結合ツイン蒸留カラムの構造方程式モデリング（2021-EU-45MP-756）レベル：中級
Markus Schafheutle、コンサルタント、ビジネスコンサルティング
JMPシニアリサーチ統計開発者、SAS、Laura Castro-Schilo
クリストファー・ゴトワルト、SAS統計R＆DのJMPディレクター
化学プロセスからの製造データをモデル化するためのケーススタディについて説明します。 研究の目的は、コストを最小限に抑えながら製品の品質を高く保つことができるように、製造プロセスにおける制御可能な要素の最適な設定を特定することでした。 構造方程式モデリング（SEM）を使用して、多数のプロセス変数間の多変量関連の複雑さを捉えた多変量時系列モデルを適合させました。 次に、SEMのモデルに含まれる共分散行列を使用して、制御可能な因子の最適な設定の推定を可能にする予測プロファイラーを作成しました。 結果は、ドメインの専門家によって、および予測を熱力学モデルの予測と比較することによって検証されました。 検証が成功した後、SEMとプロファイラーの結果が化学プラントでテストされ、肯定的な結果が得られました。最適化された予測設定は、品質とコストを最適化するための正しい方向を示していました。 最後に、工学ではなく社会科学や行動科学でよく使用される方法論を使用してこれらのデータをモデル化する際の課題について概説します。
自動生成されたトランスクリプト..。
スピーカー | トランスクリプト |
| こんにちは、ChrisGotwaltです。 |
| 今日は |
| MarkusSchafheutleとのプレゼンテーション |
| とローラカストロシロ |
| の産業用アプリケーションについて |
| 構造方程式モデル、または |
| SEM。 このトークでは、 |
| 私が最も楽しんでいること |
| JMPでの私の仕事。 JMPでは |
| 統計的発展、私たちは |
| 何であるかの鳥瞰図 |
| データ分析で起こっている |
| 多くの分野にわたって、 |
| 私たちが交差する機会 |
| 全体のベストプラクティスを肥やす |
| 規律。 |
| JMP Pro 15では、新しい |
| 構造方程式モデリング |
| プラットホーム。 これが支配的です |
| のデータ分析フレームワーク |
| 多くの社会科学は |
| 複雑なモデルを柔軟にモデル化 |
| 多変量の関係 |
| 設定。 キーの1つ |
| 特徴は変数がかもしれないということです |
| リグレッサと |
| 同時に応答 |
| 同じモデルの一部。 |
| さらに、それは私に起こりました |
| これらの複雑なもの |
| それらが表されるモデル |
| 少なくとも |
| 表面、図のように見える |
| 製造を表す |
| プロセス。 私だけではありませんでした |
| この接続を確立します。 マーカス、 |
| と一緒に働いていた人 |
| 化学会社は、 |
| 同じこと。 彼はに取り組んでいた |
| 化学会社の問題 |
| 2列ツイン付き |
| 蒸留製造 |
| 彼らがしたかったプロセス |
| だったエネルギーコストを最小限に抑える |
| 主に蒸気になります |
| まだ作っている間生産 |
| 内にとどまった製品 |
| 仕様。 彼はに手を差し伸べた |
| 彼のJMPセールスエンジニア、 |
| その後接続したマーティン・デメル |
| マーカスからローラと私へ。 |
| 一連の会議がありました |
| 彼が示して説明した場所 |
| データ、問題、そして |
| 会社の目標。 私たちは |
| データをモデル化できる |
| 非常によく。 私たちのモデルは |
| 結果を共有することで検証 |
| JMPとの通信 |
| 会社のプロファイラー |
| 内部の専門家、そして |
| 第一原理シミュレーター |
| その後、新しい物理データを使用します |
| 植物から。 これは明らかでした |
| データサイエンスとしての成功 |
| 事業。 でもお願いします |
| 警告を追加します。 成功 |
| の共同努力が必要でした |
| 一流のエキスパートであるローラ |
| 構造方程式で |
| モデリング。 JMPに参加する前は、 |
| 彼女は量的学部でした |
| 大学の心理学 |
| ノースカロライナ、チャペルヒル、1つ |
| のトップ部門の |
| 我ら。彼女はまたの発明者でもあります |
| JMPProのSEMプラットフォーム。 |
| この演習はやりがいがありました |
| 彼女にとってさえ。 彼女は書く必要がありました |
| それ自体が書いたJSLプログラム |
| 指定したJSLプログラム |
| たとえば、このモデル。 |
| 私たちがフィットしたモデルはおそらく |
| 最大かつ最も |
| すべての洗練されたSEMモデル |
| 時間。 声をかけたい |
| 本当に傑出して |
| その画期的な仕事 |
| ローラはSEMで両方を行った |
| プラットフォーム一般的にそしてこれで |
| 特にケーススタディ。 今 |
| に譲ります |
| 与えるつもりのマーカス |
| 問題の背景 |
| 顧客は解決したかった、そして |
| ローラは話します |
| SEMとこのための彼女のモデル |
| 問題。 手紙をやります |
| どのように設定したかについての議論 |
| プロファイラー、次にMarkusは |
| まとめて、 |
| プロジェクトからのポイントと |
| お客様が行う行動 |
| 私たちの結果に基づいて取った。 |
| クリス、ありがとう |
| 前書き。 |
| 問題から始める前に、 |
| 私はあなたに親しみを持たせたい |
| 蒸留の原理。 |
| 蒸留は、 |
| 液体の混合物を分離する |
| ほとんどの場合、別々に |
| それらを彼らの個人に |
| コンポーネント。 では、これはどのように行われますか |
| 作業？ ここに、回路図が表示されます |
| ラボ蒸留のビュー |
| 装置。 ここにあるのは |
| 粗混合物が入っているフラスコ、 |
| 分離する必要があります、 |
| 内部。 ここでこれを加熱します |
| この場合、オイルバス付き |
| それをかき混ぜると始まります |
| 沸騰。 だから最低沸騰 |
| 材料が最初に始まり、次に |
| 蒸気がここに上がり、一時停止します |
| ここに到達する温度計 |
| 沸騰温度そしてそれから |
| さらにこれらのクーラーに入ります |
| ここでそれが凝縮し、 |
| その後、凝縮液がここに落下します |
| 他の小さなフラスコに。 |
| だから私が言ったように、それは構築されています |
| から...混合物を分離するため |
| 異なる液体の |
| 沸点、そしてそれらは |
| 沸点で区切られています。 |
| たとえば、誰もが知っています |
| たぶんあなたが作りたいなら |
| マッシュからのシュナップス、あなたはただ |
| この中にマッシュを作る |
| フラスコ、それを加熱し、そしてあなたは |
| ここでアルコールを蒸留します |
| シュナップスを入手してください。 |
| とてもシンプルに見えるので |
| ここラボでは、 |
| 業界それはもう少しです |
| 複雑。 だって |
| 機器はそうではないと言う |
| 大きいだけですがもっと |
| 複雑で主に |
| エンジニアリング部分の |
| 物語の。 |
| したがって、この研究では、 |
| 蒸留は行われなかった |
| あなたが前に見たようにバッチ的に、 |
| しかし、継続的に。 この |
| 粗混合物が |
| の真ん中のどこかに汲み上げられた |
| コラムそして次に低い |
| 沸騰している材料は |
| カラムの上部への蒸気 |
| そしてそこにそれは列を去ります |
| と他のより高い沸騰 |
| 材料は下向きに流れ、 |
| 下部に列を残します。 |
| そしてそれをもう少しするために |
| 複雑な、私たちの場合 |
| その後、ボトムストリームがポンプで送られます |
| 2番目の列に |
| 再び蒸留したので、 |
| 別の材料を分離する |
| メインから..から..。 |
| 残りのものから。 そう |
| 実際に分離しました |
| 元の原油混合物に |
| 3つの部分 | 留出物1 |
| 留出物2とは何ですか |
| 左、次に一番下のストリーム |
| まだ2番目の。 |
| そしてそれをさらにするために |
| 複雑な、私たちはの熱を使用しました |
| この2番目のカラムを蒸留します |
| の最初のカラムを加熱する |
| このためのエネルギーを節約するために。 |
| したがって、概略図では、 |
| これはこのように見えます。 |
| ここにあなたはまだ1と |
| まだ2があります。 そしてここで私たちは |
| 原材料を混ぜる |
| 実は |
| からの留出物 |
| 製造と私たちが望むもの |
| することは値を分離することです |
| 残りからの材料。 だから私たちは |
| この原油ミックスを |
| 最初の静止画。 私がどこかで言ったように |
| 真ん中でそれは分離します |
| 低沸点、つまり |
| 私たちがしたい最初の価値のある材料 |
| 持っている、そして残りは去る |
| 最初はまだ底にあります。 その後、 |
| すぐにここに保存されます |
| 戦車そしてここから |
| 2番目に再びポンプでくみ上げられた |
| それでも、再びどこかで |
| 真ん中、そしてそれはに分離します |
| 2番目の価値のある材料と |
| アウェイストリーム、それは当時だった |
| 再堆積。 ものを加熱するには、 |
| こちら側から始めます |
| これは高沸点です |
| 材料なので、もっと高いものが必要です |
| 温度とこれはまた意味します |
| より多くのエネルギー。 だから私たちはポンプで |
| ここで蒸し、これをまだここで加熱し、 |
| そしてここに残っている資料 |
| 上部の温度は |
| この材料の沸騰、そう |
| 余熱を使って |
| 最初の静止画を加熱します。 で、もし |
| 間に少しギャップがあります |
| ここから何が起こっているのか |
| 何のために必要か |
| ここで最初の蒸留 |
| それでも、少し追加できます |
| 維持する余分な蒸気 |
| すべてが実行されています。 |
| だからこれは非常に高いレベルです |
| 物事のビュー、そしてあなたが |
| もう少し詳しく知りたい |
| 詳細、ここでは一種です |
| 同じ写真。 しかし、ここで私は示します |
| すべての異なるタグを持つあなた |
| 私たちはすべてのためにここにあります |
| 読み出しと品質管理および |
| 温度調節など |
| などなど。 だからあなたが見るもの |
| ここに？ ここから始めます、フィード1 |
| 最初の静止画に。 |
| そして、私たちはトップに分かれます |
| 私たちが制御するストリーム |
| 品質である密度 |
| 特性。 そして、 |
| ボトムストリーム、ボトムストリーム |
| この中間タンクに入ります。 |
| そしてここからそれは適合します |
| 再び2番目の静止画に |
| また、ここで分離されました |
| トップストリームのボトムストリーム。 |
| そして再びここでテストしています |
| 品質管理のための密度。 |
| ここでも蒸気を追加します |
| これらすべてのものを加熱し、 |
| その後、トップフローは熱を経由します |
| 最初の静止画への交換器 |
| もう一度加熱します。 そしてここ |
| 追加する可能性があります |
| 持っているいくつかの余分な蒸気 |
| ここですべてのバランスが取れています。 |
| だから私たちが見るものは地元のものです |
| あなたがたくさん持っている基礎 |
| 相関関係があるので、これは行われます |
| ここにカラーコードがあります |
| 矢印。 たとえば、フィード |
| ここでフィードと一緒に |
| 密度、これは |
| これのここの構成 |
| フィード。 だからこれらの2つと一緒に |
| トップストリームを定義し、 |
| ここの品質、そしてそれ |
| ボトムストリームは多かれ少なかれ。 だからあなたは |
| いくつかのローカル予測があります。 そう |
| ここに入る材料 |
| こことここで物事を定義します |
| ここに。 しかし、あなたがしたい場合 |
| 全体の全体的な説明 |
| 機器、それからそれはトリッキーになります |
| ローカル最小二乗ができるからです |
| ここで相関関係。 あなたはそれを行うことができます |
| ここに。 あなたはそれを別々に行うことができます |
| 蒸気のためにまたはまたここに。 だが |
| ご覧のとおり、 |
| ここに来る大量の流れ、行く |
| 最初の静止画を通して、 |
| それでも2番目に、ここまで |
| 始まるエネルギーの流れ |
| 多かれ少なかれここを通過します |
| ここでも熱交換器経由 |
| ここに。 だからそれは一種の |
| ここにある回路、そして |
| これらすべてのものは相関しています |
| 多かれ少なかれ一種で |
| 回路のそしてこれは与える |
| 私たちの難しさ |
| 実際にXが何であるかを知りませんでした |
| そしてYsはそうだった。 |
| そしてそれが私たちが |
| 他のことを考え始めた |
| これをモデル化する可能性。 |
| したがって、この研究のターゲットは |
| 最適なフローを見つけて |
| これらすべての蒸気設定 |
| さまざまな着信要因 |
| ここで、そして私たちが |
| すべてを滞在することができます |
| スペックで。 だから留出物 |
| 品質は仕様を維持する必要がありますが |
| つまり、内部運用 |
| スペックとのスペック |
| 最終的な廃棄物の流れ。 |
| そして最も興味深い部分は、 |
| 少なくともお金 |
| 賢明なことに、最小化したい |
| の消費 |
| スピード...すみません、蒸気の。 |
| だから私たちが実際に必要としたもの |
| まず第一に、良いモデル |
| これとあれを説明します |
| ローラが来たポイントは何ですか |
| ここでゲームに参加し、開発しました |
| この構造方程式モデル。 |
| そして私達はまた一種の必要があります |
| 私たちを可能にするプロファイラー |
| 何が最高かを理解する |
| 設定、最適な設定 |
| これらすべての着信に対して |
| 私たちが持っているかもしれないバリエーション |
| すべての中にとどまるためにここに |
| これらの仕様。 そしてそれは |
| クリスが入ったポイント、 |
| ローラのモデルを基に、 |
| に使用できるプロファイラー |
| 私たちがすべての予測を行う |
| 必要。 だから今私は合格したい |
| ローラに話を聞いて |
| 彼女がこれから作ったモデル |
| ここにデータ。 ローラ、お願いします。 |
| ありがとう、マーカス。 ローラです |
| Castro-Schiloと私は行きます |
| 手順について説明します |
| 私たちはモデル化するために続きました |
| を使用した蒸留プロセス |
| 構造方程式 |
| モデルプラットフォーム。 |
| マーカスが最初に来たとき |
| 彼のプロジェクトについて話してくれました、 |
| 3つの特定がありました |
| 私に気づかせた機能 |
| そのSEMは良いツールになるでしょう |
| 彼のために。 最初はそれです |
| 非常に具体的でした |
| どのようにプロセスの理論 |
| お互いに影響し合い、私たちは見ました |
| 彼がその図のそれ |
| 示した。 |
| その重要な特徴 |
| 図は、すべての変数が |
| 二重の役割を持っていました。 言い換えると、 |
| 矢印が指していることがわかります |
| ダイアグラムのノードですが、 |
| それらのノードは他のノードも指します |
| 変数なので、 |
| 何の明確な区別 |
| どのような入力と何でしたか |
| 出力。 むしろ、変数は |
| それらの役割の両方。 |
| 最後に、 |
| 私たちが扱っていたことに気づきます |
| だったプロセスで |
| 繰り返し測定。 その他 |
| つまり、時系列データがありました |
| したがって、これらすべての機能 |
| SEMが |
| Markusにとって良いツールになります。 さて、 |
| SEMに慣れていない場合は、 |
| なぜだろうと思うかもしれません。 SEMは非常に |
| を提供する一般的なフレームワーク |
| 取引のための多くの柔軟性 |
| これらのタイプの問題で。 |
| 私はこのスライドにリストしました |
| さまざまな機能の数 |
| SEMは優れたツールになりますが、 |
| できないので |
| これらすべてを通過するために、私は。 |
| あなたがいるリンクも含まれています |
| SEMについてもっと学ぶことができます |
| 興味があれば。 今私は |
| 2つに焦点を当てるつもり |
| ここにあるポイント。 最初 |
| SEMでテストできるということです |
| 多変量の理論 |
| 変数間の関係、 |
| それはまさにマーカスがしたものでした |
| やりたかった。 |
| また、非常に便利です |
| パスと呼ばれるSEMのツール |
| ダイアグラム。 これらの図は |
| 非常に直感的で彼らは |
| 統計モデルを表す |
| 私たちが適合していること。 |
| それでは、その点について話しましょう。 |
| もう少し。 これが例です |
| 私たちができるパス図の |
| SEMプラットフォームを描画して |
| 単純な線形を表す |
| 回帰、そして図は |
| 非常に具体的に描かれた |
| 特徴。 たとえば、私たちは |
| 長方形を使用して表す |
| 私たちが持っている変数 |
| 測定。 ここでは、XとYです。 |
| 片方向の矢印もあります |
| 回帰効果を表します。 そして |
| 両方向矢印に注意してください |
| 同じ上で開始し、終了します |
| 変数は分散を表します。 |
| さて、これらが開始された場合、 |
| 別の変数で終了し、 |
| それらの双頭の矢印は |
| 次に、共分散を表します。 に |
| この場合、私たちはただ持っています |
| Xの分散と残差 |
| 部分であるYの分散 |
| それはによって説明されていません |
| Xの予測。 |
| これがパス図です |
| シンプルな表現 |
| 線形回帰。 しかし、もちろん |
| 私達はまた見ることができます |
| 表現される方程式 |
| その図によって。 そして、それに注意してください |
| Yの場合、この方程式は次の方程式です。 |
| 単に線形回帰。 そして |
| ここでは手段を省略し、 |
| 簡単にするためにインターセプトします。 |
| 注意することが重要です |
| のすべてのパラメータ |
| 方程式は |
| パスで表される |
| ダイアグラムなので、これらのダイアグラム |
| 本当に伝えます |
| 正確な統計モデル |
| 私たちが適合していること。 |
| 今SEMで、図または |
| 私たちが指定するモデルは、 |
| 非常に特定の共分散 |
| 構造。 これは |
| 私たちが |
| 単純なことを考えると期待するだろう |
| 線形回帰モデル。 だからあなたは |
| イプシロンXが |
| Xの分散。 |
| Yの分散、これは |
| 両方の分散の関数 |
| Xとの残差分散 |
| Y、そして私たちも持っています |
| の共分散の式 |
| XとY。そして一般的に言えば、 |
| モデルの適合性を評価する方法 |
| SEMではモデルを比較することによって |
| に暗黙の共分散構造 |
| 実際に観察されたサンプル |
| データの共分散、および |
| これら2つはかなり近いです |
| お互いに、私たちはそれから言うでしょう |
| モデルが非常によく適合していること。 |
| だから、いくつかの異なるモデル |
| SEMに適合させることができます。 |
| そして今日、私たちの焦点は |
| 具体的になります |
| 時系列モデルについて。 |
| 時系列について話すとき、 |
| 具体的に話しているのは |
| そこにあるデータのコレクション |
| 以前のデータへの依存です |
| ポイント、およびこれらのデータは |
| 通常、均等に収集されます |
| 間隔を空けた時間間隔。 |
| そしてその時系列の方法 |
| 分析は |
| データの依存関係は |
| 過去に回帰します。 だから1つ |
| これらのモデルのタイプはと呼ばれます |
| 自己回帰プロセスまたは |
| ARP。 そして、あなたはここで見ることができます、どこで |
| Yは、次のようなプロセスを表します。 |
| 時間Tで測定、自動 |
| 回帰モデルは |
| そのプロセスを回帰する |
| その以前の観察 |
| 時間TからPを引いた時間まで処理します。 |
| だから私たちが話しているなら |
| 具体的には |
| 自己回帰1つのプロセス、 |
| その後、私たちが持っていることがわかります |
| プロセスYTはその上で後退しました |
| YTを過ぎてすぐ隣 |
| マイナス1。 |
| そして、私たちがする方法 |
| これをSEMに実装するのは簡単です |
| 前に見たように、指定することによって |
| YTマイナスでのYTの回帰 |
| 1。 したがって、ここで |
| 回帰式は非常に |
| 私たちが見たものと同様 |
| 前のスライドなど |
| 当然のことですが |
| パス図は同じように見えます。 |
| そして、このARを拡張することができます（1） |
| 2つを含むものへのモデル |
| 言い換えれば、遅れる |
| 2次の自己回帰。 そして |
| ここにプロセスがあることがわかります |
| 後退しているYT |
| Tマイナス1とTマイナス2の両方。 |
| そして、私たちが道を見れば |
| それを表す図 |
| モデル、私たちは私たちが持っていることがわかります |
| の明示的な表現 |
| 現時点で処理しますが、 |
| ラグ1とラグ2でも。 |
| これの非常に特定の側面 |
| ダイアグラムは、 |
| 隣接する時点はに設定されます |
| 互いに等しくなる、そしてこれ |
| の重要な部分です |
| 私たちができる仕様 |
| モデルを正しく指定してください。 そう |
| ここでベータ1を使用していることに注意してください |
| この遅れを表すために1 |
| 効果と私たちもしなければなりません |
| 等式制約を設定する |
| 残余分散。 |
| 最後に、効果もあります |
| YTのマイナス2 |
| YTを予測しているので、ここに |
| 2つの効果を置きます。 |
| 現在、これらのモデルはすべて |
| 単変量時系列モデル、 |
| そして、あなたはそれらを使用してそれらを合わせることができます |
| 構造方程式モデリング |
| JMPのプラットフォームまたはあなたができる |
| 時系列も使用する |
| 私たちが利用できるプラットフォーム。 |
| しかし、私たちが抱えていた問題 |
| Markusのデータの処理 |
| より複雑にする必要があります。 それ |
| 私たちに見る必要がありました |
| 多変量時系列モデル |
| これらのモデルのタイプは |
| ベクトル自己回帰と呼ばれる |
| モデル。 そして私がしたいこと |
| あなたがこれらのモデルの1つであることを示してください |
| オーダー2の。 |
| したがって、Xと |
| Y用にもう1つ、同じ |
| 私たちが行う自己回帰効果 |
| 前に見たものがここに含まれています。 |
| 私たちが平等であることに注意してください |
| 本当にある制約 |
| 適切に重要 |
| 仕様。 しかし、私たちも持っています |
| クロスラグ効果 |
| プロセスの方法を教えてください |
| お互いに影響を与えます。 そして注意 |
| ここでガンマ1とガンマ1と |
| だからガンマ3、ガンマ3、 |
| ここで私たちがしなければならないことを示唆している |
| 等式制約を課す |
| それらのラグ1の影響 |
| プロセス。 |
| また、を組み込む必要があります |
| プロセス間の共分散 |
| だから私たちは彼らの共分散を |
| 時間Tマイナス2。 しかし、私たちも持っています |
| 時間での残余共分散 |
| Tマイナス1とTそしてこれらに注意してください |
| 平等でなければなりません |
| 適切な制約が再びあります |
| 仕様。 だから私は行きます |
| このビデオでどのようにあなたを示すために |
| 二変量時間に適合します |
| のようなシリーズモデル |
| JMPを使って見せたもの |
| あたり まずは |
| データを操作して |
| 彼らはSEMの準備ができています。 最初、 |
| これら2つを標準化します |
| 彼らはにいるのでプロセス |
| 非常に異なるスケール。 |
| 次に、ラグ変数を作成します |
| 時間を明示的に表す |
| 時間Tより前のポイント。 |
| 持っているつもり |
| Tマイナス1およびTマイナス2。 |
| SEMプラットフォームを立ち上げ、 |
| Xを入力します |
| それからYs |
| モデルの指定が簡単です。 |
| そして今、私はビデオをスピードアップしました |
| あなたがすぐに見ることができるように |
| モデルの指定方法。 |
| ここに追加します |
| クロスラグ効果 |
| ラグ1の場合。 |
| そして、直接使用して |
| ダイアグラムの双方向性、私たちは |
| ラグ2効果を追加します。 |
| そして残っているのは |
| すべての等式を指定します |
| 必要な制約 |
| 内のこれらのモデルの場合 |
| プロセスおよびプロセス間。 |
| モデルに名前を付けます。 |
| そして最後に、私たちは |
| それを実行するつもりです。 |
| ご覧のとおり、 |
| 二変量時系列モデル |
| 2つのプロセスのみが組み込まれています |
| いくつかの平等が必要 |
| の制約とニュアンス |
| それを作る仕様 |
| 比較的挑戦的です。 しかしながら、 |
| 蒸留の場合 |
| プロセスデータ、もっとたくさんありました |
| 2つのプロセスより。 私たちは |
| 実際に26の |
| これらのプロセスと全体として |
| 約45,000を持っていた |
| 行われた測定 |
| 10分間隔で。 |
| そして、私たちの最初のアプローチは |
| 一変量を探索する |
| を使用した時系列モデル |
| JMPの時系列プラットフォーム。 |
| そして私たちがこれをしたとき、私たちは |
| ほとんどの場合 |
| AR（1）またはAR（2）を処理します |
| モデルが最適であるため、これ |
| 本当に気づかされました |
| 少なくとも必要だった |
| 多変量モデルをに適合させる |
| に組み込まれたSEM |
| 少なくとも2つの遅れ。 |
| 私たちはまた、いくつかに従う必要がありました |
| 前処理ステップの |
| データをSEMに準備します。 |
| 一方で、私たちはたくさんありました |
| 欠測データ、 |
| SEMは不足しているデータを処理できます |
| 罰金、次のようなモデルで |
| これらのように複雑になりました |
| 計算上非常に非常に |
| 激しい。 そして、私たちは |
| データのサブセットを選択します。 |
| すべての完全なデータがありました |
| プロセスとそれは私たちに残しました |
| 約13,000回の観測。 |
| だから、私たちがビデオで見たように、私たちは |
| 大規模な違いがありました |
| プロセス全体で、 |
| それらすべてを標準化する。 そして |
| 最後に、ラグ変数を作成しました |
| 私たちができることを確認するために |
| SEMでモデルを指定します。 |
| モデル仕様については、 |
| の等式制約 |
| 特に非常に大きいです |
| 時間がかかるので挑戦 |
| それらを指定するために多くの時間 |
| 手動で、それは、 |
| もちろん、退屈でエラーが発生しやすいです。 |
| だから私たちのアプローチは |
| これはJSLを生成することでした |
| 次に生成するスクリプト |
| 起動するための別のJSLスクリプト |
| SEMプラットフォーム。 |
| そして、ここに表示されるのは |
| 私たちがフィットする最終モデル |
| プラットフォームとありがたいことに、後 |
| このモデルを推定すると、 |
| 共分散を得ることができる |
| によって暗示される構造 |
| モデルとそれはの作品でした |
| 渡すことができる情報 |
| クリス・ゴトワルトに |
| その後、からの情報を使用しました |
| を作成するためのそのマトリックス |
| Markusが使用できるプロファイラー |
| 彼の目的のために。 |
| クリス、教えてくれませんか |
| そのプロファイラーをどのように作成しましたか？ |
| ありがとう、ローラ。 今、私は行きます |
| 方法のハイライトを表示するには |
| モデルを取ることができました |
| 結果とそれらをに変える |
| 会社がプロファイラー |
| 簡単に作業できます。 |
| だからローラは彼女のモデルを |
| 標準化されたデータと私に送った |
| 同じモデルを含むテーブル |
| 傍受し、彼女も含まれています |
| 元の手段と標準 |
| に使用された偏差 |
| データを標準化します。 に |
| 右私たちはシムモデルを持っています |
| 暗黙の共分散行列。 |
| 間の共分散を含みます |
| 現在価値と |
| 即時からの遅れた値 |
| 過去。 この情報は説明します |
| すべての変数がどのように関連しているか |
| お互いに。 この形式では、 |
| モデルは準備ができていませんが |
| 予測に使用されます。 見る |
| 特定の変数がどのように変化するか |
| 他の人の機能として、私たちは持っています |
| この情報を使用して |
| 条件付きを導き出す |
| 応答の分布 |
| 変数が与えられた場合、変数 |
| 入力として使用したいもの。 |
| だから本質的に私たちは必要です |
| の条件付き平均 |
| 入力が与えられた場合の応答。 そう |
| そのためには、実装する必要があります |
| この式はここにあります。 |
| そのために、SWEEPを使用します |
| JSLのオペレーター、SWEEP |
| 演算子は数学ツールです |
| SASCEOと |
| 共同創設者のジム・グッドナイト。 それは |
| アメリカで出版されました |
| 1979年の統計学者。 スイープ |
| 演算子はおそらく単一です |
| への最も重要な貢献 |
| の計算統計 |
| 過去100年。 ほとんどのJMPユーザー |
| スイープがわからない |
| 演算子はすべての人に使用されます |
| のJMP統計プラットフォーム |
| たくさんの方法。 マトリックスに使用します |
| 反転、その計算 |
| 二乗和であり、 |
| シンプルでエレガントなものとして活用 |
| 条件付きを計算する方法 |
| あなたが知っているなら分布 |
| 正しく使用する方法。 |
| 列のあるテーブルを作成しました |
| すべての変数に対して。 二つ |
| 表の行は |
| の最小値と最大値 |
| 元のデータ。 |
| プロファイラーは、セットアップ方法を知っています |
| 範囲。 数式列を追加しました |
| を使用した応答変数の場合 |
| のスイープバージョン |
| ローラの分散行列 |
| それらの式をモデル化して配置します |
| ここのデータの後ろに |
| テーブルまたは右端。 |
| これが式の1つです |
| ように見えた。 私は引っ張った |
| としての分析結果 |
| 行列。 ローラのモデルが含まれています |
| 間の推定共分散 |
| 最後の2つの現在のY |
| だったので前の値 |
| 大きな多変量 |
| 次数2の自己回帰モデル。 |
| によって現在を予測する |
| 前の2つを制御する |
| 入力変数の値 |
| 何が非常に面倒になるのか |
| 運用可能にする。 だから私は作った |
| 単純化した仮定 |
| これらの2つの値は |
| 同じ、崩壊した |
| だった形にモデル化 |
| 使いやすい。 これを行うために、私は。 |
| 同じ列を使用するだけです |
| 私が演説していたときのラベル |
| ラグワンに、そして |
| 期間の2つのエントリを遅らせます。 |
| 機械が設置されていない場合、 |
| のプロファイラーを作成しました |
| の応答列 |
| 興味。 設定しました |
| その望ましさの機能 |
| 会社の |
| 目標。 だから彼らはしたかった |
| 上のターゲットに一致する |
| A2TopTemp、A2BotTempを最大化、 |
| など、最終的には |
| 合計を最小にしたい |
| 出てきた蒸気の |
| 2つの列の。 |
| だからあなたは特定をロックすることができます |
| プロファイラーの変数 |
| 痛みのクリックを制御します。 ザ・ |
| ロック変数には |
| 赤一色で描かれた値 |
| 行、そして私たちがやったら |
| の値を入力できること |
| それら、そして私たちが実行するとき |
| オプティマイザーまたは最大化 |
| 望ましさ、ロック |
| 変数は固定されたままになります。 |
| このようにして、の設定を見つけます |
| 制御できる変数 |
| 製品が作られ続ける |
| 仕様に |
| エネルギーコストを最小限に抑えます。 |
| それはそうだと言っても過言ではありません |
| 他の誰かがするのは難しい |
| ローラのモデリングアプローチを繰り返す |
| 新しい問題について、そしてそれは |
| 他の人にとって難しい |
| 私のようにプロファイラーを設定する |
| ここに。 十分な数の人がこれを見れば |
| プレゼンテーションを追加してほしい |
| この種のプラットフォーム |
| 将来的に分析が容易になり、 |
| あなたは私たちに知らせる必要があります |
| 技術に手を差し伸べる |
| support@JMP.comによるサポート。 |
| 今、私はそれを返すつもりです |
| 話をするマーカスに |
| 顧客が何をしたかについて |
| モデルと私たちの結論。 |
| ありがとう、クリス。 |
| したがって、予測プロファイラーを使用すると、 |
| クリスが提示したばかりの私たち |
| それを使って、例えば、 |
| 予測ランドスケープ、 |
| どのように私たちを理解させます |
| 最適な設定は |
| すべてを達成するために |
| 必要な品質仕様。 など |
| 何3つの要因 |
| たとえば、次のように変化します |
| 私たちの影響力の範囲は限られていますが、 |
| そして何ですか |
| Still1と |
| Still2のフィードと |
| 品質または構成 |
| フィードの1つに。 |
| そして、私たちが |
| 彼らのモデルも、 |
| 冷却水の温度は |
| また重要な役割を果たしています |
| このシナリオでは。 他のすべて |
| 変数の重要性は低い |
| でそれらを無視するように |
| この最初のアプローチ。 |
| ここに風景が見えます。 |
| それは一種の変動性です |
| チャート、いわば、 |
| ここでは、 |
| Still 1、Still1へのフィード |
| そしてStill2へのフィード |
| そしてすべての可能な組み合わせ、 |
| 多かれ少なかれ。 そして、ここであなたはそれを見る |
| 予測される設定 |
| 滞在するために最善である |
| 仕様の範囲内。 そして |
| これが私が持っているこれらのいくつかです |
| 仕様もありますので、 |
| それらの中にとどまらなければなりません。 |
| だから、例えば、それは |
| Still 2の蒸気流、 |
| そこで逆流し、ボイラーを上げて |
| 同じこと |
| それでも1。 そしてここ右側 |
| 側、あなたは見る |
| 予測された結果なので、 |
| 品質仕様、いわば。 だから |
| トップフローの温度 |
| それでも1その密度 |
| 留出物の密度 |
| スティル2の留出物の |
| などなど。 だから何 |
| あなたが持っているなら、あなたはここにあります |
| 望ましさについてはこちらをご覧ください。 |
| ここの一番下の行です、 |
| 大きな領域があります |
| 私たちは本当に良いことを達成することはできません |
| 私たちのシステムのパフォーマンス。 で、もし |
| あなたは詳細を調べています |
| ほら、わかりました、ここでは仕様外です、 |
| ここで私たちは仕様外です、ここで |
| いくつかの点、仕様外など |
| などなど。 しかし、他に何が見えるか |
| これはスペック内/スペック外のものです |
| だけでなく、 |
| これらの3つのコンポーネントがダウン |
| ここだけでなく、川のそば |
| 温度、そして今のところ |
| 最も低いものが強調表示されます |
| 川の温度;それは1です |
| 程度。 だからこれはあなたがここに見る |
| それで、私たちはほとんど滞在しています |
| スペックの時間はありますが |
| まれです |
| これら3つの組み合わせ |
| 私たちがいない要因。しかし、 |
| 私たちは川を増やしています |
| 温度、例えば24 |
| 度、それから私たちがいるエリア |
| 仕様外です...多くなります |
| より優勢。 だからここにある |
| この範囲内にとどまるのは非常に難しい |
| 仕様。 だから私たちは何 |
| モデルから学んだ |
| 滞在するのに問題があるということです |
| 私たちの仕様では |
| 川の温度が7を超えています |
| 摂氏。 |
| なぜなのかという質問 |
| それ？ そしてエンジニア |
| しばしば...疑われるのは |
| これは |
| の冷却能力 |
| 涼しい。 しかし、行く前に |
| 実際の裁判に、私たちは |
| SEMモデルと |
| 熱力学モデルベース |
| ChemCADで。 |
| そしてそれが何を指摘したか |
| 両方のモデルが |
| 同じを指して |
| 方向なので、ありませんでした |
| 本当の矛盾はありません |
| 両方の間。 |
| OK、これで私たちは |
| 楽観的なムードでした |
| いくつかの実際の試験 |
| そして最高の |
| 設定、そして言いましょう、 |
| 予測を承認しました |
| モデルからのもの。 |
| そして、私が言ったように、それは判明しました |
| すでに、それはエンジニアが何であるか |
| 冷却が疑われる |
| クーラーの容量はありません |
| 十分。 そして、あなたが持っているとき |
| より高い川の温度で、 |
| その後、熱伝達も |
| 小さいので、機器..。 |
| 機器は実際には動作しません |
| もう。 次のステップは |
| これからこれらのデータを使用するには |
| 別のことを正当化するためにここで勉強する |
| 構築する投資 |
| ここのクーラーはより良い |
| 熱交換容量。 |
| ローラとクリスのおかげで、 |
| ここに投資を設定することができます。 |
| ご不明な点がございましたら |
| 今すぐお気軽にお問い合わせください。 |
| ありがとうございました。 |
起こるデータ探索予測モデリング
