耦合双蒸馏塔的结构方程建模（2021-EU-45MP-756）级别：中级
Markus Schafheutle，业务咨询顾问
Laura Castro-Schilo，SAS JMP高级研究统计学家开发人员
SAS统计研发总监JMP Christopher Gotwalt
我们描述了一个案例研究，用于对化学过程中的制造数据进行建模。 该研究的目的是为制造过程中的可控因素确定最佳设置，以使产品质量保持较高水平，同时将成本降至最低。 我们使用结构方程模型（SEM）来拟合多元时间序列模型，该模型捕获了多个过程变量之间的多元关联的复杂性。 然后，使用来自SEM的模型隐含协方差矩阵，我们创建了Prediction Profiler，可以估算可控因素的最佳设置。 领域专家验证了结果，并将预测与热力学模型的预测进行了比较。 成功验证后，在化工厂中对SEM和Profiler结果进行了测试，结果令人满意；优化的预测设置指向正确的方向，以优化质量和成本。 最后，我们概述了使用社会和行为科学而非工程学中常用的方法对这些数据进行建模所面临的挑战。
自动生成的成绩单...
扬声器 | 成绩单 |
| 你好，我是克里斯·高特沃特（Chris Gotwalt） |
| 今天我要成为 |
| 与Markus Schafheutle一起演讲 |
| 和劳拉·卡斯特罗·希洛（Laura Castro-Schilo） |
| 在工业上的应用 |
| 结构方程模型，或 |
| 扫描电镜 本演讲展示了以下内容之一 |
| 我最喜欢的事情 |
| 我在JMP上的工作。 在JMP中 |
| 统计发展，我们有一个 |
| 鸟瞰什么是 |
| 发生在数据分析中 |
| 跨越许多领域，这给了 |
| 我们有机会穿越 |
| 施展最佳实践 |
| 学科。 |
| 在JMP Pro 15中，我们添加了一个新的 |
| 结构方程建模 |
| 平台。 这是主导 |
| 数据分析框架 |
| 很多社会科学，因为 |
| 它灵活地建模复杂 |
| 多元关系 |
| 设置。 关键之一 |
| 特点是变量可能 |
| 用作回归器和 |
| 同时回应 |
| 同一模型的一部分。 |
| 而且，这发生在我身上 |
| 与这些复杂的 |
| 他们代表的模型 |
| 至少在 |
| 表面，看起来像图 |
| 代表制造业 |
| 流程。 我不是唯一的一个 |
| 建立连接。 马库斯 |
| 谁正在与一个 |
| 化工公司，以为 |
| 一样。 他正在做一个 |
| 一家化工公司的问题 |
| 与两列双胞胎 |
| 蒸馏制造 |
| 他们想去的地方 |
| 最大限度地减少能源成本 |
| 在很大程度上要蒸 |
| 生产，同时仍在生产 |
| 留在里面的产品 |
| 规格。 他伸出手去 |
| 他的JMP销售工程师 |
| 马丁·德梅尔（Martin Demel），然后与他联系 |
| 马库斯到劳拉和我。 |
| 我们举行了一系列会议 |
| 他展示和描述的地方 |
| 数据，问题和 |
| 公司的目标。 我们曾经 |
| 能够对数据建模 |
| 非常好。 我们的模型是 |
| 通过共享结果进行验证 |
| 与JMP沟通 |
| 公司的剖析器 |
| 内部专家然后 |
| 第一个原理模拟器 |
| 然后使用新的物理数据 |
| 从工厂。 这很明显 |
| 作为数据科学的成功 |
| 项目。 但是，我想 |
| 添加警告。 成功 |
| 需要 |
| 劳拉（Laura）是顶级专家 |
| 在结构方程式中 |
| 造型。 加入JMP之前， |
| 她在定量系 |
| 大学心理学 |
| 北卡罗来纳州教堂山，一 |
| 在最高的部门 |
| 我们。她也是 |
| JMP Pro中的SEM平台。 |
| 这项运动具有挑战性 |
| 即使是她 她不得不写一个 |
| 自己编写的JSL程序 |
| 一个指定的JSL程序 |
| 例如这个模型。 |
| 我们适合的模型也许是 |
| 最大和最大 |
| 所有的复杂SEM模型 |
| 时间。 我想喊出 |
| 真正杰出的 |
| 突破性的工作 |
| 劳拉（Laura）既完成了SEM |
| 平台，在此 |
| 特别是案例研究。 现在 |
| 我要交给 |
| 马库斯（Markus），他将奉献 |
| 问题的背景 |
| 客户想解决，然后 |
| 劳拉将要谈论 |
| SEM及其模型 |
| 问题。 我去写一封信 |
| 讨论我们如何建立 |
| 探查器，然后Markus将 |
| 总结并讨论 |
| 该项目的要点和 |
| 客户的行为 |
| 根据我们的结果。 |
| 谢谢克里斯，谢谢 |
| 介绍。 |
| 在我开始问题之前， |
| 我想让你熟悉 |
| 蒸馏原理。 |
| 蒸馏是一个过程 |
| 分离液体混合物 |
| 大部分时间和分开 |
| 他们成为他们的个人 |
| 成分。 那怎么办 |
| 工作？ 在这里，您可以看到示意图 |
| 实验室蒸馏的视图 |
| 设备。 你看这里是一个 |
| 烧瓶中有粗混合物， |
| 必须分开的是 |
| 里面。 你把它加热到这里 |
| 在这种情况下，用油浴 |
| 搅拌一下，然后开始 |
| 沸腾。 所以最低的沸腾 |
| 材料首先开始，然后 |
| 蒸气在这里上升并停顿 |
| 温度计到达的地方 |
| 沸腾的温度，然后 |
| 进一步进入这些冷却器 |
| 在这里它凝结着， |
| 然后冷凝水滴到这里 |
| 放入另一个小烧瓶中。 |
| 如我所说，它是内置的 |
| 从...分离混合物 |
| 不同的液体 |
| 沸点，这些是 |
| 用沸点分开。 |
| 例如，每个人都知道 |
| 那也许如果你想 |
| 混搭中的杜松子酒，你只是 |
| 在里面捣碎 |
| 烧瓶，加热它，然后你 |
| 在这里蒸馏酒精 |
| 并获得杜松子酒。 |
| 因为看起来很简单 |
| 在实验室里，在 |
| 行业多一点 |
| 复杂。 因为让我们 |
| 说设备不是 |
| 只有更大，但是更多 |
| 复杂，主要是因为 |
| 工程部分 |
| 的故事。 |
| 因此，在这项研究中， |
| 蒸馏未完成 |
| 如您以前所见，分批进行 |
| 但以连续的方式。 这 |
| 表示粗混合物是 |
| 抽在中间的某个地方 |
| 列，然后低 |
| 沸腾的物料上升 |
| 蒸气至塔顶 |
| 它离开了专栏 |
| 另一个沸腾的 |
| 物料向下流动， |
| 将列留在底部。 |
| 并使其更多 |
| 复杂的，在我们的例子中 |
| 然后抽底流 |
| 进入第二列 |
| 再次蒸馏，所以 |
| 分离另一种材料 |
| 从主要..从... |
| 从剩余的东西。 所以 |
| 实际上我们分开了 |
| 将原始原油混合物倒入 |
| 三个部分 | 馏出液1 |
| 馏出液2和什么 |
| 左，然后是底部流 |
| 第二个。 |
| 并使其更加 |
| 复杂，我们利用了 |
| 蒸馏第二列 |
| 加热第一列 |
| 为了节省能源。 |
| 因此，在示意图中， |
| 看起来像这样。 |
| 在这里，您还有静止1和 |
| 还有2。 在这里，我们 |
| 有哪些原料混合 |
| 实际上是 |
| 从 |
| 制造和我们想要的 |
| 要做的就是将价值分开 |
| 其余的材料。 所以我们 |
| 将此粗混合物泵入 |
| 第一剧照。 正如我在某处所说 |
| 在中间，它在 |
| 低沸点 |
| 我们想要的最有价值的材料 |
| 拥有，其余的离开 |
| 首先仍然在底部。 然后 |
| 它立即存储在这里 |
| 一辆战车，然后从这里开始 |
| 再次抽进第二个 |
| 还是，再次在 |
| 中间，并分为 |
| 第二有价值的材料和 |
| 离开溪流，那时 |
| 重新沉积。 加热东西 |
| 我们从这一方面开始，因为 |
| 这是沸腾的 |
| 材料，所以我们需要更高的 |
| 温度，这也意味着 |
| 更多的能量。 因此，我们将 |
| 蒸汽在这里，仍然加热在这里， |
| 和材料留在这里 |
| 顶部温度为 |
| 这种材料的沸腾，所以 |
| 我们用余热来 |
| 加热第一个静止的。 而如果 |
| 两者之间有一点差距 |
| 这里发生了什么， |
| 我们需要什么 |
| 首先在这里蒸馏 |
| 仍然，我们可以添加一点 |
| 保持多余的蒸汽 |
| 一切都在运行。 |
| 所以这是一个很高的水平 |
| 事物的看法，如果你 |
| 想要更多地进入 |
| 细节，这里有点 |
| 相同的图片。 但是我在这里展示 |
| 带有所有不同标签的您 |
| 我们在这里拥有所有 |
| 读数和质量控制以及 |
| 温度控制等 |
| 等等。 所以你看到的 |
| 这里？ 我们从这里开始，供稿一 |
| 进入第一个静止状态。 |
| 然后我们进入顶部 |
| 流我们控制的地方 |
| 密度，这是一种品质 |
| 特征。 而在 |
| 底层流，底层流 |
| 进入这个中间坦克。 |
| 然后从这里开始 |
| 再次进入第二静止 |
| 也分开在这里 |
| 底部流为顶部流。 |
| 再一次，我们在这里进行测试 |
| 用于质量控制的密度。 |
| 在这里，我们还添加了蒸汽 |
| 加热所有这些东西， |
| 顶部流然后通过热量 |
| 交换器进入第一个蒸馏器 |
| 并再次加热。 和这里 |
| 我们有可能添加 |
| 有一些额外的蒸汽 |
| 一切都在这里保持平衡。 |
| 所以我们看到的是在本地 |
| 根据你有很多 |
| 相关，所以完成了 |
| 这里有颜色代码 |
| 箭头。 例如，提要 |
| 这里和提要 |
| 密度，这是衡量 |
| 这里的组成 |
| 喂养。 因此，与这两个一起 |
| 正在定义头条新闻， |
| 这里的质量 |
| 底部流或多或少。 那么你 |
| 有一些当地的预测。 所以 |
| 这里的材料要进去 |
| 在这里和这里定义了东西 |
| 这里。 但是，如果您想拥有一个 |
| 整体描述 |
| 设备，然后变得棘手 |
| 因为你可以做局部最小二乘 |
| 这里的相关性。 你能行的 |
| 这里。 你可以分开做 |
| 还是这里的蒸汽。 但 |
| 如您所见，我们开始了 |
| 大量的水流来到这里，去 |
| 通过首先，通过 |
| 第二，到这里，我们有 |
| 能量流开始 |
| 或多或少在这里，经历 |
| 这里也通过热交换器 |
| 在这里 所以这是一种 |
| 电路，我们在这里，和 |
| 所有这些东西都是相关的 |
| 或多或少 |
| 的电路，这给了 |
| 我们的困难 |
| 其实不知道X是什么 |
| 和Ys。 |
| 这就是我们 |
| 开始考虑其他 |
| 对此建模的可能性。 |
| 因此，本研究的目标是 |
| 找到最佳流量并 |
| 所有这些的蒸汽设置 |
| 变化的传入因素 |
| 在这里，以某种方式 |
| 能够留下一切 |
| 规格上 所以馏出物 |
| 质量应该保持规范，但 |
| 即内部运作 |
| 规格以及 |
| 最终的废物流。 |
| 最有趣的部分 |
| 至少钱 |
| 明智的是，我们要最小化 |
| 的消费 |
| 速度...很抱歉，真是太快了。 |
| 所以我们实际需要的是 |
| 首先，一个好的模型 |
| 描述这个和那个 |
| 劳拉来了 |
| 进入游戏并发展 |
| 这个结构方程模型。 |
| 而且我们还需要 |
| 探查器，使我们能够 |
| 找出最好的 |
| 设置，最佳设置 |
| 对于所有这些传入 |
| 变化，我们可能会有 |
| 为了留在这里 |
| 这些规格。 那就是 |
| 克里斯进来的地方 |
| 以劳拉（Laura）的模型为基础， |
| 探查器，我们可以将其用于 |
| 做所有的预测，我们 |
| 需要。 所以现在我想通过 |
| 到劳拉（Laura）形容 |
| 她以此为基础建立的模型 |
| 数据在这里。 劳拉，拜托。 |
| 谢谢你，马库斯。 我是劳拉 |
| 卡斯特罗-希洛，我要去 |
| 告诉你有关步骤 |
| 我们跟随建模 |
| 蒸馏工艺使用 |
| 结构方程 |
| 车型平台。 |
| 所以当马库斯第一次来的时候 |
| 跟我们谈了他的项目， |
| 有三个具体的 |
| 使我意识到的功能 |
| 扫描电镜将是一个很好的工具 |
| 为了他。 首先是 |
| 有一个非常具体的 |
| 过程的理论 |
| 互相影响，我们看到了 |
| 在图上，他 |
| 显示。 |
| 一个重要的特点 |
| 图是所有变量 |
| 有双重作用。 换一种说法， |
| 您可以看到箭头指向 |
| 图的节点，但是 |
| 这些节点也指向其他节点 |
| 变量，所以没有 |
| 清楚区分什么 |
| 什么是输入，什么是 |
| 输出。 相反，变量具有 |
| 这两个角色。 |
| 最后，重要的是 |
| 意识到我们在交易 |
| 与以前的过程 |
| 反复测量。 其他 |
| 话说，我们有时间序列数据 |
| 所有这些功能 |
| 让我意识到SEM将 |
| 成为Markus的好工具。 现在， |
| 如果您不熟悉SEM， |
| 可能想知道为什么。 扫描电镜是一个非常 |
| 提供的一般框架 |
| 交易有很大的灵活性 |
| 这些类型的问题。 |
| 我在这张幻灯片中列出了 |
| 不同功能的数量 |
| 这使SEM成为很好的工具，但是 |
| 因为我们将无法 |
| 我经历了所有这些 |
| 还包括一个链接，您可以在其中 |
| 可以了解有关SEM的更多信息 |
| 如果您有兴趣。 现在我 |
| 将专注于两个 |
| 我在这里有几点。 首先 |
| 是SEM允许我们测试 |
| 多元理论 |
| 变量之间的关系 |
| 这正是马库斯 |
| 想做。 |
| 另外，还有非常有用的 |
| SEM中的工具称为路径 |
| 图。 这些图是 |
| 非常直观，他们 |
| 代表统计模型 |
| 我们很合适。 |
| 因此，让我们谈谈这一点 |
| 再多一点。 这是一个例子 |
| 我们可以的路径图 |
| 借助SEM平台 |
| 代表一个简单的线性 |
| 回归，该图为 |
| 用非常具体的方式绘制 |
| 特征。 例如，我们 |
| 用矩形代表 |
| 我们拥有的变量 |
| 测量。 在这里，是X和Y。 |
| 也有一个单向箭头 |
| 表示回归效果。 和 |
| 注意双箭头 |
| 在同一起点和终点 |
| 变量代表方差。 |
| 现在，如果这些开始 |
| 结束于另一个变量， |
| 那些双箭头会 |
| 然后代表协方差 在 |
| 在这种情况下，我们只有 |
| X和残差的方差 |
| Y的方差，这是一部分 |
| 那没有被解释 |
| X的预测。 |
| 这就是路径图 |
| 简单的表示 |
| 线性回归。 但是当然 |
| 我们也可以看看 |
| 表示的方程式 |
| 通过该图。 并注意 |
| 对于Y，这个等式是 |
| 只是线性回归。 和 |
| 我在这里省略了手段和 |
| 只是为了简单起见进行拦截。 |
| 重要的是要注意 |
| 中的所有参数 |
| 等式是 |
| 在路径中表示 |
| 图，所以这些图 |
| 确实传达了 |
| 精确的统计模型 |
| 我们很合适。 |
| 现在在SEM中，图表或 |
| 我们指定的模型暗示 |
| 非常特定的协方差 |
| 结构体。 这是 |
| 我们的协方差结构 |
| 期望简单 |
| 线性回归模型。 那么你 |
| 可以看到我们有epsilon X作为 |
| X的方差。 |
| Y的方差 |
| 两者的方差的函数 |
| X和的剩余方差 |
| 是的，我们还有一个 |
| 的协方差表达式 |
| X和Y。通常来说， |
| 评估模型拟合的方式 |
| 在SEM中是通过比较模型 |
| 隐式协方差结构 |
| 实际观察到的样本 |
| 数据的协方差，如果 |
| 这两个非常接近 |
| 彼此，然后我们会说 |
| 该模型非常合适。 |
| 因此，许多不同的模型 |
| 可以安装在SEM中。 |
| 今天我们的重点是 |
| 具体来说 |
| 时间序列模型。 |
| 当我们谈论时间序列时， |
| 我们正在专门谈论 |
| 那里的数据收集 |
| 依赖以前的数据 |
| 点，这些数据是 |
| 通常平分秋色 |
| 间隔的时间间隔。 |
| 以及时间序列的方式 |
| 分析处理 |
| 数据中的依存关系是 |
| 倒退过去。 所以一个 |
| 这些模型的类型称为 |
| 自回归过程或 |
| ARP。 你可以在这里看到 |
| Y代表一个过程 |
| 在时间T测量，自动 |
| 回归模型包括 |
| 退回该过程 |
| 以前的观察 |
| 处理到时间T减去P。 |
| 所以如果我们在说 |
| 特别是关于 |
| 自回归一个过程， |
| 那么你可以看到我们有 |
| 流程YT对其进行了回归 |
| 紧邻过去的YT |
| 减一 |
| 以及我们将采取的方式 |
| 在SEM中实现这一点很简单 |
| 如前所述，通过指定 |
| YT减去YT的回归 |
| 一。 所以请注意这里 |
| 回归方程非常 |
| 类似于我们在 |
| 上一张幻灯片，依此类推 |
| 毫不奇怪 |
| 路径图看起来一样。 |
| 我们可以扩展此AR（1） |
| 建模为包含两个模型的模型 |
| 滞后，换句话说， |
| 二阶自回归。 和 |
| 在这里，我们看到我们有过程 |
| 正在回归的YouTube |
| T减1和T减2。 |
| 如果我们看看这条路 |
| 代表那个的图 |
| 模型，我们看到我们有一个 |
| 的明确表示 |
| 目前正在处理中，但是 |
| 也在滞后一和滞后二。 |
| 一个非常具体的方面 |
| 图是路径 |
| 相邻时间点设置为 |
| 彼此平等，这 |
| 是 |
| 规范，使我们能够 |
| 正确指定模型。 所以 |
| 注意这里我们使用的是beta 1 |
| 代表这个滞后1 |
| 效果，我们还必须 |
| 对设置平等约束 |
| 剩余方差。 |
| 最后，我们也有效果 |
| 是YT减去2 |
| 预测YT，所以这是 |
| 放置2种效果。 |
| 现在所有这些模型都是 |
| 单变量时间序列模型 |
| 您可以使用 |
| 结构方程建模 |
| JMP中的平台，或者您可以 |
| 也使用时间序列 |
| 我们可用的平台。 |
| 但是，我们遇到的问题 |
| 处理Markus的数据 |
| 需要更多的复杂性。 它 |
| 要求我们看一下 |
| 多元时间序列模型 |
| 这些模型的类型是 |
| 称为向量自回归 |
| 楷模。 而我想 |
| 告诉你是这些模型之一 |
| 二阶。 |
| 所以我们有一个X的过程 |
| Y的另一个 |
| 我们的自回归效应 |
| 以前看到的都包括在这里。 |
| 注意我们有平等 |
| 真正的约束 |
| 对适当重要 |
| 规格。 但是我们也有 |
| 交叉滞后效应 |
| 告诉我们流程如何 |
| 互相影响。 并注意 |
| 在这里伽玛1和伽玛1和 |
| 所以伽玛3，伽玛3 |
| 建议在这里，我们必须 |
| 施加平等约束 |
| 那些滞后1效应 |
| 流程。 |
| 我们还必须纳入 |
| 整个过程的协方差 |
| 所以我们有他们的协方差 |
| 时间T减去2。 但是我们也有 |
| 时间的剩余协方差 |
| T减去1和T并注意这些 |
| 必须有平等 |
| 再次有适当的约束 |
| 规格。 所以我要去 |
| 在这部影片中向您展示 |
| 我们将适合双变量时间 |
| 系列模型就像 |
| 我向您展示了使用JMP的一种 |
| 每。 我们将从以下开始 |
| 处理我们的数据，以便 |
| 他们已经准备好进行SEM。 第一的， |
| 我们将这两个标准化 |
| 流程，因为它们在 |
| 不同的尺度。 |
| 然后我们创建滞后变量 |
| 明确表示时间 |
| 时间T之前的时间点。 |
| 将会有 |
| T负1和T负2 |
| 我们启动了SEM平台， |
| 我们将输入X |
| 然后是Ys |
| 更容易指定我们的模型。 |
| 现在我加快了视频 |
| 这样您就可以快速看到 |
| 如何指定模型。 |
| 在这里，我们添加 |
| 交叉滞后效应 |
| 滞后1。 |
| 然后直接使用 |
| 图的交互性，我们 |
| 添加滞后2效果。 |
| 剩下的就是 |
| 指定所有相等 |
| 所需的约束 |
| 对于这些型号 |
| 过程和跨过程。 |
| 我们命名我们的模型。 |
| 最后，我们 |
| 要运行它。 |
| 如您所见，即使只是 |
| 二元时间序列模型 |
| 仅包含两个过程 |
| 需要一些平等 |
| 限制和细微差别 |
| 使其成为规范 |
| 相对具有挑战性。 然而， |
| 在蒸馏的情况下 |
| 处理数据，我们还有更多 |
| 而不是两个过程。 我们曾经 |
| 实际处理了26个 |
| 这些过程，总的来说， |
| 有大约45,000 |
| 测量，这是采取 |
| 每隔10分钟。 |
| 所以我们的第一个方法是 |
| 探索单变量 |
| 时间序列模型使用 |
| JMP中的时间序列平台。 |
| 当我们这样做时，我们 |
| 意识到对于大多数 |
| 处理AR（1）或AR（2） |
| 模型最合适，所以这 |
| 让我意识到 |
| 至少我们需要 |
| 拟合多元模型 |
| 成立于的SEM |
| 至少有两个滞后。 |
| 我们还必须遵循一些 |
| 的预处理步骤 |
| 将数据准备好进入SEM。 |
| 一方面，我们有很多 |
| 丢失数据，即使 |
| SEM可以处理丢失的数据 |
| 很好，使用的模型是 |
| 像这些一样复杂，它变成了 |
| 计算上非常非常 |
| 激烈的。 因此，我们决定 |
| 选择一个数据子集 |
| 拥有所有的完整数据 |
| 过程，这给我们留下了 |
| 约有13,000个观察结果。 |
| 因此，正如我们在视频中看到的那样， |
| 规模差异很大 |
| 在整个过程中，所以我们有了 |
| 标准化所有这些。 和 |
| 最后，我们创建了滞后变量 |
| 确保我们可以 |
| 在SEM中指定模型。 |
| 现在为型号规格， |
| 平等约束 |
| 特别是非常非常大 |
| 挑战，因为这需要 |
| 需要很多时间来指定它们 |
| 手动，这将是 |
| 当然，乏味且容易出错。 |
| 所以我们处理的方法 |
| 这是为了生成一个JSL |
| 然后会生成的脚本 |
| 另一个用于启动的JSL脚本 |
| SEM平台。 |
| 你在这里看到的是 |
| 我们适合的最终模型 |
| 平台，幸运的是，之后 |
| 估计这个模型，我们是 |
| 能够获得协方差 |
| 隐含的结构 |
| 模型，那是 |
| 我可以传递的信息 |
| 交给克里斯·高特沃特（Chris Gotwalt）， |
| 然后使用来自 |
| 该矩阵以创建一个 |
| Markus可以使用的探查器 |
| 为了他的目的 |
| 克里斯，你为什么不告诉我们 |
| 您是如何创建该探查器的？ |
| 谢谢劳拉 现在我要去 |
| 展示如何 |
| 我能够拍模特 |
| 结果并将它们变成一个 |
| 公司简介 |
| 可以轻松地与之合作。 |
| 因此，劳拉（Laura）在 |
| 标准化的数据，并给我发送了 |
| 包含相同模型的表 |
| 拦截，她还包括 |
| 原始手段和标准 |
| 习惯于 |
| 标准化数据。 在 |
| 好的，我们有sim模型 |
| 隐式协方差矩阵 |
| 包括之间的协方差 |
| 现在的价值和 |
| 即时的滞后值 |
| 过去的。 此信息描述 |
| 所有变量如何关联 |
| 另一个。 以这种形式， |
| 虽然模型还没准备好 |
| 用于预测。 查看 |
| 某些变量如何变化 |
| 作为他人的功能，我们有 |
| 使用此信息来 |
| 推导条件 |
| 响应的分布 |
| 变量，给定变量 |
| 我们想用作输入的东西。 |
| 所以本质上我们需要 |
| 的条件均值 |
| 给出输入的响应。 所以 |
| 为此，我们需要实施 |
| 这个公式就在这里。 |
| 为此，我们使用SWEEP |
| SWEEP JSL的运营商 |
| 运算符是一种数学工具 |
| 由SAS CEO和 |
| 联合创始人Jim Goodnight。 它是 |
| 在美国出版 |
| 1979年的统计学家。 扫一扫 |
| 运算符可能是单身 |
| 最重要的贡献 |
| 计算统计 |
| 过去100年。 大多数JMP用户 |
| 不知道SWEEP |
| 每个人都使用运算符 |
| JMP统计平台 |
| 很多方法。 我们将其用于矩阵 |
| 反演，计算得出 |
| 平方和也可以是 |
| 被利用为简单而优雅 |
| 计算条件的方式 |
| 分布，如果你知道 |
| 如何正确使用它。 |
| 我创建了一个带有列的表 |
| 对于所有变量。 他们俩 |
| 表中的行是 |
| 最小和最大 |
| 原始数据， |
| 分析器知道如何设置 |
| 范围。 我添加了公式列 |
| 对于使用的响应变量 |
| 扫描版 |
| 劳拉的方差矩阵 |
| 建模并放入这些公式 |
| 放在后面的数据中 |
| 桌子或最右边。 |
| 这是公式之一 |
| 看起来像。 我拉了 |
| 分析结果为 |
| 矩阵。 劳拉的模型包括 |
| 之间的估计协方差 |
| 最近两个的当前Y |
| 之前的值是因为 |
| 大型多变量 |
| 2阶自回归模型 |
| 通过预测现在 |
| 控制前两个 |
| 输入变量的值 |
| 什么会很麻烦 |
| 投入运营。 所以我做了 |
| 一个简化的假设 |
| 这两个值是 |
| 一样，这崩溃了 |
| 建模成以前的形式 |
| 更容易使用。 为此，我 |
| 只需使用同一列 |
| 我在讲话时的标签 |
| 进入滞后 |
| 滞后两个词条。 |
| 没有机械， |
| 我为 |
| 的回应栏 |
| 兴趣。 我成立 |
| 期望功能 |
| 反映了公司的 |
| 目标。 所以他们想 |
| 在上匹配目标 |
| A2TopTemp，最大化A2BotTemp， |
| 等等，最终 |
| 想要最小化总和 |
| 冒出来的蒸汽 |
| 在两列中。 |
| 所以你可以锁定某些 |
| 探查器中的变量由 |
| 控制点击痛苦。 这 |
| 锁定变量将具有它们 |
| 通过实心红色绘制的值 |
| 行，然后一旦我们完成 |
| 我们可以为输入值 |
| 他们，当我们运行 |
| 优化器或最大化 |
| 希望，锁定 |
| 变量将保持固定。 |
| 这样我们就可以找到 |
| 我们可以控制的变量 |
| 保持产品的制造 |
| 符合规范 |
| 最小化能源成本。 |
| 可以公平地说 |
| 别人很难 |
| 重复劳拉的建模方法 |
| 在一个新的问题上，它将 |
| 对另一个人来说很难 |
| 像我一样建立一个探查器 |
| 这里。 如果有足够的人看到这个 |
| 演示文稿，并希望我们添加一个 |
| 这样的平台 |
| 将来分析更容易， |
| 你应该让我们知道 |
| 接触技术 |
| 通过support@JMP.com提供支持。 |
| 现在我要交还 |
| 交给马库斯（Markus）讲 |
| 关于客户的处理方式 |
| 模型和我们的结论。 |
| 谢谢克里斯。 |
| 因此，使用预测探查器， |
| 克里斯刚刚介绍的，我们 |
| 用来做一个 |
| 预测性景观 |
| 让我们了解如何 |
| 最好的设置应该在 |
| 为了实现所有 |
| 必要的质量规格。 所以 |
| 这三个因素是什么 |
| 可以说，随着 |
| 受我们影响的程度有限， |
| 那是什么 |
| 为静止1和 |
| 为Still 2和 |
| 质量或成分 |
| 饲料合二为一。 |
| 而我们的结果 |
| 他们的模型也是 |
| 冷却水温度为 |
| 也起着重要作用 |
| 在这种情况下。 所有其他的 |
| 变量的重要性较小 |
| 这样我们就忽略了他们 |
| 第一种方法。 |
| 在这里，您可以看到风景。 |
| 有点变化 |
| 图表，可以这么说，所以我们有 |
| 这里的饲料密度 |
| 静止1，进入静止1的提要 |
| 和进料到静止2 |
| 以及所有可能的组合， |
| 或多或少。 然后你在这里看到 |
| 预测的设置 |
| 为了留下最好的 |
| 在规格范围内。 和 |
| 这是我的一些 |
| 规格也是如此，所以我们 |
| 必须留在他们里面。 |
| 因此，例如 |
| 静止2的蒸汽流量 |
| 在那里回流，锅炉上升， |
| 同样的事情 |
| 还是1。 在右边 |
| 一边，你看到了 |
| 预测的结果，所以 |
| 质量规格，可以这么说。 所以 |
| 最高进水温度 |
| 仍然是1的密度 |
| 馏分的密度 |
| 蒸馏器2的馏分 |
| 等等等等。 所以呢 |
| 如果你有一个，你会看到在这里 |
| 看看这里的可取性， |
| 这是底行 |
| 有大片的地方 |
| 我们无法真正取得好成绩 |
| 我们系统的性能。 而如果 |
| 你看一下细节 |
| 你看，好吧，这是我们不合规格的， |
| 在这里，我们不合规格，在这里 |
| 有些地方，我们不符合规格，依此类推 |
| 等等。 但是还能看到什么 |
| 这是规范/不规范的东西 |
| 也不仅受 |
| 这三个组成部分下降 |
| 在这里，在河边 |
| 温度，目前 |
| 突出显示了最低的 |
| 河流温度是1 |
| 程度。 所以你在这里看到 |
| 有了它，我们将保留大部分时间 |
| 规格时间，尽管在那里 |
| 只是很少见 |
| 这三个的组合 |
| 我们没有的因素。但是如果 |
| 我们正在增加河 |
| 温度，例如24 |
| 度，然后是我们所在的区域 |
| 超出规格...变得很多 |
| 更占优势。 所以这是 |
| 很难留在这个 |
| 规格。 那么我们 |
| 从模型中学到的 |
| 是我们有待解决的问题 |
| 在我们的规格中 |
| 河流温度高于7 |
| 摄氏度。 |
| 问题是什么 |
| 那？ 和工程师 |
| 通常...怀疑是 |
| 这是因为 |
| 的冷却能力 |
| 凉爽的。 但是在我们去之前 |
| 进入真正的审判，我们 |
| 比较了我们的SEM模型与 |
| 基于热力学模型 |
| 在Chem CAD上。 |
| 它指出了什么 |
| 两种模式都是 |
| 指向同一 |
| 方向，所以没有 |
| 没有真正的差异 |
| 两者之间。 |
| 好，这使我们进入 |
| 乐观的情绪，所以我们做到了 |
| 一些真实的尝试 |
| 和最好的 |
| 设置，比方说， |
| 批准了预期 |
| 从模型中得到的东西。 |
| 事实证明，正如我所说 |
| 已经，工程师 |
| 怀疑冷却 |
| 冷却器容量不大 |
| 充足的。 所以当你有 |
| 在较高的河流温度下 |
| 那就太热了 |
| 小，所以设备... |
| 设备不能真正运行 |
| 不再。 所以现在的下一步是 |
| 使用这些数据 |
| 在这里学习以证明另一个 |
| 建立投资 |
| 一个更好的凉爽的地方 |
| 换热能力。 |
| 所以感谢劳拉和克里斯，我们 |
| 可以在这里设置投资。 |
| 如果您有任何疑问 |
| 请随时询问。 |
| 谢谢你。 |
爆发数据探索预测建模
