Lautsprecher | Transkript |
| Hallo, ich bin Chris Gotwalt und |
| Heute werde ich es sein |
| Vortrag mit Markus Schafheutle |
| und Laura Castro-Schilo |
| über eine industrielle Anwendung von |
| Strukturgleichungsmodelle oder |
| SEM. Dieser Vortrag stellt einen davon vor |
| die Dinge, die mir am meisten Spaß machen |
| meine Arbeit mit JMP. Im JMP |
| statistische Entwicklung, wir haben eine |
| Vogelperspektive auf das, was ist |
| geschieht in der Datenanalyse |
| über viele Bereiche hinweg, was gibt |
| uns die Gelegenheit zu überqueren |
| Befruchten Sie Best Practices in allen Bereichen |
| Disziplinen. |
| In JMP Pro 15 haben wir ein neues hinzugefügt |
| Modellierung von Strukturgleichungen |
| Plattform. Das ist die Dominante |
| Datenanalyse-Framework in einem |
| Viele Sozialwissenschaften, weil |
| Es modelliert flexibel Komplexe |
| Beziehungen in Multivarianten |
| Einstellungen. Einer der Schlüssel |
| Merkmale sind, dass Variablen möglicherweise |
| sowohl als Regressoren als auch verwendet werden |
| Antworten gleichzeitig mit a |
| Teil desselben Modells. |
| Außerdem kam es mir in den Sinn |
| das mit diesen kompliziert |
| mit welchen Modellen sie vertreten sind |
| Diagramme, die zumindest auf der |
| Oberfläche, sehen aus wie Diagramme |
| vertritt die Fertigung |
| Prozesse. Ich war nicht der Einzige |
| um diese Verbindung herzustellen. Markus, |
| Wer arbeitete mit a |
| Chemieunternehmen, dachte das |
| gleiche Sache. Er arbeitete an einem |
| Problem mit einem Chemieunternehmen |
| mit einem zweisäuligen Zwilling |
| Destillationsherstellung |
| verarbeiten, wo sie wollten |
| Minimieren Sie die Energiekosten |
| geht größtenteils auf Dampf |
| Produktion, während noch gemacht wird |
| Produkt, das drin blieb |
| Spezifikation. Er hat sich gemeldet |
| sein JMP-Vertriebsingenieur, |
| Martin Demel, der dann die Verbindung herstellte |
| Markus an Laura und mich. |
| Wir hatten eine Reihe von Treffen |
| wo er zeigte und beschrieb |
| die Daten, das Problem und die |
| Ziele des Unternehmens. Wir waren |
| in der Lage, die Daten zu modellieren |
| bemerkenswert gut. Unser Modell war |
| durch Weitergabe der Ergebnisse validiert |
| wie mit dem JMP kommuniziert |
| Profiler des Unternehmens |
| interne Experten und dann mit |
| der erste Prinzipsimulator |
| und dann mit neuen physikalischen Daten |
| aus der Pflanze. Das war klar |
| Erfolg als Datenwissenschaft |
| Projekt. Allerdings würde ich gerne |
| um einen Vorbehalt hinzuzufügen. Der Erfolg |
| erforderte die gemeinsame Anstrengung von |
| Laura, eine erstklassige Expertin |
| in Strukturgleichungen |
| Modellieren. Bevor er zu JMP kam, |
| Sie war Dozentin für Quantität |
| Psychologie an der Universität |
| North Carolina, Chapel Hill, eins |
| der Top-Abteilungen in der |
| UNS. Sie ist auch die Erfinderin von |
| die SEM-Plattform in JMP Pro. |
| Diese Übung war eine Herausforderung |
| sogar für sie. Sie musste eine schreiben |
| JSL-Programm, das selbst geschrieben wurde |
| ein JSL-Programm, das angegeben hat |
| Dieses Modell zum Beispiel. |
| Das Modell, das wir angepasst haben, war vielleicht |
| das größte und meiste |
| ausgefeiltes REM-Modell von allen |
| Zeit. Ich möchte das anrufen |
| wirklich hervorragend und |
| bahnbrechende Arbeit, die |
| Laura hat beides mit dem SEM gemacht |
| Plattform allgemein und in diesem |
| Fallstudie im Besonderen. Jetzt |
| Ich werde es übergeben |
| Markus, der geben wird |
| Hintergrund des Problems |
| Der Kunde wollte es also lösen |
| Laura wird darüber sprechen |
| SEM und ihr Modell dafür |
| Problem. Ich werde einen Brief schreiben |
| Diskussion darüber, wie wir das eingerichtet haben |
| Profiler und dann Markus |
| Schließen Sie ab und sprechen Sie darüber |
| Erkenntnisse aus dem Projekt und |
| die Aktionen, die der Kunde |
| nahm basierend auf unseren Ergebnissen. |
| Danke, Chris, dafür |
| Einführung. |
| Bevor ich mit dem Problem beginne, |
| Ich möchte Sie damit vertraut machen |
| Die Prinzipien der Destillation. |
| Destillation ist ein Prozess, der |
| trennt ein Flüssigkeitsgemisch |
| die meiste Zeit und trennt sich |
| sie in ihr Individuum |
| Komponenten. Wie funktioniert das? |
| arbeiten? Hier sehen Sie einen Schaltplan |
| Blick auf eine Labordestillation |
| Ausrüstung. Sie sehen, hier ist ein |
| Kolben, in dem die rohe Mischung, |
| was getrennt werden muss, ist |
| innen. Du heizt das hier ein |
| in diesem Fall mit einem Ölbad |
| und umrühren und dann geht es los |
| Sieden. Also der niedrigste Siedepunkt |
| Zuerst beginnt das Material und dann das |
| Dampf steigt hier auf und hält inne |
| Hier ist das Thermometer zu erreichen |
| die Siedetemperatur und dann |
| weiter geht es in diesen Kühler |
| hier, wo es kondensiert und |
| dann fallen hier die Kondensate ab |
| in die andere kleine Flasche. |
| Also wie gesagt, es ist gebaut |
| von...zum Trennen einer Mischung |
| von Flüssigkeiten mit unterschiedlichen |
| Siedepunkte, und das sind sie |
| nach Siedepunkt getrennt. |
| Zum Beispiel weiß es jeder |
| das vielleicht, wenn du machen willst |
| Schnaps aus einer Maische, du eben |
| Machen Sie den Brei darin |
| Flasche, erhitze es und dann du |
| Destilliere hier den Alkohol |
| und hol den Schnaps. |
| Da es sehr einfach aussieht |
| hier im Labor, im |
| Industrie ist es etwas mehr |
| kompliziert. Denn lasst uns |
| sagen, die Ausrüstung ist nicht |
| nur größer, aber mehr |
| komplex und vor allem weil |
| des technischen Teils |
| der Geschichte. |
| Also in dieser Studie, die |
| Die Destillation wurde nicht durchgeführt |
| stapelweise, wie Sie bereits gesehen haben, |
| aber auf kontinuierliche Weise. Das |
| bedeutet, dass die Rohmischung ist |
| irgendwo in der Mitte gepumpt |
| die Spalte und dann das Tief |
| kochendes Material steigt als |
| Dampf zum Kopf der Kolonne |
| und dort verlässt es die Spalte |
| und der andere höher siedend |
| Material fließt nach unten und |
| verlässt die Säule unten. |
| Und um es noch ein bisschen mehr zu machen |
| kompliziert, in unserem Fall die |
| Der untere Strom wird dann gepumpt |
| in eine zweite Spalte und |
| wieder destilliert, sozusagen |
| Trennen Sie ein anderes Material |
| von der Hauptseite..von... |
| aus dem Restmaterial. Also |
| Eigentlich haben wir das getrennt |
| ursprüngliche Rohmischung hinein |
| drei Teile | Destillat 1, |
| Destillat 2 und was ist |
| links, dann der untere Strom |
| des zweiten Standbildes. |
| Und es noch mehr zu machen |
| Komplex, wir nutzten die Wärme des |
| Destillat dieser zweiten Kolonne |
| um die erste Säule einzuheizen |
| um hierfür Energie einzusparen. |
| Also in einer schematischen Ansicht, |
| das sieht so aus. |
| Hier haben Sie noch 1 und |
| es gibt noch 2. Und hier sind wir |
| Habe den Rohstoffmix, der |
| ist eigentlich Montage von |
| Destillate aus der |
| Herstellung und was wir wollen |
| zu tun ist, den Wert zu trennen |
| Material vom Rest. Also wir |
| pumpte diese Rohmischung in die |
| erste Standbilder. Wie ich irgendwo gesagt habe |
| in der Mitte trennt es sich |
| der niedrige Siedepunkt, der |
| erstes Wertmaterial, das wir wollen |
| haben, und der Rest verlässt das |
| zunächst noch ganz unten. Dann |
| Es wird sofort hier gespeichert |
| ein Panzer und dann von hier aus ist es so |
| wieder in die zweite gepumpt |
| immer noch, wieder irgendwo in der |
| Mitte, und es teilt sich in |
| der zweite Wert Material und |
| Wegstrom, der damals war |
| erneut hinterlegt. Um das Zeug zu erhitzen, |
| Wir beginnen auf dieser Seite, weil |
| das ist der höhere Siedepunkt |
| Material, also brauchen wir höher |
| Temperaturen und das bedeutet auch |
| mehr Energie. Also pumpen wir hinein |
| Dampf hier, erhitze das noch hier, |
| und das Material, das hier weitergeht |
| Die Oberseite hat die Temperatur von |
| das Sieden dieses Materials, also |
| Wir nutzten die Restwärme dazu |
| Erhitzen Sie die erste Destille. Und wenn |
| Dazwischen klafft eine kleine Lücke |
| was kommt von hier und |
| wofür wir brauchen |
| Destillation hier im ersten |
| Dennoch können wir noch ein wenig hinzufügen |
| zusätzlicher Dampf zum Aufbewahren |
| alles läuft. |
| Das ist also ein sehr hohes Niveau |
| Sicht auf die Dinge, und wenn Sie |
| Ich möchte etwas näher darauf eingehen |
| Details, hier ist es irgendwie |
| gleiches Bild. Aber hier zeige ich |
| Sie mit all den verschiedenen Tags |
| was wir hier für alle haben |
| Auslesungen und Qualitätskontrolle und |
| Temperaturregelung und so weiter |
| und so weiter. Also, was Sie sehen |
| Hier? Wir fangen hier an, für Futter eins |
| in das erste Standbild. |
| Und dann trennen wir uns nach oben |
| Stream, in dem wir die Kontrolle haben |
| Dichte, was eine Qualität ist |
| charakteristisch. Und in der |
| unterer Strom, der untere Strom |
| kommt in diesen Zwischentank. |
| Und von hier aus ist es montiert |
| wieder ins zweite Standbild und |
| auch und hier in der getrennt |
| Unterstrom für Oberstrom. |
| Und wieder testen wir hier |
| Dichte zur Qualitätskontrolle. |
| Auch hier fügen wir den Dampf hinzu |
| Erhitze all diese Dinge und |
| Der obere Fluss erfolgt dann über Wärme |
| Wärmetauscher in den ersten Destillierapparat |
| und nochmals erhitzen. Und hier |
| Wir haben die Möglichkeit hinzuzufügen |
| etwas mehr Dampf zu haben |
| hier ist alles im Gleichgewicht. |
| Was wir also sehen, ist auf einem Einheimischen |
| Basis hast du eine Menge |
| Korrelation, also ist dies erledigt |
| hier mit dem Farbcode des |
| Pfeile. So zum Beispiel das Futter |
| hier zusammen mit dem Feed |
| Dichte, die ein Maß für ist |
| die Zusammensetzung hiervon |
| füttern. Also zusammen mit diesen beiden |
| definieren den Top-Stream und |
| Qualität hier und da |
| Bodenstrom mehr oder weniger. Also du |
| habe einige lokale Vorhersagen. Auch |
| Hier drüben geht das Material rein |
| hier und hier definiert Dinge über |
| Hier. Aber wenn Sie eine haben wollen |
| Gesamtbeschreibung des Ganzen |
| Ausrüstung, dann wird es knifflig |
| weil man lokale kleinste Quadrate berechnen kann |
| Zusammenhänge hier. Du kannst es schaffen |
| Hier. Sie können es separat tun |
| für den Dampf oder auch hier. Aber |
| Wie Sie sehen, haben wir einen Anfang |
| der Massenstrom kommt hierher, geht |
| durch zuerst noch, durch die |
| Zweitens noch, bis hierher und wir haben |
| ein Energiestrom, der in Gang kommt |
| mehr oder weniger hier, durchgehend |
| auch hier über den Wärmetauscher |
| hier unten. Es ist also eine Art |
| Schaltung, die wir hier haben, und |
| All diese Dinge hängen zusammen |
| mehr oder weniger in einer Art |
| der Schaltung und das gibt |
| uns die Schwierigkeit, die wir |
| Ich wusste eigentlich nicht, was die Xs sind |
| und die Ys waren. |
| Und das war der Grund, warum wir |
| fing an, über andere nachzudenken |
| Möglichkeiten, dies zu modellieren. |
| Das Ziel dieser Studie war also |
| den optimalen Fluss zu finden und |
| Dampfeinstellungen für alle diese |
| unterschiedliche eingehende Faktoren |
| hier und auf eine Weise, die wir |
| können alles bleiben |
| in spez. Also das Destillat |
| Die Qualität sollte aber den Spezifikationen entsprechen |
| auch intern operativ |
| Spezifikationen und auch die Spezifikation für |
| der letzte Abfallstrom. |
| Und der interessanteste Teil, |
| zumindest Geld |
| weise wollen wir minimieren |
| der Verbrauch der |
| Geschwindigkeit...tut mir leid, wegen des Dampfes. |
| Was wir also tatsächlich brauchten |
| war zunächst einmal ein gutes Modell |
| was dies und das beschreibt |
| war der Punkt, an dem Laura kam |
| hier ins Spiel gekommen und weiterentwickelt |
| dieses Strukturgleichungsmodell. |
| Und so etwas brauchen wir auch |
| Profiler, der es uns ermöglicht |
| Finden Sie heraus, was die besten sind |
| Einstellungen, die optimalen Einstellungen |
| für all diese eingehenden |
| Variationen, die wir haben können |
| hier, um in allem zu bleiben |
| diese Spezifikationen. Und das war's |
| Punkt, an dem Chris ins Spiel kam, |
| Aufbauend auf dem Vorbild von Laura, |
| ein Profiler, den wir verwenden können |
| Wir machen alle Vorhersagen |
| brauchen. Jetzt möchte ich bestehen |
| rüber zu Laura, um das zu beschreiben |
| Modell, das sie daraus gebaut hat |
| Daten hier. Laura, bitte. |
| Danke, Markus. Ich bin Laura |
| Castro-Schilo und ich gehen |
| um Ihnen die Schritte zu erklären |
| Wir folgten, um das zu modellieren |
| Destillationsprozess mit |
| die Strukturgleichung |
| Modellplattform. |
| Als Markus also zum ersten Mal kam und |
| hat mit uns über sein Projekt gesprochen, |
| es waren drei spezifische |
| Merkmale, die mir klar gemacht haben |
| dass SEM ein gutes Werkzeug wäre |
| für ihn. Das erste ist das |
| Es gab ein ganz bestimmtes |
| Theorie, wie die Prozesse |
| beeinflussen sich gegenseitig, und wir haben gesehen |
| das auf dem Diagramm, das er |
| zeigte. |
| Ein wichtiges Merkmal davon |
| Diagramm ist, dass alle Variablen |
| hatte Doppelrollen. Mit anderen Worten, |
| Sie können sehen, dass die Pfeile darauf zeigen |
| die Knoten des Diagramms, aber |
| diese Knoten zeigen auch auf andere |
| Variablen, also gab es keine |
| klare Unterscheidung zwischen was |
| war eine Eingabe und was war eine |
| Ausgabe. Vielmehr hatten Variablen |
| beide Rollen. |
| Schließlich war es wichtig |
| erkennen, dass wir es zu tun hatten |
| mit Prozessen, die waren |
| wiederholt gemessen. In anderen |
| Mit anderen Worten, wir hatten Zeitreihendaten |
| und so all diese Funktionen |
| machte mir klar, dass SEM das tun würde |
| ein gutes Werkzeug für Markus sein. Jetzt, |
| Wenn Sie mit SEM nicht vertraut sind, |
| Vielleicht frage ich mich warum. SEM ist ein sehr |
| allgemeinen Rahmen, der bietet |
| viel Flexibilität im Umgang |
| mit solchen Problemen. |
| Ich habe in dieser Folie a aufgelistet |
| zahlreiche unterschiedliche Funktionen |
| Das macht SEM zu einem guten Werkzeug, aber |
| da wir es nicht schaffen werden |
| all das durchzugehen, ich |
| auch einen Link enthalten, wo Sie |
| Erfahren Sie mehr über SEM |
| wenn Sie interessiert sind. Jetzt bin ich |
| Ich werde mich auf zwei davon konzentrieren |
| Punkte, die ich hier habe. Der erste |
| ist, dass SEM uns das Testen ermöglicht |
| Theorien des Multivariaten |
| Beziehungen zwischen Variablen, |
| Das war genau das, was Markus sagte |
| wollte es machen. |
| Außerdem gibt es sehr nützliche |
| Werkzeuge in SEM namens Pfad |
| Diagramme. Diese Diagramme sind |
| sehr intuitiv und sie |
| stellen die statistischen Modelle dar |
| dass wir passen. |
| Sprechen wir also über diesen Punkt a |
| etwas mehr. Hier ist ein Beispiel |
| eines Pfaddiagramms, das wir könnten |
| Zeichnen Sie die SEM-Plattform ein |
| stellen eine einfache Linearität dar |
| Regression, und das Diagramm ist |
| sehr spezifisch gezeichnet |
| Merkmale. Wir sind zum Beispiel |
| Verwenden von Rechtecken zur Darstellung |
| die Variablen, die wir haben |
| gemessen. Hier sind es X und Y. Wir |
| habe auch einen einköpfigen Pfeil |
| stellen Regressionseffekte dar. Und |
| Beachten Sie die Doppelpfeile |
| die gleich beginnen und enden |
| Variablen repräsentieren Varianzen. |
| Nun, wenn diese anfangen würden und |
| auf einer anderen Variablen enden, |
| Diese doppelköpfigen Pfeile würden es tun |
| stellen dann eine Kovarianz dar. In |
| In diesem Fall haben wir nur das |
| Varianz von X und dem Residuum |
| Varianz von Y, das ist der Teil |
| das wird nicht durch die erklärt |
| Vorhersage von X. |
| Das ist also das Pfaddiagramm |
| Darstellung eines einfachen |
| lineare Regression. Aber natürlich |
| wir könnten uns auch das ansehen |
| Gleichungen, die dargestellt werden |
| durch dieses Diagramm. Und merke dir das |
| für Y ist diese Gleichung die von |
| einfach eine lineare Regression. Und |
| Ich habe hier die Mittel und weggelassen |
| fängt nur der Einfachheit halber ab. |
| Es ist wichtig, das zu beachten |
| alle Parameter in |
| Die Gleichungen lauten |
| im Pfad dargestellt |
| Diagramm, also diese Diagramme |
| das wirklich vermitteln |
| präzises statistisches Modell |
| dass wir passen. |
| Jetzt im SEM die Diagramme bzw |
| Modelle, die wir spezifizieren, implizieren a |
| sehr spezifische Kovarianz |
| Struktur. Dies ist das |
| Kovarianzstruktur, die wir |
| würde angesichts der einfachen erwarten |
| lineares Regressionsmodell. Also du |
| Sie können sehen, dass wir Epsilon X als haben |
| Varianz von X. Wir haben auch die |
| Varianz von Y, also a |
| Funktion sowohl der Varianz von |
| X und die Restvarianz von |
| Y, und wir haben auch eine |
| Ausdruck für die Kovarianz von |
| X und Y. Und im Allgemeinen ist das |
| Art und Weise, wie die Modellanpassung beurteilt wird |
| im SEM erfolgt durch Vergleich des Modells |
| implizite Kovarianzstruktur zu |
| die tatsächlich beobachtete Probe |
| Kovarianz der Daten und wenn |
| diese beiden sind ziemlich nah beieinander |
| einander, würden wir dann sagen |
| dass das Modell sehr gut passt. |
| Also eine Reihe verschiedener Modelle |
| kann in REM eingepasst werden. |
| Und heute liegt unser Fokus auf |
| wird konkret sein |
| auf Zeitreihenmodellen. |
| Wenn wir über Zeitreihen sprechen, |
| wir sprechen konkret darüber |
| eine Sammlung von Daten, wo dort |
| ist die Abhängigkeit von vorherigen Daten |
| Punkte, und diese Daten sind |
| normalerweise gleichmäßig gesammelt |
| beabstandete Zeitintervalle. |
| Und die Art und Weise dieser Zeitreihe |
| Die Analyse befasst sich mit der |
| Abhängigkeiten in den Daten sind durch |
| Rückschritt in die Vergangenheit. Also eins |
| Art dieser Modelle genannt werden |
| autoregressive Prozesse bzw |
| ARP. Und Sie können hier sehen, wo |
| Y stellt einen Prozess dar |
| gemessen zum Zeitpunkt T, dem Auto |
| Regressive Modelle bestehen aus |
| diesen Prozess weiter zurückbilden |
| frühere Beobachtungen dazu |
| Prozess bis zum Zeitpunkt T minus P. |
| Also wenn wir reden |
| speziell über ein |
| autoregressiver ein Prozess, |
| Dann können Sie sehen, dass wir das haben |
| Prozess YT hat sich auf seine zurückgebildet |
| unmittelbar angrenzend an YT vorbei |
| minus eins. |
| Und so, wie wir es tun würden |
| Dies in SEM umzusetzen ist einfach |
| indem wir, wie wir zuvor gesehen haben, angeben, |
| die Regression von YT auf YT minus |
| eins. Beachten Sie also, dass hier die |
| Regressionsgleichung ist sehr |
| ähnlich dem, was wir gesehen haben |
| die vorherige Folie usw |
| Es ist keine Überraschung, dass die |
| Das Pfaddiagramm sieht genauso aus. |
| Und wir können diesen AR(1) erweitern |
| Modell zu einem, das zwei enthält |
| Verzögerungen, mit anderen Worten, an |
| Autoregressiv der zweiten Ordnung. Und |
| Hier sehen wir, dass wir den Prozess haben |
| YT, auf dem es zu Rückschritten kommt |
| sowohl T minus 1 als auch T minus 2. |
| Und wenn wir uns den Weg ansehen |
| Diagramm, das das darstellt |
| Modell, wir sehen, dass wir ein haben |
| explizite Darstellung für die |
| Prozess zum aktuellen Zeitpunkt, aber |
| auch bei Lag eins und Lag zwei. |
| Ein sehr spezifischer Aspekt davon |
| Diagramm ist, dass die Pfade für |
| benachbarte Zeitpunkte werden festgelegt |
| einander gleich sein, und das |
| ist ein wichtiger Teil davon |
| Spezifikation, die es uns ermöglicht |
| Geben Sie das Modell korrekt an. Also |
| Beachten Sie, dass wir hier Beta 1 verwenden |
| um diese Verzögerung darzustellen 1 |
| Auswirkungen haben und das müssen wir auch |
| Gleichheitsbeschränkungen festlegen |
| die Restvarianzen. |
| Schließlich haben wir auch den Effekt |
| von YT minus 2 wie es ist |
| Vorhersage von YT, und hier ist die |
| Verzögerung 2 Effekte. |
| Mittlerweile sind es alle diese Modelle |
| univariate Zeitreihenmodelle, |
| und Sie können sie mit dem anpassen |
| Strukturgleichungsmodellierung |
| Plattform in JMP oder Sie könnten |
| Verwenden Sie auch die Zeitreihe |
| Plattform, die uns zur Verfügung steht. |
| Allerdings waren wir das Problem |
| Umgang mit Markus‘ Daten |
| erfordern mehr Komplexität. Es |
| erforderte, dass wir uns das ansahen |
| Multivariate Zeitreihenmodelle |
| und eine Art dieser Modelle sind |
| namens vektorautoregressiv |
| Modelle. Und was ich gerne tun würde |
| show you ist eines dieser Modelle |
| der Ordnung zwei. |
| Wir haben also einen Prozess für X und |
| noch eins für Y und das Gleiche |
| autoregressive Effekte, die wir |
| die ich zuvor gesehen habe, sind hier enthalten. |
| Beachten Sie, dass wir gleichberechtigt sind |
| Einschränkungen, die wirklich sind |
| wichtig für die richtige |
| Spezifikation. Aber das haben wir auch |
| die Querverzögerungseffekte, die |
| Sagen Sie uns, wie die Prozesse ablaufen |
| beeinflussen sich gegenseitig. Und beachten Sie |
| hier Gamma 1 und Gamma 1 und |
| auch Gamma 3, Gamma 3, |
| Ich schlage hier vor, dass wir es tun müssen |
| Gleichheitsbeschränkungen auferlegen |
| diese Lag-1-Effekte quer |
| Prozesse. |
| Wir müssen auch das einbeziehen |
| Kovarianzen über die Prozesse hinweg |
| also haben wir ihre Kovarianz bei |
| Zeit T minus 2. Aber das haben wir auch |
| die verbleibenden Kovarianzen zum jeweiligen Zeitpunkt |
| T minus 1 und T und beachten Sie diese |
| muss Gleichberechtigung haben |
| Einschränkungen wieder richtig zu haben |
| Spezifikation. Also gehe ich |
| Um Ihnen in diesem Video zu zeigen, wie |
| wir würden eine bivariate Zeit anpassen |
| Serienmodell genau wie das |
| eine, die ich Ihnen gezeigt habe, mit JMP |
| Profi. Wir fangen damit an |
| unsere Daten so manipulieren, dass |
| Sie sind bereit für SEM. Erste, |
| Wir standardisieren diese beiden |
| Prozesse, weil sie in sind |
| sehr unterschiedliche Maßstäbe. |
| Dann erstellen wir verzögerte Variablen |
| um explizit die Zeit darzustellen |
| Punkte vor der Zeit T. Also sind wir |
| zu haben |
| T minus 1 und T minus 2. |
| Wir haben die SEM-Plattform gestartet und |
| Wir werden die Xs eingeben |
| dann das Y, damit es so ist |
| einfacher, unsere Modelle zu spezifizieren. |
| Und jetzt habe ich das Video beschleunigt |
| damit Sie schnell sehen können |
| wie das Modell spezifiziert ist. |
| Hier fügen wir das hinzu |
| Querverzögerungseffekte |
| für Verzögerung 1. |
| Und dann direkt mit dem |
| Interaktivität des Diagramms, wir |
| Fügen Sie die Lag-2-Effekte hinzu. |
| Und was bleibt, ist |
| Geben Sie alle Gleichheit an |
| Einschränkungen, die erforderlich sind |
| für diese Modelle innerhalb |
| prozess- und prozessübergreifend. |
| Wir benennen unser Modell. |
| Und schließlich sind wir es |
| Ich werde es ausführen. |
| Wie Sie sehen konnten, sogar nur ein |
| bivariates Zeitreihenmodell |
| umfasst nur zwei Prozesse |
| erfordert eine Reihe von Gleichberechtigung |
| Einschränkungen und Nuancen in der |
| Spezifikation, die es ausmacht |
| relativ anspruchsvoll. Jedoch, |
| im Falle der Destillation |
| Prozessdaten hatten wir noch viel mehr |
| als zwei Prozesse. Wir waren |
| Ich beschäftige mich tatsächlich mit 26 von |
| diese Prozesse und insgesamt wir |
| hatte etwa 45.000 |
| Messungen, die durchgeführt wurden |
| im 10-Minuten-Takt. |
| Und so war unser erster Ansatz |
| die Univariate erforschen |
| Zeitreihenmodelle mit der |
| Zeitreihenplattform in JMP. |
| Und als wir das taten, haben wir |
| Das ist den meisten klar geworden |
| verarbeitet einen AR(1) oder AR(2) |
| Modell passt am besten, und so das |
| hat mir das wirklich klar gemacht |
| Zumindest brauchten wir es |
| um multivariate Modelle einzupassen |
| SEM, das bei aufgenommen wurde |
| mindestens zwei Verzögerungen. |
| Wir mussten auch einer Nummer folgen |
| von Vorverarbeitungsschritten für |
| Vorbereitung der Daten in SEM. |
| Einerseits hatten wir viel |
| fehlende Daten, und obwohl |
| SEM kann fehlende Daten problemlos verarbeiten |
| gut, mit Modellen, die so sind |
| so komplex wie diese, wurde es |
| rechnerisch sehr sehr |
| intensiv. Und so haben wir uns dazu entschlossen |
| Wählen Sie eine Teilmenge der Daten aus, in denen wir |
| hatte vollständige Daten für alle |
| Prozesse und das hat uns verlassen |
| etwa 13.000 Beobachtungen. |
| Außerdem haben wir, wie wir im Video gesehen haben |
| wies große Maßstabsunterschiede auf |
| über die Prozesse hinweg, also hatten wir |
| sie alle zu standardisieren. Und |
| Zuletzt haben wir Verzögerungsvariablen erstellt |
| um sicherzustellen, dass wir es konnten |
| Geben Sie die Modelle im SEM an. |
| Nun zur Modellspezifikation: |
| Gleichheitsbeschränkungen in |
| Insbesondere sind sehr, sehr groß |
| Herausforderung, weil es dauern würde |
| viel Zeit, sie zu spezifizieren |
| manuell und es wäre, von |
| Natürlich mühsam und fehleranfällig. |
| So unser Ansatz zur Bewältigung |
| Dies diente dazu, eine JSL zu generieren |
| Skript, das dann generiert werden würde |
| ein weiteres JSL-Skript zum Starten |
| die SEM-Plattform. |
| Und was Sie hier sehen, ist das |
| endgültiges Modell, in das wir passen |
| Plattform und zum Glück danach |
| Wir schätzen dieses Modell |
| in der Lage, eine Kovarianz zu erhalten |
| Struktur, die durch die impliziert wird |
| Modell und das war's |
| Informationen, die ich weitergeben konnte |
| über zu Chris Gotwalt, der |
| Dann nutzte ich die Informationen von |
| diese Matrix, um eine zu erstellen |
| Profiler, den Markus gebrauchen könnte |
| für seine Zwecke. |
| Also Chris, warum erzählst du es uns nicht? |
| Wie haben Sie diesen Profiler erstellt? |
| Danke, Laura. Jetzt gehe ich |
| um die Highlights davon zu zeigen |
| Ich konnte das Modell mitnehmen |
| Ergebnisse und verwandeln sie in ein |
| Profiler, dass das Unternehmen |
| konnte problemlos damit arbeiten. |
| Also ließ Laura ihr Modell laufen |
| standardisierte Daten und schickte mir eine |
| Tabelle mit demselben Modell |
| Intercepts und sie fügte auch hinzu |
| die ursprünglichen Mittel und Standards |
| Abweichungen, die man gewohnt war |
| die Daten standardisieren. Auf der |
| Richtig, wir haben das Sim-Modell |
| implizite Kovarianzmatrix, die |
| beinhaltet die Kovarianzen zwischen |
| die aktuellen Werte und die |
| verzögerte Werte von der unmittelbaren |
| Vergangenheit. Diese Informationen beschreiben |
| wie sich alle Variablen darauf beziehen |
| einander. In dieser Form, |
| obwohl das Modell dazu noch nicht bereit ist |
| zur Vorhersage verwendet werden. Um zu sehen |
| wie sich bestimmte Variablen ändern |
| als Funktion anderer haben wir |
| um diese Informationen zu nutzen |
| Leiten Sie die Bedingung ab |
| Verteilung der Antwort |
| Variablen, angesichts der Variablen |
| die wir als Eingaben verwenden wollen. |
| Im Wesentlichen brauchen wir also das |
| bedingtes Mittel der |
| Antworten auf die Eingaben. Also |
| Um das zu erreichen, müssen wir es umsetzen |
| diese Formel hier. |
| Und dazu nutzen wir den SWEEP |
| Operator in JSL, der SWEEP |
| Der Operator ist ein mathematisches Werkzeug |
| Das wurde vom SAS-CEO und erstellt |
| Mitbegründer Jim Goodnight. Es ist |
| wurde im American veröffentlicht |
| Statistiker im Jahr 1979. Der SWEEP |
| Betreiber ist wohl der Single |
| wichtigster Beitrag dazu |
| Computerstatistik in der |
| letzten 100 Jahre. Die meisten JMP-Benutzer |
| Ich weiß nicht, dass der SWEEP |
| Operator wird von jedem verwendet |
| JMP-Statistikplattform in |
| viele Möglichkeiten. Wir verwenden es für die Matrix |
| Inversion, die Berechnungen, die |
| Summen von Quadraten und können auch sein |
| als schlicht und elegant ausgenutzt |
| Methode zur bedingten Berechnung |
| Verteilungen, wenn Sie wissen |
| wie man es richtig verwendet. |
| Ich habe eine Tabelle mit Spalten erstellt |
| für alle Variablen. Die Zwei |
| Zeilen in der Tabelle sind die |
| Minima und Maxima der |
| Originaldaten, die die |
| Profiler wissen, wie man das einrichtet |
| Bereiche. Ich habe Formelspalten hinzugefügt |
| für die Antwortvariablen mit |
| die gefegte Version des |
| Varianzmatrix von Laura |
| Modellieren und formulieren Sie diese Formeln |
| hier in den Daten nach hinten |
| Tabelle oder ganz rechts. |
| Hier ist eine der Formeln |
| sah aus wie. Ich habe das eingezogen |
| Ergebnisse der Analyse als |
| Matrizen. Lauras Modell enthalten |
| die geschätzte Kovarianz zwischen |
| die aktuellen Ys in den letzten beiden |
| vorangehende Werte, weil es so war |
| ein großes Multivariat |
| autoregressives Modell der Ordnung 2. |
| Vorhersage der Gegenwart durch |
| Kontrolle der beiden vorherigen |
| Werte der Eingabevariablen |
| würde sehr umständlich werden |
| zu operationalisieren. Also habe ich es gemacht |
| eine vereinfachende Annahme, dass |
| diese beiden Werte sollten sein |
| das gleiche, was zusammengebrochen ist |
| Modell in eine Form, die war |
| einfacher zu verwenden. Dazu habe ich |
| Verwenden Sie einfach dieselbe Spalte |
| Etikett, als ich es ansprach |
| in die Verzögerung eins, und |
| zwei Einträge für den Begriff verzögern. |
| Ohne Maschinen vor Ort, |
| Ich habe einen Profiler dafür erstellt |
| Antwortspalten von |
| Interesse. Ich habe arrangiert |
| Erwünschtheit funktioniert das |
| spiegelte die des Unternehmens wider |
| Ziele. Also wollten sie |
| Passen Sie ein Ziel an |
| A2TopTemp, A2BotTemp maximieren, |
| und so weiter, letztlich |
| Ich möchte die Summe minimieren |
| des Dampfes, der austrat |
| der beiden Spalten. |
| So können Sie sicher sperren |
| Variablen im Profiler von |
| Kontrollieren Sie das Klicken auf einen Schmerz. Der |
| Sperrvariablen haben ihre |
| Wert, der durch ein durchgehendes Rot dargestellt wird |
| Linie, und dann, sobald wir fertig sind |
| für die wir Werte eingeben können |
| sie, und wenn wir die ausführen |
| Optimierer oder Maximieren |
| Begehrlichkeit, das Verschlossene |
| Variablen werden festgehalten. |
| Auf diese Weise finden wir Einstellungen des |
| Variablen, die wir kontrollieren können |
| die dafür sorgen, dass das Produkt hergestellt wird |
| nach Spezifikation während |
| Minimierung der Energiekosten. |
| Man kann mit Fug und Recht behaupten, dass es so wäre |
| für jemand anderen schwierig sein |
| Wiederholen Sie Lauras Modellierungsansatz |
| auf ein neues Problem, und das würde es auch |
| für eine andere Person schwierig sein |
| einen Profiler einzurichten, wie ich es getan habe |
| Hier. Wenn genug Leute das sehen |
| Präsentation und möchten, dass wir eine hinzufügen |
| Plattform, die so etwas macht |
| Analyse künftig einfacher, |
| Sie sollten uns Bescheid geben |
| Wenden Sie sich an den Techniker |
| Support über support@JMP.com. |
| Jetzt werde ich es zurückgeben |
| rüber zu Markus, der reden wird |
| darüber, womit der Kunde gemacht hat |
| das Modell und unsere Schlussfolgerungen. |
| Danke, Chris. |
| Also mit dem Vorhersage-Profiler, |
| was Chris gerade vorgestellt hat, wir |
| Ich habe das verwendet, um, sagen wir mal, eine zu machen |
| Vorhersagelandschaft, die |
| lässt uns verstehen, wie |
| Die besten Einstellungen sollten vorhanden sein |
| um alles zu erreichen |
| notwendigen Qualitätsvorgaben. Und so |
| Was sind die drei Faktoren? |
| sind, sagen wir, variieren mit |
| in begrenztem Umfang unserem Einfluss unterliegen, |
| und was ist das? |
| Futter für die Still 1 und die |
| Futter für die Still 2 und auch |
| die Qualität oder die Zusammensetzung |
| des Futters in eins. |
| Und was wir daraus gemacht haben |
| auch ihr Vorbild ist die |
| Kühlwassertemperatur war |
| spielen ebenfalls eine wichtige Rolle |
| In diesem Szenario. All die anderen |
| Variablen sind von geringerer Bedeutung |
| so dass wir sie vernachlässigten |
| dieser erste Ansatz. |
| Hier sehen Sie die Landschaft. |
| Es ist eine Art Variabilität |
| Diagramm, sozusagen, also haben wir |
| hier die Futterdichte für die |
| Still 1, der Feed in Still 1 |
| und die Einspeisung in Still 2 |
| und alle möglichen Kombinationen, |
| mehr oder weniger. Und hier sehen Sie dann |
| die Einstellungen, die vorhergesagt werden |
| der Beste sein, um zu bleiben |
| innerhalb der Spezifikationen. Und |
| Hier sind einige davon, die ich habe |
| Spezifikationen auch, also wir |
| müssen in ihnen bleiben. |
| So ist es zum Beispiel das |
| Dampfstrom für Still 2, der |
| Rückfluss da, der Kessel hoch und |
| die gleichen Dinge für die |
| Immer noch 1. Und hier rechts |
| Seite, Sie sehen das |
| vorhergesagte Ergebnisse, also die |
| Qualitätsspezifikationen sozusagen. Also die |
| Temperatur des oberen Zulaufs |
| Noch 1, dass die Dichte |
| des Destillats, die Dichte |
| des Destillats von Still 2, |
| und so weiter und so fort. Na und |
| Sie sehen, es ist hier, wenn Sie eine haben |
| Schauen Sie hier nach der Wünschbarkeit, |
| Das ist hier die unterste Reihe, |
| Es gibt große Gebiete, in denen |
| Wir können nicht wirklich etwas Gutes erreichen |
| Leistung unseres Systems. Und wenn |
| Sie schauen sich die Details an |
| Sie sehen, OK, hier liegen wir außerhalb der Spezifikation, |
| Hier sind wir außerhalb der Spezifikation, hier weiter |
| In einigen Punkten liegen wir außerhalb der Spezifikation und so weiter |
| und so weiter. Aber was sieht es sonst noch? |
| Ist das das in der Spezifikation/außerhalb der Spezifikation? |
| wird auch nicht nur durch geregelt |
| diese drei Komponenten nach unten |
| hier, aber auch am Fluss |
| Temperatur und für den Moment |
| es ist am niedrigsten hervorgehoben |
| Flusstemperatur; es ist 1 |
| Grad. Das sehen Sie also hier |
| damit verbringen wir die meiste Zeit |
| die Zeit in den Spezifikationen, obwohl dort |
| sind nur selten |
| Kombinationen dieser drei |
| Faktoren, bei denen wir nicht sind. Aber falls |
| Wir vergrößern den Fluss |
| Temperatur, zum Beispiel für 24 |
| Grad, dann die Bereiche, in denen wir |
| sind außerhalb der Spezifikation, sind ... viel geworden |
| vorherrschender. Auch hier ist es |
| Es ist sehr schwer, darin zu bleiben |
| Spezifikationen. Also was wir |
| vom Modell gelernt |
| ist, dass wir Probleme haben, zu bleiben |
| in unseren Spezifikationen, wenn die |
| Die Flusstemperatur liegt über 7 |
| Grad C. Also dann das |
| Die Frage war, warum das so ist |
| Das? Und die Ingenieure |
| oft...vermutet wird das |
| das lag daran |
| Kühlleistung des |
| Kühlmittel. Aber bevor wir gingen |
| in den echten Prozess, wir |
| verglich unser SEM-Modell mit a |
| thermodynamisches Modell basierend |
| auf Chem CAD. |
| Und worauf es hinwies, war |
| dass beide Modelle sind |
| zeigt auf das Gleiche |
| Richtung, also gab es keine |
| keine wirklichen Unstimmigkeiten |
| zwischen den beiden. |
| OK, das hat uns in eine Situation gebracht |
| Wir waren optimistisch und das taten wir auch |
| einige echte Prüfungen |
| und zwar mit den Besten |
| Einstellungen, und sagen wir, |
| stimmte dem vorhergesagten zu |
| Dinge aus den Modellen. |
| Und so kam es, wie gesagt |
| schon, das was der Ingenieur |
| vermutet, dass die Kühlung |
| Kapazität des Kühlers nicht |
| ausreichend. Und so, wenn Sie es haben |
| bei höherer Flusstemperatur, |
| dann ist die Wärmeübertragung auch |
| klein, und so die Ausstattung... |
| Gerät läuft nicht wirklich |
| mehr. Der nächste Schritt ist nun also |
| diese Daten daraus zu nutzen |
| Studieren Sie hier, um einen anderen zu rechtfertigen |
| Investition, die baut |
| ein Kühler hier mit einem besseren |
| Wärmeaustauschkapazität. |
| Vielen Dank also an Laura und Chris, wir |
| könnte hier die Investition tätigen. |
| Wenn Sie Fragen haben, dann |
| Fragen Sie jetzt einfach nach. |
| Danke schön. |
