분석에서 센서 데이터를 사용하는 방법은 무엇입니까?화학 공정 산업에서는 많은 센서 데이터(유량, 레벨, 압력, 온도 등)가 캡처됩니다. 이 데이터는 비정상 시계열로 설명할 수 있습니다. 전형적인 패턴을 보면, 단조로운 진화(예: 오염)를 볼 때 특정한 경향 패턴(계절성이 없거나 거의 없음 = 여름/겨울 또는 낮/밤)을 찾을 수 있습니다. 그러나 종종 후보 기능은 추세 패턴을 나타내지 않습니다(운영자가 보정을 위해 기능을 사용하지 않는 한). 특정 측정으로 설명할 수 있는 플랜트 문제가 있는 경우 종종 다음과 같은 질문이 발생합니다. 어떤 다른 변수(들)가 이 문제를 일으켰습니까? PCA/LDA/Random Forest와 같은 대부분의 분석 도구는 고정 데이터에 의존합니다. 비정상 상황을 보상하기 위해 상태 공간 모델을 생성하는 것을 피하고 싶습니다. 또는 이중 지수 평활을 수행할 수 있지만 이는 명확한 추세가 있는 경우에만 사용할 수 있습니다.
내 질문은 다음과 같습니다. 예를 들어(웨이블릿 PCA를 사용하지 않고) PCA와 같은 분석에 사용할 수 있도록 이 데이터를 변환하는 방법은 무엇입니까?
감사 해요!
해석학Re: 분석에서 센서 데이터를 사용하는 방법은 무엇입니까?JMP Pro에 액세스할 수 있습니까? 설명하는 시나리오는 Functional Data Explorer 플랫폼 및 관련 모델링 기능을 사용하도록 맞춤 제작되었습니다.
Re: 분석에 센서 데이터를 사용하는 방법은 무엇입니까?불행히도 나는 JMP Pro가 없습니다
Re: 분석에 센서 데이터를 사용하는 방법은 무엇입니까?이 위키 페이지에 명시된 PCA를 사용하여 분석할 수 있도록 다변수 시계열 데이터를 변환하는 방법을 묻는다고 가정합니다. 주요 구성 요소 분석 .
분석에서는 데이터가 P차원 확률 변수에서 샘플링되고 N개의 샘플이 있을 것으로 예상합니다. 분석에 있어 샘플의 순서는 중요하지 않습니다. 즉, 상관하지 않습니다. 귀하의 예에서는 고정되어 있든 없든 상관하지 않습니다. 한편, 샘플의 순서에 의미가 있는 그러한 데이터를 제공하는 것을 막지는 않을 것입니다. 그리고 순서를 무시하고 다른 각도에서 데이터를 보기로 결정해도 상관 없습니다. 원시 데이터를 입력하고 무엇을 발견할 수 있는지 또는 결과에서 어떤 영감을 얻을 수 있는지 확인하십시오. PCA의 주요 응용 프로그램은 차원 축소입니다. 예를 들어, P차원 데이터에서 Q가 P보다 훨씬 작은 Q차원 데이터로 축소합니다. 그렇게 하면 이미 타당한 경우 필요에 맞게 데이터를 변환하고 있는 것입니다. 또한, 당신은 차별화를 시도했다고 언급하지 않았습니다. 아마도 당신은 그것을 시도하고 그 변화가 당신에게 의미가 있는지 확인해야 할 것입니다.
