耦合双蒸馏塔的结构方程建模 (2021-EU-45MP-756)级别：中级
Markus Schafheutle，商业咨询顾问
Laura Castro-Schilo，JMP 高级研究统计师开发人员，SAS
Christopher Gotwalt，JMP 统计研发总监，SAS
我们描述了一个对化学过程的制造数据进行建模的案例研究。 该研究的目标是确定制造过程中可控因素的最佳设置，从而保持高产品质量，同时最大限度地降低成本。 我们使用结构方程模型 (SEM) 来拟合多元时间序列模型，该模型捕获了众多过程变量之间多元关联的复杂性。 然后，我们使用 SEM 中的模型隐含协方差矩阵创建了一个预测刻画器，可以估计可控因素的最佳设置。 结果由领域专家验证，并将预测与热力学模型的预测进行比较。 成功验证后，SEM 和 Profiler 结果在化工厂进行了测试，取得了积极的结果；优化的预测设置为优化质量和成本指明了正确的方向。 最后，我们概述了使用社会和行为科学而不是工程中常用的方法对这些数据进行建模的挑战。
自动生成的成绩单...
扬声器 | 成绩单 |
| 你好，我是克里斯·戈特瓦尔特 |
| 今天我将成为 |
| 与 Markus Schafheutle 一起演讲 |
| 和劳拉·卡斯特罗-斯基洛 |
| 关于工业应用 |
| 结构方程模型，或 |
| 扫描电镜。 这次演讲展示了其中之一 |
| 我最喜欢的事情 |
| 我在 JMP 的工作。 在 JMP 中 |
| 统计发展，我们有 |
| 鸟瞰是什么 |
| 发生在数据分析中 |
| 跨越许多领域，这给出了 |
| 我们有机会穿越 |
| 推广最佳实践 |
| 学科。 |
| 在 JMP Pro 15 中，我们添加了一个新的 |
| 结构方程建模 |
| 平台。这是占主导地位的 |
| 数据分析框架 |
| 很多社会科学因为 |
| 它灵活地模拟复杂的 |
| 多变量关系 |
| 设置。关键之一 |
| 特点是变量可以 |
| 既可以用作回归器，也可以用作 |
| 同时响应 |
| 同一模型的一部分。 |
| 此外，我想到 |
| 与这些复杂的 |
| 他们所代表的模型 |
| 图表至少在 |
| 表面，看起来像图表 |
| 代表制造业 |
| 流程。我不是唯一一个 |
| 建立这种联系。 马库斯， |
| 谁正在与一个 |
| 化学公司认为 |
| 一样。 他正在研究一个 |
| 一家化工公司的问题 |
| 带有两列双胞胎 |
| 蒸馏制造 |
| 处理他们想要的地方 |
| 最大限度地减少能源成本 |
| 大部分会被蒸发 |
| 生产，同时仍在生产 |
| 留在里面的产品 |
| 规格。他伸手去 |
| 他的 JMP 销售工程师， |
| 马丁·德梅尔（Martin Demel）随后连线 |
| 马库斯对劳拉和我说。 |
| 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 |
| 通过分享结果进行验证 |
| 与 JMP 沟通 |
| 公司的概况分析员 |
| 内部专家，然后与 |
| 第一原理模拟器 |
| 然后用新的物理数据 |
| 来自植物。 这是一个明确的 |
| 数据科学的成功 |
| 项目。不过，我想 |
| 添加警告。 成功 |
| 需要大家共同努力 |
| 劳拉，顶级专家 |
| 在结构方程中 |
| 造型。在加入 JMP 之前， |
| 她是定量教授 |
| 大学心理学 |
| 北卡罗来纳州教堂山，一 |
| 的最高部门 |
| 我们。 她也是 |
| JMP Pro 中的 SEM 平台。 |
| 这次练习很有挑战性 |
| 即使对她来说。 她必须写一个 |
| 自己写的JSL程序 |
| 指定的 JSL 程序 |
| 以这个模型为例。 |
| 我们拟合的模型可能是 |
| 最大和最多 |
| 复杂的 SEM 模型 |
| 时间。我想叫出 |
| 真正杰出和 |
| 开创性的工作 |
| Laura 通过 SEM 完成了这两件事 |
| 一般平台和在此 |
| 特别是案例研究。 现在 |
| 我要把它交给 |
| 马库斯，谁将给予 |
| 问题的背景 |
| 客户想要解决，那么 |
| 劳拉要谈论的是 |
| SEM 和她的模型 |
| 问题。我会做一个简短的 |
| 讨论我们如何建立 |
| 探查器，然后马库斯将 |
| 总结一下 |
| 该项目的要点以及 |
| 客户采取的行动 |
| 根据我们的结果采取。 |
| 谢谢你，克里斯， |
| 介绍。 |
| 在我开始解决问题之前， |
| 我想让你熟悉 |
| 蒸馏原理。 |
| 蒸馏是一个过程 |
| 分离液体混合物 |
| 大部分时间并且分开 |
| 他们融入他们的个人 |
| 成分。那么这是如何做到的 |
| 工作？ 在这里，您可以看到示意图 |
| 实验室蒸馏视图 |
| 设备。你看到这里是一个 |
| 烧瓶中含有粗混合物， |
| 必须分开的是 |
| 里面。 你把它加热，在这里 |
| 在这种情况下，用油浴 |
| 搅拌然后就开始了 |
| 沸腾。所以沸点最低 |
| 材料首先开始，然后是 |
| 蒸气在这里上升并暂停 |
| 这里的温度计要达到 |
| 沸腾温度，然后 |
| 进一步进入这些冷却器 |
| 在这里它凝结并且 |
| 然后凝结水滴到这里 |
| 放入另一个小烧瓶中。 |
| 正如我所说，它已经建成 |
| 来自...用于分离混合物 |
| 不同液体的 |
| 沸点，这些是 |
| 按沸点分开。 |
| 举个例子，大家都知道 |
| 也许如果你想做 |
| 杜松子酒，你只需 |
| 在里面捣碎 |
| 烧瓶，加热，然后你 |
| 在这里蒸馏酒精 |
| 并得到杜松子酒。 |
| 因为看起来非常简单 |
| 在实验室这里，在 |
| 行业有点多 |
| 复杂的。因为让我们 |
| 说装备不行 |
| 不仅更大，而且更多 |
| 复杂，主要是因为 |
| 工程部分的 |
| 的故事。 |
| 所以在本研究中， |
| 蒸馏没有完成 |
| 正如你之前看到的那样，分批， |
| 但以连续的方式。 这 |
| 意味着粗混合物是 |
| 泵送至中间某处 |
| 柱，然后是低 |
| 沸腾的物质上升 |
| 蒸气到达塔顶 |
| 然后它就离开了专栏 |
| 和其他沸点较高的 |
| 物质向下流动并且 |
| 将列留在底部。 |
| 并让它变得更多一点 |
| 复杂，在我们的例子中 |
| 然后泵送底部流 |
| 进入第二列并且 |
| 再次蒸馏，因此 |
| 分离另一种材料 |
| 从主要..从... |
| 从残留的东西中。 所以 |
| 实际上我们分开了 |
| 将原始粗混合物转化为 |
| 三个部分 | 馏出物 1, |
| 馏出物 2 是什么 |
| 向左，然后是底部流 |
| 第二个静止的。 |
| 并使其更加 |
| 复杂，我们利用了 |
| 第二塔的馏出物 |
| 加热第一列 |
| 为此节省能源。 |
| 所以在示意图中， |
| 这看起来像这样。 |
| 这里有 Still 1 和 |
| 还有2个。 在这里我们 |
| 具有以下原料组合 |
| 实际上是组装 |
| 馏出物来自 |
| 制造和我们想要的 |
| 要做的就是将值分开 |
| 其余材料。 所以我们 |
| 将这种粗混合物泵入 |
| 第一张剧照。 正如我在某处所说 |
| 在中间它分开 |
| 低沸点，即 |
| 我们想要的第一个有价值的材料 |
| 有，剩下的就留下了 |
| 首先还在底部。 然后 |
| 它立即存储在此处 |
| 一辆坦克，然后从这里开始 |
| 再次泵入第二个 |
| 仍然，再次在某个地方 |
| 中间，它分成 |
| 第二个有价值的材料和 |
| 远流，当时是 |
| 重新存放。为了加热东西， |
| 我们从这一边开始，因为 |
| 这是较高沸点 |
| 材料，所以我们需要更高 |
| 温度，这也意味着 |
| 更多能量。 所以我们泵入 |
| 在这里蒸汽，仍然在这里加热， |
| 和离开这里的材料 |
| 顶部的温度为 |
| 这种材料的沸腾，所以 |
| 我们利用余热 |
| 加热第一个蒸馏器。 而如果 |
| 之间有一点差距 |
| 这里会发生什么 |
| 我们需要什么 |
| 首先在这里进行蒸馏 |
| 不过，我们可以添加一点 |
| 保持额外的蒸汽 |
| 一切都在运行。 |
| 所以这是一个非常高的水平 |
| 对事物的看法，如果你 |
| 想要更深入地了解 |
| 详细信息，这里是 |
| 同一张照片。 但我在这里展示 |
| 带有各种不同标签的你 |
| 我们在这里为所有 |
| 读数和质量控制以及 |
| 温度控制等 |
| 等等。 所以你所看到的 |
| 这里？ 我们从这里开始，为饲料一 |
| 进入第一个静止图像。 |
| 然后我们分开到顶部 |
| 我们控制的流 |
| 密度，这是一种质量 |
| 特征。并且在 |
| 底流, 底流 |
| 进入这个中间罐。 |
| 然后从这里开始安装 |
| 再次进入第二张静止图像 |
| 也并在这里分离 |
| 底流为顶流。 |
| 我们再次在这里进行测试 |
| 用于质量控制的密度。 |
| 在这里我们还将蒸汽添加到 |
| 把所有这些东西加热然后 |
| 然后顶部流通过热量 |
| 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 |
| 一些额外的蒸汽 |
| 这里的一切都处于平衡状态。 |
| 所以我们看到的是本地的 |
| 基础上你有很多 |
| 相关性，这样就完成了 |
| 这里有颜色代码 |
| 箭头。例如，饲料 |
| 这里和饲料一起 |
| 密度，这是衡量 |
| 这里的组成 |
| 喂养。所以和这两个一起 |
| 正在定义顶流和 |
| 这里的质量，以及 |
| 底流或多或少。 那么你 |
| 有一些当地的预测。 还 |
| 材料在这里 |
| 这里和这里定义了东西 |
| 这里。但如果你想拥有一个 |
| 整个的总描述 |
| 装备，然后就变得棘手了 |
| 因为你可以做局部最小二乘 |
| 这里的相关性。 你能行的 |
| 这里。你可以单独做 |
| 对于蒸汽或也在这里。 但 |
| 如你所见，我们有一个开始 |
| 大量的人流来到这里，去 |
| 通过第一静止，通过 |
| 其次，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 |
| 下面这里。 所以这是一种 |
| 电路，我们这里有，和 |
| 所有这些都是相互关联的 |
| 或多或少是一种 |
| 的电路，这给出了 |
| 我们所面临的困难 |
| 其实不知道X是什么 |
| Ys 是。 |
| 这就是我们的原因 |
| 开始考虑其他 |
| 对此进行建模的可能性。 |
| 所以本研究的目标是 |
| 找到最佳流量并 |
| 所有这些的蒸汽设置 |
| 不同的输入因素 |
| 在这里，以我们的方式 |
| 能够留下一切 |
| 在规格中。 所以蒸馏液 |
| 质量应该保持在规格范围内，但是 |
| 还有内部运营 |
| 规格以及规格 |
| 最终废物流。 |
| 而最有趣的部分是， |
| 至少有钱 |
| 明智的是，我们希望最小化 |
| 的消费 |
| 速度……抱歉，是蒸汽的速度。 |
| 那么我们真正需要的是 |
| 首先是一个好的模型 |
| 描述了这个和那个 |
| 正是劳拉来的时候 |
| 在这里进入游戏并开发 |
| 这个结构方程模型。 |
| 我们还需要这样的 |
| 分析器使我们能够 |
| 找出最好的 |
| 设置，最佳设置 |
| 对于所有这些传入的 |
| 我们可能有的变化 |
| 在这里，为了留在一切之中 |
| 这些规格。 那就是 |
| 克里斯进来的地方， |
| 以劳拉的模型为基础， |
| 一个分析器，我们可以用它来 |
| 做我们所有的预测 |
| 需要。所以现在我想通过 |
| 交给劳拉来描述 |
| 她用这个建立的模型 |
| 数据在这里。 劳拉，请。 |
| 谢谢你，马库斯。 我是劳拉 |
| 卡斯特罗-斯基洛和我要去 |
| 告诉你步骤 |
| 我们遵循建模 |
| 蒸馏过程使用 |
| 结构方程 |
| 模型平台。 |
| 所以当马库斯第一次来的时候 |
| 和我们谈论他的项目， |
| 有三个具体的 |
| 让我意识到的功能 |
| SEM 将是一个很好的工具 |
| 为了他。 第一个是 |
| 有一个非常具体的 |
| 过程如何进行的理论 |
| 互相影响，我们看到 |
| 在图表上他 |
| 显示。 |
| 其一个重要特点是 |
| 图表是所有变量 |
| 具有双重角色。 换句话说， |
| 你可以看到箭头指向 |
| 图中的节点，但是 |
| 这些节点也指向其他节点 |
| 变量，所以没有 |
| 明确区分什么 |
| 是一个输入，什么是 |
| 输出。相反，变量有 |
| 这两个角色。 |
| 最后，重要的是 |
| 意识到我们正在交易 |
| 与流程 |
| 反复测量。 其他 |
| 换句话说，我们有时间序列数据 |
| 所以所有这些功能 |
| 让我意识到 SEM 会 |
| 成为马库斯的好工具。 现在， |
| 如果您不熟悉 SEM， |
| 可能想知道为什么。 SEM 是一个非常 |
| 提供的总体框架 |
| 交易有很大的灵活性 |
| 与这些类型的问题。 |
| 我在这张幻灯片中列出了 |
| 不同特征的数量 |
| 这使得 SEM 成为一个很好的工具，但是 |
| 因为我们无法 |
| 为了经历所有这些，我 |
| 还包含一个链接，您可以在其中 |
| 可以去了解更多关于SEM的信息 |
| 如果你有兴趣的话。 现在我 |
| 将重点关注其中两个 |
| 我这里有积分。 首先 |
| SEM 可以让我们测试 |
| 多元理论 |
| 变量之间的关系， |
| 这正是马库斯所说的 |
| 想做。 |
| 另外，还有非常实用的 |
| SEM 中称为路径的工具 |
| 图表。这些图是 |
| 非常直观，他们 |
| 表示统计模型 |
| 我们很合适。 |
| 那么让我们来谈谈这一点 |
| 再多一点。 这是一个例子 |
| 的路径图，我们可以 |
| 在SEM平台中绘制 |
| 表示一个简单的线性 |
| 回归，图为 |
| 画得很具体 |
| 特征。例如，我们是 |
| 使用矩形来表示 |
| 我们拥有的变量 |
| 测量。在这里，是 X 和 Y。 我们 |
| 还有一个单向箭头 |
| 代表回归效应。 和 |
| 注意双头箭头 |
| 开始和结束相同 |
| 变量代表方差。 |
| 现在，如果这些要开始并且 |
| 以不同的变量结束， |
| 那些双头箭头会 |
| 然后表示协方差。 在 |
| 在这种情况下，我们只有 |
| X 的方差和残差 |
| Y 的方差，它是 |
| 这没有解释 |
| X 的预测。 |
| 这就是路径图 |
| 一个简单的表示 |
| 线性回归。 但是当然 |
| 我们还可以看看 |
| 所表示的方程 |
| 通过该图。 并注意 |
| 对于 Y，该方程为 |
| 简单的线性回归。 和 |
| 我在这里省略了手段和 |
| 拦截只是为了简单起见。 |
| 重要的是要注意 |
| 中的所有参数 |
| 方程是 |
| 表示在路径中 |
| 图表，所以这些图表 |
| 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 |
| 我们指定的模型意味着 |
| 非常具体的协方差 |
| 结构。这是 |
| 我们的协方差结构 |
| 考虑到简单的情况 |
| 线性回归模型。 那么你 |
| 可以看到我们有 epsilon X 作为 |
| X 的方差。 我们还有 |
| Y 的方差，是 |
| 两个方差的函数 |
| X 和残差方差 |
| Y，我们还有一个 |
| 协方差的表达式 |
| X 和 Y。 一般来说， |
| 评估模型拟合的方式 |
| 在SEM中是通过比较模型 |
| 隐含协方差结构 |
| 实际观察到的样本 |
| 数据的协方差，如果 |
| 这两个相当接近 |
| 彼此，然后我们会说 |
| 该模型非常适合。 |
| 所以有很多不同的型号 |
| 可以拟合在 SEM 中。 |
| 而今天我们的重点是 |
| 将具体地 |
| 在时间序列模型上。 |
| 当我们谈论时间序列时， |
| 我们正在具体谈论 |
| 那里的数据集合 |
| 依赖于先前的数据 |
| 点，这些数据是 |
| 通常平均收集 |
| 间隔的时间间隔。 |
| 以及时间序列的方式 |
| 分析涉及 |
| 数据中的依赖关系是 |
| 倒退到过去。 那么一个 |
| 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 |
| 将该过程回归到 |
| 之前对此的观察 |
| 过程直到时间 T 减去 P。 |
| 所以如果我们正在谈论 |
| 特别是关于一个 |
| 自回归一个过程， |
| 然后你可以看到我们有 |
| 流程 YT 的回归 |
| 紧邻过去的 YT |
| 减一。 |
| 我们会用这样的方式 |
| 在 SEM 中实现这个很简单 |
| 正如我们之前所见，通过指定， |
| YT 对 YT 的回归减去 |
| 一。所以请注意，这里 |
| 回归方程很 |
| 与我们看到的类似 |
| 上一张幻灯片，等等 |
| 毫不奇怪的是 |
| 路径图看起来是一样的。 |
| 我们可以扩展这个 AR(1) |
| 模型为包含两个的一个 |
| 滞后，换句话说， |
| 二阶自回归。 和 |
| 在这里我们看到我们有这个过程 |
| 回归的 YouTube 时间 |
| T 减 1 和 T 减 2。 |
| 如果我们看一下路径 |
| 表示该图 |
| 模型，我们看到我们有一个 |
| 显式表示 |
| 当前正在处理，但是 |
| 也在滞后一和滞后二处。 |
| 这是一个非常具体的方面 |
| 图中的路径是 |
| 相邻时间点设置为 |
| 彼此相等，并且这 |
| 是其中的重要组成部分 |
| 规范使我们能够 |
| 正确指定型号。 所以 |
| 注意这里我们使用的是 beta 1 |
| 来表示这个滞后 1 |
| 影响，我们还必须 |
| 设置等式约束 |
| 残差方差。 |
| 最后我们还有这样的效果 |
| YT 减去 2，因为它是 |
| 预测 YT，所以这是 |
| 滞后2效应。 |
| 现在所有这些模型都是 |
| 单变量时间序列模型， |
| 你可以使用 |
| 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。 |
| 然而，我们遇到的问题是 |
| 处理马库斯的数据 |
| 需要更多的复杂性。 它 |
| 要求我们看看 |
| 多元时间序列模型 |
| 这些模型的一种是 |
| 称为向量自回归 |
| 楷模。我想要什么 |
| 向您展示的是这些模型之一 |
| 为二阶。 |
| 所以我们有一个针对 X 的流程 |
| Y 的另一个，同样的 |
| 自回归效应 |
| 之前看过的都包含在这里。 |
| 注意我们有平等 |
| 真正的约束 |
| 对于正确的重要 |
| 规格。但我们也有 |
| 交叉滞后效应 |
| 告诉我们流程如何 |
| 互相影响。 并注意 |
| 这里伽玛 1 和伽玛 1 和 |
| 还有伽马 3、伽马 3、 |
| 在这里建议我们必须 |
| 施加平等约束 |
| 这些滞后 1 效应 |
| 流程。 |
| 我们还必须将 |
| 跨过程的协方差 |
| 所以我们有他们的协方差 |
| 时间 T 减 2。 但我们也有 |
| 时间的残差协方差 |
| T 减 1 和 T 并注意这些 |
| 必须平等 |
| 再次约束以获得适当的 |
| 规格。所以我要去 |
| 在此视频中向您展示如何 |
| 我们将拟合双变量时间 |
| 系列型号就像 |
| 我向您展示了一个，使用 JMP |
| 亲。 我们将从 |
| 操纵我们的数据，以便 |
| 他们已准备好进行 SEM。 第一的， |
| 我们将这两个标准化 |
| 过程，因为它们位于 |
| 规模非常不同。 |
| 然后我们创建滞后变量 |
| 明确表示时间 |
| 时间 T 之前的点。 所以我们是 |
| 将会有 |
| T 减 1 和 T 减 2。 |
| 我们推出了 SEM 平台并 |
| 我们要输入 X |
| 然后是 Ys，这样它就是 |
| 更容易指定我们的型号。 |
| 现在我加快了视频速度 |
| 以便您可以快速看到 |
| 模型是如何指定的。 |
| 在这里我们添加 |
| 交叉滞后效应 |
| 对于滞后 1。 |
| 然后直接使用 |
| 图表的交互性，我们 |
| 添加滞后 2 效果。 |
| 剩下的就是 |
| 指定所有相等性 |
| 所需的约束条件 |
| 对于这些模型内 |
| 进程和跨进程。 |
| 我们命名我们的模型。 |
| 最后，我们是 |
| 要去运行它。 |
| 正如你所看到的，即使只是一个 |
| 双变量时间序列模型 |
| 仅包含两个过程 |
| 需要一定数量的平等 |
| 的限制和细微差别 |
| 规格 |
| 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 |
| 比两个进程。 我们曾经 |
| 实际上处理 26 个 |
| 这些过程以及我们总共 |
| 大约有 45,000 |
| 进行的测量 |
| 每隔 10 分钟一次。 |
| 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) |
| 模型最适合，所以这个 |
| 让我意识到真的 |
| 至少我们需要 |
| 拟合多元模型 |
| SEM 合并于 |
| 至少有两次滞后。 |
| 我们还必须遵循一些数字 |
| 的预处理步骤 |
| 将数据准备好放入 SEM。 |
| 一方面，我们有很多 |
| 缺少数据，即使 |
| SEM 可以处理缺失数据 |
| 很好，模型如下 |
| 像这些一样复杂，它变成了 |
| 计算上非常非常 |
| 密集的。 所以我们决定 |
| 选择我们的数据子集 |
| 拥有所有的完整数据 |
| 流程，这给我们留下了 |
| 大约 13,000 个观察结果。 |
| 另外，正如我们在视频中看到的，我们 |
| 有很大的规模差异 |
| 跨流程，所以我们有 |
| 将它们全部标准化。 和 |
| 最后我们创建了滞后变量 |
| 确保我们能够 |
| 在 SEM 中指定模型。 |
| 现在对于型号规格， |
| 等式约束 |
| 特别是非常非常大 |
| 挑战，因为这需要 |
| 有很多时间来指定它们 |
| 手动，这将是 |
| 当然，乏味且容易出错。 |
| 所以我们的处理方法是 |
| 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 |
| 值得庆幸的是，之后 |
| 估计这个模型，我们 |
| 能够获得协方差 |
| 隐含的结构 |
| 模型，那就是 |
| 我可以传递的信息 |
| 克里斯·戈特瓦尔特 (Chris Gotwalt) |
| 然后使用来自的信息 |
| 该矩阵以便创建一个 |
| Markus 可以使用的分析器 |
| 为了他的目的。 |
| 所以克里斯，你为什么不告诉我们 |
| 你是如何创建那个分析器的？ |
| 谢谢你，劳拉。 现在我要走了 |
| 展示如何的亮点 |
| 我能够接受模型 |
| 结果并将其转化为 |
| 该公司的概况分析员 |
| 可以轻松合作。 |
| 所以劳拉在 |
| 标准化数据并向我发送了 |
| 包含相同型号的表 |
| 拦截，她还包括 |
| 原来的手段和标准 |
| 曾经的偏差 |
| 标准化数据。 上 |
| 对了，我们有 sim 模型 |
| 隐含协方差矩阵，其中 |
| 包括之间的协方差 |
| 现值和 |
| 即时值的滞后值 |
| 过去的。该信息描述了 |
| 所有变量如何相关 |
| 另一个。 在这种形式下， |
| 尽管模型还没有准备好 |
| 用于预测。 查看 |
| 某些变量如何变化 |
| 作为他人的函数，我们有 |
| 使用此信息 |
| 导出条件 |
| 响应的分布 |
| 变量，给定变量 |
| 我们想用作输入。 |
| 所以本质上我们需要 |
| 的条件均值 |
| 给定输入的响应。 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 |
| JSL 中的操作员 SWEEP |
| 运算符是一种数学工具 |
| 由 SAS 首席执行官创建 |
| 联合创始人吉姆·古德奈特。 它是 |
| 发表在美国 |
| 1979年任统计学家。 横扫 |
| 运营商可能是单身 |
| 最重要的贡献 |
| 计算统计中 |
| 过去100年。 大多数 JMP 用户 |
| 不知道扫 |
| 每个人都使用运算符 |
| JMP统计平台 |
| 很多方法。 我们用它来做矩阵 |
| 反演，计算 |
| 平方和也可以是 |
| 被利用为简单而优雅 |
| 条件计算方法 |
| 如果你知道分布 |
| 如何正确使用它。 |
| 我创建了一个包含列的表 |
| 对于所有变量。 他们俩 |
| 表中的行是 |
| 的最小值和最大值 |
| 原始数据，这让 |
| profiler 知道如何设置 |
| 范围。我添加了公式列 |
| 对于响应变量使用 |
| 的扫掠版本 |
| Laura 的方差矩阵 |
| 模型并输入这些公式 |
| 进入后面的数据 |
| 表或最右边。 |
| 这是其中一个公式 |
| 看起来像。 我拉了进去 |
| 分析结果为 |
| 矩阵。包括劳拉的模型 |
| 之间的估计协方差 |
| 过去两个中的当前 Y |
| 前面的值，因为它是 |
| 一个大的多元变量 |
| 2 阶自回归模型。 |
| 预测现在 |
| 控制前两个 |
| 输入变量的值 |
| 会很麻烦 |
| 来实施。 所以我做了 |
| 一个简化的假设 |
| 这两个值是 |
| 同样的，它崩溃了 |
| 模型转化为一种形式 |
| 更容易使用。 为了做到这一点，我 |
| 只需使用同一列 |
| 我讲话时的标签 |
| 进入滞后一，并且 |
| 滞后两个术语条目。 |
| 如果没有适当的机械设备， |
| 我创建了一个分析器 |
| 的响应列 |
| 兴趣。 我设置了 |
| 意愿函数 |
| 反映了公司的 |
| 目标。所以他们想要 |
| 匹配目标 |
| A2TopTemp，最大化 A2BotTemp， |
| 等等，最终 |
| 想要最小化总和 |
| 出来的蒸汽 |
| 两列的。 |
| 这样你就可以锁定某些 |
| 分析器中的变量 |
| 控制点击疼痛。 这 |
| 锁变量将有它们的 |
| 通过纯红色绘制的值 |
| 线，然后一旦我们完成 |
| 我们可以输入值 |
| 他们，当我们运行 |
| 优化器或最大化 |
| 欲望，锁定 |
| 变量将保持固定。 |
| 这样我们就找到了设置 |
| 我们可以控制的变量 |
| 让产品继续生产 |
| 符合规格同时 |
| 最大限度地减少能源成本。 |
| 公平地说，它会 |
| 对其他人来说是困难的 |
| 重复劳拉的建模方法 |
| 在一个新问题上，它会 |
| 对另一个人来说很难 |
| 像我一样设置一个分析器 |
| 这里。如果有足够多的人看到这个 |
| 演示并希望我们添加一个 |
| 使这种类型的平台 |
| 将来分析更容易， |
| 您应该通过以下方式告知我们 |
| 联系技术人员 |
| 通过 support@JMP.com 提供支持。 |
| 现在我要把它还给你 |
| 交给马库斯，他会说话 |
| 关于客户做了什么 |
| 模型和我们的结论。 |
| 谢谢你，克里斯。 |
| 因此，通过预测分析器， |
| 克里斯刚刚介绍的，我们 |
| 比方说，用它来做一个 |
| 预测景观，其中 |
| 让我们了解如何 |
| 最好的设置应该是 |
| 为了实现所有的 |
| 必要的质量规格。 所以 |
| 哪三个因素 |
| 比方说，是随 |
| 我们的影响力有限， |
| 什么是 |
| Still 1 和 |
| Still 2 的饲料以及 |
| 质量或成分 |
| 进料到一个。 |
| 我们的结果是 |
| 他们的模型也是 |
| 冷却水温度为 |
| 也发挥着重要作用 |
| 在这种情况下。 所有其他的 |
| 变量的重要性较小 |
| 以至于我们忽略了他们 |
| 这第一种方法。 |
| 在这里你可以看到风景。 |
| 这是一种变化 |
| 图表，可以这么说，所以我们有 |
| 这里的饲料密度为 |
| Still 1，输入 Still 1 |
| 并输入 Still 2 |
| 以及所有可能的组合， |
| 或多或少。 然后你就看到了 |
| 预测的设置 |
| 为了留下来做到最好 |
| 在规格范围内。 和 |
| 这是我有的一些 |
| 规格也是如此，所以我们 |
| 必须留在他们里面。 |
| 所以，举个例子，这是 |
| Still 2 的蒸汽流量， |
| 在那里回流，锅炉升起并 |
| 同样的事情 |
| 还是1。 在右边 |
| 侧面，你看到 |
| 预测的结果，因此 |
| 可以这么说，质量规格。 所以 |
| 顶部流动温度 |
| 仍为 1 表示密度 |
| 馏出物的密度 |
| 蒸馏器 2 的馏出物， |
| 等等等等。 所以呢 |
| 你看就在这里，如果你有 |
| 看看这里的愿望， |
| 这是这里的底行， |
| 有很大的区域 |
| 我们无法真正取得好的成绩 |
| 我们系统的性能。 而如果 |
| 你看看细节 |
| 你看，好吧，我们不符合规格， |
| 我们不符合规格，在这里 |
| 有些问题，我们不符合规格，等等 |
| 等等。 但它还看到了什么 |
| 这是符合规格/不符合规格的东西吗 |
| 也不仅受 |
| 这三个组件下来 |
| 在这里，也在河边 |
| 温度，目前 |
| 它突出显示最低的 |
| 河流温度；是 1 |
| 程度。所以你在这里看到的 |
| 有了它，我们就呆在了大部分 |
| 规格中的时间，虽然有 |
| 只是很少见 |
| 这三者的组合 |
| 我们不存在的因素。 但如果 |
| 我们正在增加河流 |
| 温度，例如24 |
| 度，然后是我们所在的领域 |
| 不符合规格……变得很多 |
| 更占主导地位。 也在这里 |
| 很难留在这个范围内 |
| 规格。那么我们 |
| 从模型中学到的 |
| 是我们留下来有问题 |
| 在我们的规格中，当 |
| 河水温度在7℃以上 |
| 度 C。 那么那么然后 |
| 问题是为什么 |
| 那？ 还有工程师们 |
| 经常...怀疑的是 |
| 这是因为 |
| 的冷却能力 |
| 冷却剂。但在我们去之前 |
| 进入真正的审判，我们 |
| 将我们的 SEM 模型与 |
| 基于热力学模型 |
| 在化学 CAD 上。 |
| 它指出的是 |
| 这两个模型都是 |
| 指向同一个 |
| 方向，所以没有 |
| 没有真正的差异 |
| 两者之间。 |
| 好吧，这让我们陷入了困境 |
| 乐观的心情，所以我们做到了 |
| 一些真实的试验 |
| 并与最好的 |
| 设置，比方说， |
| 批准了预测的 |
| 来自模型的东西。 |
| 结果正如我所说 |
| 已经，工程师就是这么做的 |
| 怀疑散热 |
| 冷却器的容量不 |
| 充足的。所以当你有 |
| 当河水温度较高时， |
| 那么传热太 |
| 很小，所以设备... |
| 设备并没有真正运行 |
| 不再了。所以现在下一步是 |
| 使用来自此的这些数据 |
| 在这里学习是为了证明另一个 |
| 投资建设 |
| 这里有一个冷却器和一个更好的 |
| 热交换能力。 |
| 感谢劳拉和克里斯，我们 |
| 可以在这里设立投资。 |
| 如果你有这样的疑问 |
| 请随时询问。 |
| 谢谢。 |
爆发数据探索预测建模
