 |
| 同時回應 |
| 同一模型的一部分。 |
| 而且，這發生在我身上 |
| 與這些複雜的 |
| 他們代表的模型 |
| 至少在 |
| 表面，看起來像圖 |
| 代表製造業 |
| 流程。 我不是唯一的一個 |
| 建立連接。 馬庫斯 |
| 誰正在與一個 |
| 化工公司，以為 |
| 一樣。 他正在做一個 |
| 一家化工公司的問題 |
| 與兩列雙胞胎 |
| 蒸餾製造 |
| 他們想去的地方 |
| 最大限度地減少能源成本 |
| 在很大程度上要蒸 |
| 生產，同時仍在生產 |
| 留在裡面的產品 |
| 規格。 他伸出手去 |
| 他的JMP銷售工程師 |
| 馬丁·德梅爾（Martin Demel），然後與他聯繫 |
| 馬庫斯到勞拉和我。 |
| 我們舉行了一系列會議 |
| 他展示和描述的地方 |
| 數據，問題和 |
| 公司的目標。 我們曾經 |
| 能夠對數據建模 |
| 非常好。 我們的模型是 |
| 通過共享結果進行驗證 |
| 與JMP溝通 |
| 公司的剖析器 |
| 內部專家然後 |
| 第一個原理模擬器 |
| 然後使用新的物理數據 |
| 從工廠。 這很明顯 |
| 作為數據科學的成功 |
| 項目。 但是，我想 |
| 添加警告。 成功 |
| 需要 |
| 勞拉（Laura）是頂級專家 |
| 在結構方程式中 |
| 造型。 加入JMP之前， |
| 她在定量系 |
| 大學心理學 |
| 北卡羅來納州教堂山，一 |
| 在最高的部門 |
| 我們。她也是 |
| JMP Pro中的SEM平台。 |
| 這項運動具有挑戰性 |
| 即使是她 她不得不寫一個 |
| 自己編寫的JSL程序 |
| 一個指定的JSL程序 |
| 例如這個模型。 |
| 我們適合的模型也許是 |
| 最大和最大 |
| 所有的複雜SEM模型 |
| 時間。 我想喊出 |
| 真正傑出的 |
| 突破性的工作 |
| 勞拉（Laura）通過SEM完成 |
| 平台，在此 |
| 特別是案例研究。 現在 |
| 我要交給 |
| 馬庫斯（Markus），他將給予 |
| 問題的背景 |
| 客戶想解決，然後 |
| 勞拉將要談論 |
| SEM及其模型 |
| 問題。 我去寫一封信 |
| 討論我們如何建立 |
| 探查器，然後Markus將 |
| 總結並討論 |
| 該項目的要點和 |
| 客戶的行為 |
| 根據我們的結果。 |
| 謝謝克里斯，謝謝 |
| 介紹。 |
| 在我開始問題之前， |
| 我想讓你熟悉 |
| 蒸餾原理。 |
| 蒸餾是一個過程 |
| 分離液體混合物 |
| 大部分時間和分開 |
| 他們成為他們的個人 |
| 成分。 那怎麼辦 |
| 工作？ 在這裡，您可以看到示意圖 |
| 實驗室蒸餾的視圖 |
| 設備。 你看這裡是一個 |
| 燒瓶中有粗混合物， |
| 必須分開的是 |
| 裡面。 你把它加熱到這裡 |
| 在這種情況下，用油浴 |
| 攪拌一下，然後開始 |
| 沸騰。 所以最低的沸騰 |
| 材料首先開始，然後 |
| 蒸氣在這裡上升並停頓 |
| 溫度計到達的地方 |
| 沸騰的溫度，然後 |
| 進一步進入這些冷卻器 |
| 在這裡它凝結著， |
| 然後冷凝水滴到這裡 |
| 放入另一個小燒瓶中。 |
| 如我所說，它是內置的 |
| 從...分離混合物 |
| 不同的液體 |
| 沸點，這些是 |
| 用沸點分開。 |
| 例如，每個人都知道 |
| 那也許如果你想 |
| 混搭中的杜松子酒，你只是 |
| 在裡面搗碎 |
| 燒瓶，加熱它，然後你 |
| 在這裡蒸餾酒精 |
| 並獲得杜松子酒。 |
| 因為看起來很簡單 |
| 在實驗室裡，在 |
| 行業多一點 |
| 複雜。 因為讓我們 |
| 說設備不是 |
| 只有更大，但是更多 |
| 複雜，主要是因為 |
| 工程部分 |
| 的故事。 |
| 因此，在這項研究中， |
| 蒸餾未完成 |
| 如您以前所見，分批進行 |
| 但以連續的方式。 這 |
| 表示粗混合物是 |
| 抽在中間的某個地方 |
| 列，然後低 |
| 沸騰的物料上升 |
| 蒸氣至塔頂 |
| 它離開了專欄 |
| 另一個沸騰的 |
| 物料向下流動， |
| 將列留在底部。 |
| 並使其更多 |
| 複雜的，在我們的例子中 |
| 然後抽底流 |
| 進入第二列 |
| 再次蒸餾，所以 |
| 分離另一種材料 |
| 從主要..從... |
| 從剩餘的東西。 所以 |
| 實際上我們分開了 |
| 將原始原油混合物倒入 |
| 三個部分 | 餾出液1 |
| 餾出液2和什麼 |
| 左，然後是底部流 |
| 第二個。 |
| 並使其更加 |
| 複雜，我們利用了 |
| 蒸餾第二列 |
| 加熱第一列 |
| 為了節省能源。 |
| 因此，在示意圖中， |
| 看起來像這樣。 |
| 在這裡，您還有靜止1和 |
| 還有2。 在這裡，我們 |
| 有哪些原料混合 |
| 實際上是 |
| 從 |
| 製造和我們想要的 |
| 要做的就是將價值分開 |
| 其餘的材料。 所以我們 |
| 將此粗混合物泵入 |
| 第一劇照。 正如我在某處所說 |
| 在中間，它在 |
| 低沸點 |
| 我們想要的最有價值的材料 |
| 擁有，其餘的離開 |
| 首先仍然在底部。 然後 |
| 它立即存儲在這裡 |
| 一輛戰車，然後從這裡開始 |
| 再次抽進第二個 |
| 還是，再次在 |
| 中間，並分為 |
| 第二有價值的材料和 |
| 離開溪流，那時 |
| 重新沉積。 加熱東西 |
| 我們從這一方面開始，因為 |
| 這是沸騰的 |
| 材料，所以我們需要更高的 |
| 溫度，這也意味著 |
| 更多的能量。 因此，我們將 |
| 蒸汽在這裡，仍然加熱在這裡， |
| 和材料留在這裡 |
| 頂部溫度為 |
| 這種材料的沸騰，所以 |
| 我們用餘熱來 |
| 加熱第一個靜止的。 而如果 |
| 兩者之間有一點差距 |
| 這裡發生了什麼， |
| 我們需要什麼 |
| 首先在這裡蒸餾 |
| 仍然，我們可以添加一點 |
| 保持多餘的蒸汽 |
| 一切都在運行。 |
| 所以這是一個很高的水平 |
| 事物的看法，如果你 |
| 想要更多地進入 |
| 細節，這裡有點 |
| 相同的圖片。 但是我在這裡展示 |
| 帶有所有不同標籤的您 |
| 我們在這裡擁有所有 |
| 讀數和質量控制以及 |
| 溫度控制等 |
| 等等。 所以你看到的 |
| 這裡？ 我們從這裡開始，供稿一 |
| 進入第一個靜止狀態。 |
| 然後我們進入頂部 |
| 流我們控制的地方 |
| 密度，這是一種品質 |
| 特徵。 而在 |
| 底層流，底層流 |
| 進入這個中間坦克。 |
| 然後從這裡開始 |
| 再次進入第二靜止 |
| 也分開在這裡 |
| 底部流為頂部流。 |
| 再一次，我們在這裡進行測試 |
| 用於質量控制的密度。 |
| 在這裡，我們還添加了蒸汽 |
| 加熱所有這些東西， |
| 頂部流然後通過熱量 |
| 交換器進入第一個蒸餾器 |
| 並再次加熱。 和這裡 |
| 我們有可能添加 |
| 有一些額外的蒸汽 |
| 一切都在這裡保持平衡。 |
| 所以我們看到的是在本地 |
| 根據你有很多 |
| 相關，所以完成了 |
| 這裡有顏色代碼 |
| 箭頭。 例如，提要 |
| 這里和提要 |
| 密度，這是衡量 |
| 這裡的組成 |
| 餵養。 因此，與這兩個一起 |
| 正在定義頭條新聞， |
| 這裡的質量 |
| 底部流或多或少。 那麼你 |
| 有一些當地的預測。 所以 |
| 這裡的材料要進去 |
| 在這里和這裡定義了東西 |
| 這裡。 但是，如果您想擁有一個 |
| 整體描述 |
| 設備，然後變得棘手 |
| 因為你可以做局部最小二乘 |
| 這裡的相關性。 你能行的 |
| 這裡。 你可以分開做 |
| 還是這裡的蒸汽。 但 |
| 如您所見，我們開始了 |
| 大量的水流來到這裡，去 |
| 通過首先，通過 |
| 第二，到這裡，我們有 |
| 能量流開始 |
| 或多或少在這裡，經歷 |
| 這裡也通過熱交換器 |
| 在這裡 所以這是一種 |
| 電路，我們在這裡，和 |
| 所有這些東西都是相關的 |
| 或多或少 |
| 的電路，這給了 |
| 我們的困難 |
| 其實不知道X是什麼 |
| 和Ys。 |
| 這就是我們 |
| 開始考慮其他 |
| 對此建模的可能性。 |
| 因此，本研究的目標是 |
| 找到最佳流量並 |
| 所有這些的蒸汽設置 |
| 變化的傳入因素 |
| 在這裡，以某種方式 |
| 能夠留下一切 |
| 規格上 所以餾出物 |
| 質量應該保持規範，但 |
| 即內部運作 |
| 規格以及 |
| 最終的廢物流。 |
| 最有趣的部分 |
| 至少錢 |
| 明智的是，我們要最小化 |
| 的消費 |
| 速度...很抱歉，真是太快了。 |
| 所以我們實際需要的是 |
| 首先，一個好的模型 |
| 描述這個和那個 |
| 勞拉來了 |
| 進入遊戲並發展 |
| 這個結構方程模型。 |
| 而且我們還需要 |
| 探查器，使我們能夠 |
| 找出最好的 |
| 設置，最佳設置 |
| 對於所有這些傳入 |
| 變化，我們可能會有 |
| 為了留在這裡 |
| 這些規格。 那就是 |
| 克里斯進來的地方 |
| 以勞拉（Laura）的模型為基礎， |
| 探查器，我們可以將其用於 |
| 做所有的預測，我們 |
| 需要。 所以現在我想通過 |
| 到勞拉（Laura）形容 |
| 她以此為基礎建立的模型 |
| 數據在這裡。 勞拉，拜託。 |
| 謝謝你，馬庫斯。 我是勞拉 |
| 卡斯特羅-希洛，我要去 |
| 告訴你有關步驟 |
| 我們跟隨建模 |
| 蒸餾工藝使用 |
| 結構方程 |
| 車型平台。 |
| 所以當馬庫斯第一次來的時候 |
| 跟我們談了他的項目， |
| 有三個具體的 |
| 使我意識到的功能 |
| 掃描電鏡將是一個很好的工具 |
| 為了他。 首先是 |
| 有一個非常具體的 |
| 過程的理論 |
| 互相影響，我們看到了 |
| 在圖上，他 |
| 顯示。 |
| 一個重要的特點 |
| 圖是所有變量 |
| 有雙重作用。 換一種說法， |
| 您可以看到箭頭指向 |
| 圖的節點，但是 |
| 這些節點也指向其他節點 |
| 變量，所以沒有 |
| 清楚區分什麼 |
| 什麼是輸入，什麼是 |
| 輸出。 相反，變量具有 |
| 這兩個角色。 |
| 最後，重要的是 |
| 意識到我們在交易 |
| 與以前的過程 |
| 反複測量。 其他 |
| 話說，我們有時間序列數據 |
| 所有這些功能 |
| 讓我意識到SEM將 |
| 成為Markus的好工具。 現在， |
| 如果您不熟悉SEM， |
| 可能想知道為什麼。 掃描電鏡是一個非常 |
| 提供的一般框架 |
| 交易有很大的靈活性 |
| 這些類型的問題。 |
| 我在這張幻燈片中列出了 |
| 不同功能的數量 |
| 這使SEM成為很好的工具，但是 |
| 因為我們將無法 |
| 我經歷了所有這些 |
| 還包括一個鏈接，您可以在其中 |
| 可以了解有關SEM的更多信息 |
| 如果您有興趣。 現在我 |
| 將專注於兩個 |
| 我在這裡有幾點。 首先 |
| 是SEM允許我們測試 |
| 多元理論 |
| 變量之間的關係 |
| 這正是馬庫斯 |
| 想做。 |
| 另外，還有非常有用的 |
| SEM中的工具稱為路徑 |
| 圖。 這些圖是 |
| 非常直觀，他們 |
| 代表統計模型 |
| 我們很合適。 |
| 因此，讓我們談談這一點 |
| 再多一點。 這是一個例子 |
| 我們可以的路徑圖 |
| 借助SEM平台 |
| 代表一個簡單的線性 |
| 回歸，該圖為 |
| 用非常具體的方式繪製 |
| 特徵。 例如，我們 |
| 用矩形代表 |
| 我們擁有的變量 |
| 測量。 在這裡，是X和Y。 |
| 也有一個單向箭頭 |
| 表示回歸效果。 和 |
| 注意雙箭頭 |
| 在同一起點和終點 |
| 變量代表方差。 |
| 現在，如果這些開始 |
| 結束於另一個變量， |
| 那些雙箭頭會 |
| 然後代表協方差 在 |
| 在這種情況下，我們只有 |
| X和殘差的方差 |
| Y的方差，這是一部分 |
| 那沒有被解釋 |
| X的預測。 |
| 這就是路徑圖 |
| 簡單的表示 |
| 線性回歸。 但是當然 |
| 我們也可以看看 |
| 表示的方程式 |
| 通過該圖。 並註意 |
| 對於Y，這個等式是 |
| 只是線性回歸。 和 |
| 我在這裡省略了手段和 |
| 只是為了簡單起見進行攔截。 |
| 重要的是要注意 |
| 中的所有參數 |
| 等式是 |
| 在路徑中表示 |
| 圖，所以這些圖 |
| 確實傳達了 |
| 精確的統計模型 |
| 我們很合適。 |
| 現在在SEM中，圖表或 |
| 我們指定的模型暗示 |
| 非常特定的協方差 |
| 結構體。 這是 |
| 我們的協方差結構 |
| 期望簡單 |
| 線性回歸模型。 那麼你 |
| 可以看到我們有epsilon X作為 |
| X的方差。 |
| Y的方差 |
| 兩者的方差的函數 |
| X和的剩餘方差 |
| 是的，我們還有一個 |
| 的協方差表達式 |
| X和Y。通常來說， |
| 評估模型擬合的方式 |
| 在SEM中是通過比較模型 |
| 隱式協方差結構 |
| 實際觀察到的樣本 |
| 數據的協方差，如果 |
| 這兩個非常接近 |
| 彼此，然後我們會說 |
| 該模型非常合適。 |
| 因此，許多不同的模型 |
| 可以安裝在SEM中。 |
| 今天我們的重點是 |
| 具體來說 |
| 時間序列模型。 |
| 當我們談論時間序列時， |
| 我們正在專門談論 |
| 那裡的數據收集 |
| 依賴以前的數據 |
| 點，這些數據是 |
| 通常平分秋色 |
| 間隔的時間間隔。 |
| 以及時間序列的方式 |
| 分析處理 |
| 數據中的依存關係是 |
| 倒退過去。 所以一個 |
| 這些模型的類型稱為 |
| 自回歸過程或 |
| ARP。 你可以在這裡看到 |
| Y代表一個過程 |
| 在時間T測量，自動 |
| 回歸模型包括 |
| 退回該過程 |
| 以前的觀察 |
| 處理到時間T減去P。 |
| 所以如果我們在說 |
| 特別是關於 |
| 自回歸一個過程， |
| 那麼你可以看到我們有 |
| 流程YT對其進行了回歸 |
| 緊鄰過去的YT |
| 減一 |
| 以及我們將採取的方式 |
| 在SEM中實現這一點很簡單 |
| 如前所述，通過指定 |
| YT減去YT的回歸 |
| 一。 所以請注意這裡 |
| 回歸方程非常 |
| 類似於我們在 |
| 上一張幻燈片，依此類推 |
| 毫不奇怪 |
| 路徑圖看起來一樣。 |
| 我們可以擴展此AR（1） |
| 建模為包含兩個模型的模型 |
| 滯後，換句話說， |
| 二階自回歸。 和 |
| 在這裡，我們看到我們有過程 |
| 正在回歸的YouTube |
| T減1和T減2。 |
| 如果我們看看這條路 |
| 代表那個的圖 |
| 模型，我們看到我們有一個 |
| 的明確表示 |
| 目前正在處理中，但是 |
| 也在滯後一和滯後二。 |
| 一個非常具體的方面 |
| 圖是路徑 |
| 相鄰時間點設置為 |
| 彼此平等，這 |
| 是 |
| 規範，使我們能夠 |
| 正確指定模型。 所以 |
| 注意這裡我們使用的是beta 1 |
| 代表這個滯後1 |
| 效果，我們還必須 |
| 對設置平等約束 |
| 剩餘方差。 |
| 最後，我們也有效果 |
| 是YT減去2 |
| 預測YT，所以這是 |
| 放置2種效果。 |
| 現在所有這些模型都是 |
| 單變量時間序列模型 |
| 您可以使用 |
| 結構方程建模 |
| JMP中的平台，或者您可以 |
| 也使用時間序列 |
| 我們可用的平台。 |
| 但是，我們遇到的問題 |
| 處理Markus的數據 |
| 需要更多的複雜性。 它 |
| 要求我們看一下 |
| 多元時間序列模型 |
| 這些模型的類型是 |
| 稱為向量自回歸 |
| 楷模。 而我想 |
| 告訴你是這些模型之一 |
| 二階。 |
| 所以我們有一個X的過程 |
| Y的另一個 |
| 我們的自回歸效應 |
| 以前看到的都包括在這裡。 |
| 注意我們有平等 |
| 真正的約束 |
| 對適當重要 |
| 規格。 但是我們也有 |
| 交叉滯後效應 |
| 告訴我們流程如何 |
| 互相影響。 並註意 |
| 在這裡伽瑪1和伽瑪1和 |
| 所以伽瑪3，伽瑪3 |
| 建議在這裡，我們必須 |
| 施加平等約束 |
| 那些滯後1效應 |
| 流程。 |
| 我們還必須納入 |
| 整個過程的協方差 |
| 所以我們有他們的協方差 |
| 時間T減去2。 但是我們也有 |
| 時間的剩餘協方差 |
| T減去1和T並註意這些 |
| 必須有平等 |
| 再次有適當的約束 |
| 規格。 所以我要去 |
| 在這部影片中向您展示 |
| 我們將適合雙變量時間 |
| 系列模型就像 |
| 我向您展示了使用JMP的一種 |
| 每。 我們將從以下開始 |
| 處理我們的數據，以便 |
| 他們已經準備好進行SEM。 第一的， |
| 我們將這兩個標準化 |
| 流程，因為它們在 |
| 不同的尺度。 |
| 然後我們創建滯後變量 |
| 明確表示時間 |
| 時間T之前的時間點。 |
| 將會有 |
| T負1和T負2 |
| 我們啟動了SEM平台， |
| 我們將輸入X |
| 然後是Ys |
| 更容易指定我們的模型。 |
| 現在我加快了視頻 |
| 這樣您就可以快速看到 |
| 如何指定模型。 |
| 在這裡，我們添加 |
| 交叉滯後效應 |
| 滯後1。 |
| 然後直接使用 |
| 圖的交互性，我們 |
| 添加滯後2效果。 |
| 剩下的就是 |
| 指定所有相等 |
| 所需的約束 |
| 對於這些型號 |
| 過程和跨過程。 |
| 我們命名我們的模型。 |
| 最後，我們 |
| 要運行它。 |
| 如您所見，即使只是 |
| 二元時間序列模型 |
| 僅包含兩個過程 |
| 需要一些平等 |
| 限制和細微差別 |
| 使其成為規範 |
| 相對具有挑戰性。 然而， |
| 在蒸餾的情況下 |
| 處理數據，我們還有更多 |
| 而不是兩個過程。 我們曾經 |
| 實際處理了26個 |
| 這些過程，總的來說， |
| 有大約45,000 |
| 測量，這是採取 |
| 每隔10分鐘。 |
| 所以我們的第一個方法是 |
| 探索單變量 |
| 時間序列模型使用 |
| JMP中的時間序列平台。 |
| 當我們這樣做時，我們 |
| 意識到對於大多數 |
| 處理AR（1）或AR（2） |
| 模型最合適，所以這 |
| 讓我意識到 |
| 至少我們需要 |
| 擬合多元模型 |
| 成立於的SEM |
| 至少有兩個滯後。 |
| 我們還必須遵循一些 |
| 的預處理步驟 |
| 將數據準備好進入SEM。 |
| 一方面，我們有很多 |
| 丟失數據，即使 |
| SEM可以處理丟失的數據 |
| 很好，使用的模型是 |
| 像這些一樣複雜，它變成了 |
| 計算上非常非常 |
| 激烈的。 因此，我們決定 |
| 選擇一個數據子集 |
| 擁有所有的完整數據 |
| 過程，這給我們留下了 |
| 約有13,000個觀察結果。 |
| 因此，正如我們在視頻中看到的那樣， |
| 規模差異很大 |
| 在整個過程中，所以我們有了 |
| 標準化所有這些。 和 |
| 最後，我們創建了滯後變量 |
| 確保我們可以 |
| 在SEM中指定模型。 |
| 現在為型號規格， |
| 平等約束 |
| 特別是非常非常大 |
| 挑戰，因為這需要 |
| 需要很多時間來指定它們 |
| 手動，這將是 |
| 當然，乏味且容易出錯。 |
| 所以我們處理的方法 |
| 這是為了生成一個JSL |
| 然後會生成的腳本 |
| 另一個用於啟動的JSL腳本 |
| SEM平台。 |
| 你在這裡看到的是 |
| 我們適合的最終模型 |
| 平台，幸運的是，之後 |
| 估計這個模型，我們是 |
| 能夠獲得協方差 |
| 隱含的結構 |
| 模型，那是 |
| 我可以傳遞的信息 |
| 交給克里斯·高特沃特（Chris Gotwalt）， |
| 然後使用來自 |
| 該矩陣以創建一個 |
| Markus可以使用的探查器 |
| 為了他的目的 |
| 克里斯，你為什麼不告訴我們 |
| 您是如何創建該探查器的？ |
| 謝謝勞拉 現在我要去 |
| 展示如何 |
| 我能夠拍模特 |
| 結果並將它們變成一個 |
| 公司簡介 |
| 可以輕鬆地與之合作。 |
| 因此，勞拉（Laura）在 |
| 標準化的數據，並給我發送了 |
| 包含相同模型的表 |
| 攔截，她還包括 |
| 原始手段和標準 |
| 習慣於 |
| 標準化數據。 在 |
| 好的，我們有sim模型 |
| 隱式協方差矩陣 |
| 包括之間的協方差 |
| 現在的價值和 |
| 即時的滯後值 |
| 過去的。 此信息描述 |
| 所有變量如何關聯 |
| 另一個。 以這種形式， |
| 雖然模型還沒準備好 |
| 用於預測。 查看 |
| 某些變量如何變化 |
| 作為他人的功能，我們有 |
| 使用此信息來 |
| 推導條件 |
| 響應的分佈 |
| 變量，給定變量 |
| 我們想用作輸入的東西。 |
| 所以本質上我們需要 |
| 的條件均值 |
| 給出輸入的響應。 所以 |
| 為此，我們需要實施 |
| 這個公式就在這裡。 |
| 為此，我們使用SWEEP |
| SWEEP JSL的運營商 |
| 運算符是一種數學工具 |
| 由SAS CEO和 |
| 聯合創始人Jim Goodnight。 它是 |
| 在美國出版 |
| 1979年的統計學家。 掃一掃 |
| 運算符可能是單身 |
| 最重要的貢獻 |
| 計算統計 |
| 過去100年。 大多數JMP用戶 |
| 不知道SWEEP |
| 每個人都使用運算符 |
| JMP統計平台 |
| 很多方法。 我們將其用於矩陣 |
| 反演，計算得出 |
| 平方和也可以是 |
| 被利用為簡單而優雅 |
| 計算條件的方式 |
| 分佈，如果你知道 |
| 如何正確使用它。 |
| 我創建了一個帶有列的表 |
| 對於所有變量。 他們倆 |
| 表中的行是 |
| 最小和最大 |
| 原始數據， |
| 分析器知道如何設置 |
| 範圍。 我添加了公式列 |
| 對於使用的響應變量 |
| 掃描版 |
| 勞拉的方差矩陣 |
| 建模並放入這些公式 |
| 放在後面的數據中 |
| 桌子或最右邊。 |
| 這是公式之一 |
| 看起來像。 我拉了 |
| 分析結果為 |
| 矩陣。 勞拉的模型包括 |
| 之間的估計協方差 |
| 最近兩個的當前Y |
| 之前的值是因為 |
| 大型多變量 |
| 2階自回歸模型 |
| 通過預測現在 |
| 控制前兩個 |
| 輸入變量的值 |
| 什麼會很麻煩 |
| 投入運營。 所以我做了 |
| 一個簡化的假設 |
| 這兩個值是 |
| 一樣，這崩潰了 |
| 建模成以前的形式 |
| 更容易使用。 為此，我 |
| 只需使用同一列 |
| 我在講話時的標籤 |
| 進入滯後 |
| 滯後兩個詞條。 |
| 沒有機械， |
| 我為 |
| 的回應欄 |
| 興趣。 我成立 |
| 期望功能 |
| 反映了公司的 |
| 目標。 所以他們想 |
| 在上匹配目標 |
| A2TopTemp，最大化A2BotTemp， |
| 等等，最終 |
| 想要最小化總和 |
| 冒出來的蒸汽 |
| 在兩列中。 |
| 所以你可以鎖定某些 |
| 探查器中的變量由 |
| 控制點擊痛苦。 這 |
| 鎖定變量將具有它們 |
| 通過實心紅色繪製的值 |
| 行，然後一旦我們完成 |
| 我們可以為輸入值 |
| 他們，當我們運行 |
| 優化器或最大化 |
| 希望，鎖定 |
| 變量將保持固定。 |
| 這樣我們就可以找到 |
| 我們可以控制的變量 |
| 保持產品的製造 |
| 符合規範 |
| 最小化能源成本。 |
| 可以公平地說 |
| 別人很難 |
| 重複勞拉的建模方法 |
| 在一個新的問題上，它將 |
| 對另一個人來說很難 |
| 像我一樣建立一個探查器 |
| 這裡。 如果有足夠的人看到這個 |
| 演示文稿，並希望我們添加一個 |
| 這樣的平台 |
| 將來分析更容易， |
| 你應該讓我們知道 |
| 接觸技術 |
| 通過support@JMP.com提供支持。 |
| 現在我要交還 |
| 交給Markus，他會說話 |
| 關於客戶的處理方式 |
| 模型和我們的結論。 |
| 謝謝克里斯。 |
| 因此，使用預測探查器， |
| 克里斯剛剛介紹的，我們 |
| 用來做一個 |
| 預測性景觀 |
| 讓我們了解如何 |
| 最好的設置應該在 |
| 為了實現所有 |
| 必要的質量規格。 所以 |
| 這三個因素是什麼 |
| 可以說，隨著 |
| 受我們影響的程度有限， |
| 那是什麼 |
| 為靜止1和 |
| 為Still 2和 |
| 質量或成分 |
| 飼料合二為一。 |
| 而我們的結果 |
| 他們的模型也是 |
| 冷卻水溫度為 |
| 也起著重要作用 |
| 在這種情況下。 所有其他的 |
| 變量的重要性較小 |
| 這樣我們就忽略了他們 |
| 第一種方法。 |
| 在這裡，您可以看到風景。 |
| 有點變化 |
| 圖表，可以這麼說，所以我們有 |
| 這裡的飼料密度 |
| 靜止1，進入靜止1的提要 |
| 和進料到靜止2 |
| 以及所有可能的組合， |
| 或多或少。 然後你在這裡看到 |
| 預測的設置 |
| 為了留下最好的 |
| 在規格範圍內。 和 |
| 這是我的一些 |
| 規格也是如此，所以我們 |
| 必須留在他們裡面。 |
| 因此，例如 |
| 靜止2的蒸汽流量 |
| 在那裡回流，鍋爐上升， |
| 同樣的事情 |
| 還是1。 在右邊 |
| 一邊，你看到了 |
| 預測的結果，所以 |
| 質量規格，可以這麼說。 所以 |
| 最高進水溫度 |
| 仍然是1的密度 |
| 餾分的密度 |
| 蒸餾器2的餾分 |
| 等等等等。 所以呢 |
| 如果你有一個，你會看到在這裡 |
| 看看這裡的可取性， |
| 這是底行 |
| 有大片的地方 |
| 我們無法真正取得好成績 |
| 我們系統的性能。 而如果 |
| 你看一下細節 |
| 你看，好吧，這是我們不合規格的， |
| 在這裡，我們不合規格，在這裡 |
| 有些地方，我們不符合規格，依此類推 |
| 等等。 但是還能看到什麼 |
| 這是規範/不規範的東西 |
| 也不僅受 |
| 這三個組成部分下降 |
| 在這裡，在河邊 |
| 溫度，目前 |
| 突出顯示了最低的 |
| 河流溫度是1 |
| 程度。 所以你在這裡看到 |
| 有了它，我們將保留大部分時間 |
| 規格時間，儘管在那裡 |
| 只是很少見 |
| 這三個的組合 |
| 我們沒有的因素。但是如果 |
| 我們正在增加河 |
| 溫度，例如24 |
| 度，然後是我們所在的區域 |
| 超出規格...變得很多 |
| 更佔優勢。 所以這是 |
| 很難留在這個 |
| 規格。 那麼我們 |
| 從模型中學到的 |
| 是我們有待解決的問題 |
| 在我們的規格中 |
| 河流溫度高於7 |
| 攝氏度。 |
| 問題是什麼 |
| 那？ 和工程師 |
| 通常...懷疑是 |
| 這是因為 |
| 的冷卻能力 |
| 涼爽的。 但是在我們去之前 |
| 進入真正的審判，我們 |
| 比較了我們的SEM模型與 |
| 基於熱力學模型 |
| 在Chem CAD上。 |
| 它指出了什麼 |
| 兩種模式都是 |
| 指向同一 |
| 方向，所以沒有 |
| 沒有真正的差異 |
| 兩者之間。 |
| 好，這使我們進入 |
| 樂觀的情緒，所以我們做到了 |
| 一些真實的嘗試 |
| 和最好的 |
| 設置，比方說， |
| 批准了預期 |
| 從模型中得到的東西。 |
| 事實證明，正如我所說 |
| 已經，工程師 |
| 懷疑冷卻 |
| 冷卻器容量不大 |
| 充足的。 所以當你有 |
| 在較高的河流溫度下 |
| 那就太熱了 |
| 小，所以設備... |
| 設備不能真正運行 |
| 不再。 所以現在的下一步是 |
| 使用這些數據 |
| 在這裡學習以證明另一個 |
| 建立投資 |
| 一個更好的涼爽的地方 |
| 換熱能力。 |
| 所以感謝勞拉和克里斯，我們 |
| 可以在這裡設置投資。 |
| 如果您有任何疑問 |
| 請隨時詢問。 |
| 謝謝你。 |
爆發數據探索預測建模
