-Hola, Soy alemán Pez Soy a técnico ingeniero con JMP.
I cubrir varios del mediooeste estados en el A NOSOTROS.
Soy unido hoy por uno de mi colegas Scott Allen,
quien es también a técnico ingeniero para JMP
y él apoya varios otro del mediooeste estados.
Hola, Scott.
-Ey, Alemán, bien mañana.
-Bien mañana.
Hoy nosotros desear a hablar acerca de a variedad,
a relativamente nuevo forma a analizar datos, específicamente de molienda operaciones,
dónde nosotros desear a aprender acerca de molienda a ayuda con a escala- arriba molienda proceso.
-W mi ambos tener a fuerte interés en proceso mejoramiento usando GAMA
y en modelado respuesta curvas
usando el Funcional Datos Explorador en SALTAR Pro,
y nosotros buscado a traer aquellos juntos para de hoy presentación.
Y uno de el primero ejemplos I sierra haciendo este clasificar de análisis
era el molienda GAMA eso es en el muestra datos biblioteca,
dónde el meta es a optimizar un promedio partícula tamaño.
Entonces como nosotros eran hablando acerca de posible temas para hoy,
nosotros pensamiento él haría ser interesante a ver si nosotros podría extender eso
en cambio de optimizando eso justo el partícula tamaño,
podría nosotros de hecho optimizar el partícula tamaño distribución respuesta ¿curva?
-Entonces, molienda tiene muchos diferente aplicaciones.
usted encontrar él en cualquier cosa de minería, alimento Procesando,
haciendo virador en el impresión industria, haciendo farmacéutico polvos.
En el mayoría básico nivel, a molienda proceso es usado
cuando nosotros desear a reducir el partícula tamaño de a cierto sustancia
y producir uniforme partícula formas y tamaño distribución
de a a partir de material.
A menudo alguno tipo de molienda medio es agregado a acelerar el proceso
o a control el tamaño y forma distribución
de el resultante partículas.
En cada solicitud el deseo es a conseguir el bien partícula tamaño,
decir el mediana o el significar partícula tamaño,
con a revisado previsible partícula tamaño distribución.
En el guión nosotros discutido hoy,
nosotros tener un existente fabricación molienda operación
eso produce a farmacéutico polvo.
Él tiene bien actuación hoy,
creando el bien medio partícula tamaño y a angosto partícula tamaño distribución.
A lleno divulgación este guión y el resultante datos son inventado.
Scott y I no tener acceso a no- confidencial datos
a presente en este papel.
Sin embargo, incluso aunque el datos son fabricado,
el técnicas eso eran acerca de a espectáculo son aplicable para real mundo problemas.
El imagen en el izquierda muestra a típico agitado pelota molino.
El material a ser molido, entra en el arriba
y continuamente fluye en el buque dónde un agitador gira
el material y el molienda medio a afectar partícula tamaño.
El resultante partículas son entonces aspirado afuera de el buque
como ellos son molido.
Gestión tiene dicho ellos necesidad a aumentar el producción producción,
algo eran todo, Soy seguro, familiar con.
Ellos son considerando edificio a nuevo molienda línea,
pero antes invertir todo eso capital, ellos como a investigar,
poder nosotros simplemente aumentar el rendimiento de nuestro existente ¿equipo?
Entonces fabricación hecho alguno intentos en haciendo eso,
ellos equilibrado su proceso,
y mientras ellos poder afectar el mediana partícula tamaño,
el nuevo producción tiene extraño partícula tamaño distribuciones.
Entonces fabricación vino atrás a R& D dónde Scott y I son,
y preguntó a nosotros a ir a el piloto laboratorio
y ver si hay cualquier combinación de ajustes eso podría mejorar rendimiento.
Scott, qué parámetros hizo nosotros mirar ¿en?
-En este caso,
eran yendo a usar seis diferente factores para a DEO.
hay yendo a ser cuatro continuo factores
entonces agitación velocidad, el fluir tasa de transportador gas,
el medios de comunicación cargando como a porcentaje de el total,
y entonces el temperatura de el sistema.
Y entonces hay dos categórico factores,
el medios de comunicación tipo y tal vez el malla tamaño de a pre pantalla proceso.
Y entonces determinando aquellos factores
es equitativamente directo estos son conocido a afectar partícula tamaño distribuciones
y cosas como eso, pero el respuesta es aún a desafío.
Y en este caso, Soy no seguro cómo tú haría de hecho ir combate haciendo este
si tú no pude modelo el respuesta curva como eran yendo a hacer.
Entonces Alemán, en su experiencia, cómo haría tú tener hecho este ¿antes?
-S oh este próximo deslizar muestra típico partícula tamaño distribución
o partícula tamaño densidad trama.
Y hemos consiguió a trazado como por ciento por micrón versus tamaño.
Pero tú poder pensar de este como justo a partícula contar
en el y- eje o a masa distribución,
es justo a histograma representando el distribución de partículas.
Qué estás vidente en su pantalla,
este podría ser a bien partícula tamaño distribución,
tiene a lindo angosto forma con a cima
en el deseado mediana partícula tamaño.
Pero cómo hacer nosotros caracterizar este distribución
si nosotros desear a hacer a prueba a ajustar ¿él?
Bien, nosotros podría caracterizar el ubicación con el significar, mediana, modo
de el distribución.
Y nosotros podría caracterizar el ancho a través de a estándar desviación
o tal vez a ancho en medio cima altura,
aquellos son típico maneras nosotros podría medida eso.
Pero cuando fabricación intentó a doblar varios producción perillas
en su proceso a velocidad arriba el rendimiento,
ellos sierra variar grados de asimetría en el distribución.
Tal vez este era pendiente a incompleto molienda de el farmacéutico material,
o tal vez allá eran temperatura efectos eso causado partículas a aglomerado,
nosotros no en realidad saber.
Pero ahora el medio ancho
no es en realidad representando el forma de eso nuevo curva.
Entonces nosotros podría doblar a calculador tal vez percentiles
a lo largo de el ancho de el curva,
tal vez el 10mo percentil de partículas eso caer abajo a cierto punto,
20% abajo este punto, 90% abajo este punto, y entonces adelante.
Pero él obtiene incluso más duro cuando eran intentando a describir algo como este forma
dónde allá son dos muy pronunciado picos, o este forma,
cual I tender a llamar a alpaca dónde es muy amplio, no tener cruz.
Qué hacer nosotros hacer con ¿eso?
Entonces este parametrización técnica no parecer a ser el mejor forma
a acercarse el problema.
Scott, I saber nosotros tener a hacer alguno experimentación,
pero cómo son nosotros yendo a acercarse este en de hoy ¿análisis?
-Entonces eso es qué eran yendo a hacer.
Así que estamos yendo a usar el completo forma,
nuestro respuesta en este caso es yendo a ser eso curva.
Entonces eran no yendo a intentar a cooptimizar todo aquellos diferente parámetros
eso tú habló acerca de.
Nosotros podría co optimizar dos, tres, cuatro diferente parámetros,
pero en cambio eran yendo a usar eso completo curva como nuestro respuesta.
Eran yendo a usar todo el datos y entonces nuestro objetivo
es yendo a ser alguno hipotético curva eso nosotros desear a lograr.
Así que una vez de nuevo, eran no yendo a intentar a objetivo
todo el diferente parámetros en eso curva,
eran yendo a intentar a fósforo el formas.
Entonces nosotros desear a tener nuestro experimental forma fósforo el forma de nuestro objetivo.
Y entonces eso es cómo eran yendo a conseguir comenzó con el análisis hoy
y Bueno llevar tú a través de el flujo de trabajo de cómo nosotros haría hacer eso.
Entonces dejar a mí ir y conseguir en JMP.
Ups, allá nosotros ir.
Entonces nosotros primero ver aquí es el GAMA eso nosotros corrió.
Entonces nosotros corrió a definitivo poner en pantalla diseño con aquellos seis factores,
a pesar de tú podría usar cualquier diseño eso tú buscado.
Y hemos consiguió 18 experimentos en este caso,
así que aquí está todo el factores y el factor ajustes eso nosotros usado.
-Eso aspecto bonito estándar a a mí, Scott, para el GAMA eso He correr en el pasado.
Pero tú no tener a respuesta columna.
-W ana, eso es uno de el único cosas acerca de el respuesta curva análisis es
en alguno casos tú colocar él arriba a pequeño poco diferentemente y cómo tú hacer el análisis.
Entonces nosotros no tener a respuesta columna
y eran no yendo a optimizar justo a soltero valor.
En cambio, nuestro respuestas son en este otro mesa.
Entonces en este caso, hemos consiguió a muy alto datos colocar
con el X- eje es nuestro tamaño y el Y valor es nuestro por ciento por micrón
y este es qué eran yendo a trama y optimizar.
Pero nosotros hacer necesidad a conseguir nuestro GAMA factores en allá.
Entonces a hacer eso, nosotros justo tomó a pequeño poco de a atajo
y nosotros hizo a virtual unirse entre estos dos mesas.
Entonces en nuestro diseño aquí, nuestro correr número es el enlace IDENTIFICACIÓN.
Y entonces hemos consiguió el correr número aquí y este es el enlace referencia,
y este vamos a nosotros traer en todo de aquellos GAMA factores.
Entonces estos son todo aquí en el mesa, pero ellos son justo virtualmente unido
y eso ayuda a nosotros mantener nuestro respuesta mesa lindo y limpio.
Entonces si hay cualquier modificaciones, nosotros no tener a preocuparse acerca de proceso de copiar
y pegado o ajustando todo aquellos GAMA factores.
Así que eso es cómo nosotros colocar arriba nuestro mesa,
hemos consiguió nuestro GAMA factores en este mesa y nuestro GAMA respuestas ocurre en este.
Y como tú poder ver, hemos consiguió todo de nuestro 18 carreras aquí.
Y antes nosotros comenzar el análisis, vamos llevar a mirar en aquellos curvas.
Entonces I justo trazado todo aquellos curvas en Grafico Constructor,
y entonces hemos consiguió nuestro objetivo curva aquí.
Entonces este es a hipotético objetivo curva eso nosotros desear a lograr,
es yendo a ser experimento número cero.
Y entonces hemos consiguió experimentos uno a través de 18
y el respuesta curvas para cada de aquellos.
-Entonces tienes correr 18 experimentos y no a soltero uno de aquellos
aspecto exactamente como eso objetivo.
Qué hacer nosotros hacer con ¿eso?
-Eso es a bien observación.
Y en este caso, qué nosotros poder ver son alguno diferente características entre estos,
entonces definitivamente alguno son más amplio.
I como cómo tú llamado él, eso alpaca aquí.
Alguno son más angosto, tal vez con menor espalda aquí.
Nosotros hacer ver eso el cima turnos a pequeño poco en alguno de estos,
aquí está el cima, es cambiando izquierda y bien.
Y entonces con un poco de suerte nosotros poder encontrar algunas configuraciones y aquellos factores
eso voluntad usar el mejor de todo de estos dar a nosotros algo eso es angosto
sin a hombro o bimodal cima.
Pero a hacer eso, nosotros necesidad a ir
en el Funcional Datos Explorador.
Este es a tradicional GAMA, nosotros haría ir arriba a analizar
y nosotros haría ir a adaptar modelo, potencialmente.
En este caso, eran yendo a ir abajo aquí
a especializado modelado y ir a Funcional Datos Explorador.
Y entonces cuando nosotros lanzamiento este, nosotros necesidad a agregar nuestro Y valores,
cual eran el por ciento por micrón.
El X valores era nuestro micrón tamaño.
Nosotros necesidad a identificar cada de aquellos funciones
con el correr número.
Y entonces eran yendo a agregar todo aquellos GAMA factores
como suplementario información.
Entonces Soy justo yendo a llevar todo de mi GAMA factores
y agregar a ellos como suplementario información.
Ahora Bueno hacer clic bueno.
Entonces cuando tú lanzamiento el Funcional Datos Explorador,
este es qué tú conseguir primero.
Y este es justo a datos Procesando ventana.
Y qué eran haciendo es justo tomando a rápido mirar en
todo de nuestro datos.
Y entonces en este inicial datos trama, nosotros justo tener todo de nuestro curvas superpuesto,
y tú poder ver nuestro verde objetivo curva ocultación en allá.
Entonces este justo muestra a nosotros cómo todo de nuestro datos son recubrimiento arriba.
Encima aquí en el bien, nosotros tener a diferente colocar de funciones
a ayuda limpio arriba el datos, proceso él.
Y uno de el en realidad lindo cosas acerca de este plataforma
es tú no tener a hacer eso datos Procesando en el datos mesa.
Entonces si tú necesario a eliminar ceros o hacer alguno clasificar de ajustamiento aquí,
estandarizado el rango, cosas como eso,
tú poder hacer todo de eso encima aquí en el Limpio arriba.
En nuestro caso, nuestro datos es bonito limpio,
entonces nosotros no necesidad a hacer cualquier datos Procesando.
Pero qué nosotros hacer necesidad a hacer es llevar este verde curva,
nuestro objetivo curva, afuera de el análisis.
Entonces este es el objetivo, este es qué eran yendo a intentar a fósforo.
Y entonces nosotros no desear él a ser parte de el modelado análisis.
Entonces a llevar eso curva afuera, nosotros ir encima aquí a el objetivo función
y nosotros hacer clic carga.
Y Soy yendo a seleccionar eso cero curva, hacer clic bueno.
Y ahora es desaparecido.
Entonces ahora eran no yendo a incluir eso en nuestro modelos.
Y entonces nosotros poder Desplazarse abajo aquí y justo ver cómo cada
de nuestro individual experimentos son trazado.
Entonces ahora eso nuestro datos es lindo y limpiado arriba,
nosotros poder ir en a el análisis.
Entonces a hacer el modelado, nosotros ir arriba a el rojo triángulo
y allá son varios diferente modelos eso nosotros poder elegir.
Y en a típico flujo de trabajo,
en el comienzo, tú podría no saber cual es el mejor modelo a usar,
si estás yendo a usar un B-spline o a P-spline o algo demás.
En este caso, en el interés de tiempo, hemos hecho todo de eso ya.
Y nosotros saber eso el P-spline da a nosotros a bonito bien modelo.
Entonces eran yendo a ir adelante y adaptar eso modelo.
Entonces I seleccionar P-spline y ahora JMP es creando el modelos.
Y qué Bueno ver es,
el primero cosa Bueno es algo similar a eso inicial datos ventana encima aquí.
Entonces todo de nuestro curvas son aún trazado y superpuesto.
Pero ahora hemos consiguió este rojo línea y este rojo línea es representando el significar
entonces la curva media de todo de aquellos diferente curvas.
Y entonces nosotros poder también Desplazarse abajo abajo
y nosotros ver cada de nuestro individual experimentos
también con a línea de adaptar.
Y este es el primero indicación eso tú poder conseguir acerca de
cómo Bueno este modelo es adecuado.
Entonces si estás conseguir todo estos rojo líneas superposición su experimental datos,
entonces estás probablemente en el bien pista.
Si allá era a lote de desviación
entonces tú podría considerar haciendo a diferente modelo.
Otro cosa tu lo harás aviso encima aquí es hay diferente adecuado funciones
eso el ranura modelo es usando.
En este caso, allá eran dos eso JMP eso son bonito bien.
Entonces este lineal modelo y el paso función modelo
y por por defecto todo el análisis abajo abajo
es yendo a usar el modelo eso tenía el más bajo BIC valor.
Entonces en este caso, todo el análisis es usando este lineal modelo.
Pero si tú buscado a usar a diferente uno tú justo seleccionar él
y I no saber si tú poder ver él fácilmente, pero este unos resaltado ahora
o tú ir a el lineal o tú poder justo hacer clic en el fondo
y lo hará ir a el por defecto.
Y entonces eso es el modelado lado de él.
Pero nosotros necesidad a controlar cómo Bueno este modelo es adecuado.
Y entonces a hacer eso, nosotros justo ir abajo aquí a el ventana eso tiene a funcional PCA.
Entonces este es el funcional principio componente análisis.
Este aspecto a pequeño complicado, pero qué nosotros desear a hacer
es en realidad comenzar a llevar a mirar en cómo Bueno este modelo tiene estado creado.
Y entonces qué nosotros desear a hacer es mirar en este significar curva aquí.
Entonces este es el mismo significar curva eso era calculado en el sección arriba.
Y qué JMP tiene hecho es dicho, eran yendo a comenzar con este significar curva
y entonces eran yendo a agregar a forma.
Entonces eran yendo a agregar este función o alguno parte,
cualquiera positivo o negativo parte de este curva
a este significar curva.
Y tú poder ver encima aquí cómo mucho de el diferencia
tú poder explicar con eso uno curva.
Entonces en eso caso, si nosotros justo tenía nuestro significar curva
en nuestro primero forma,
nosotros haría explicar acerca de 50% de el diferencia.
Por agregando a segundo función, ahora eran explicando cerca de 79%,
3er función obtiene a nosotros arriba a 88%.
Y entonces tú poder ver cómo mucho de eso variación nosotros poder explicar
por agregando más y más formas.
Y dependiente en el tipo de curva tú tener,
tú podría tener solo uno función o tú podría tener docenas de funciones
dependiente en qué eso curva aspecto como.
Entonces este es él aspecto como nosotros poder explicar a lote de el diferencia aquí.
Él acepta a nosotros acerca de nueve funciones a conseguir arriba allá.
Pero ahora nosotros desear a ver cómo Bueno aquellos combinaciones
de todo aquellos formas con el significar función o con el significar curva,
cómo aquellos son representado.
Cómo representante ellos son de nuestro experimental datos.
Entonces a hacer eso, eran yendo a ir abajo a el puntaje trama,
y yo soy yendo a hacer este justo a pequeño poco menor.
Y eran yendo a mirar en el puntaje trama y este FPC perfilador.
Entonces el FPC perfilador
es a forma a espectáculo el combinación de todo aquellos diferente formas.
Entonces nosotros en realidad justo desear a pagar atención a este arriba izquierda parte de el red.
Entonces este es nuestro experimento basado en el combinación de el significar curva
con todo aquellos diferente formas.
Y bien ahora, todo de el FPC, desde ellos son colocar a cero,
nosotros justo conseguir eso significar curva.
Pero si I comenzar añadiendo eso primero FPC, si I hacer él más positivo,
Soy agregando eso forma,
ahora I poder ver cómo mi modelado forma es cambiando,
y si I ir más bajo, I poder ver cómo es cambiando.
Entonces por añadiendo y restando cada de estos diferente formas,
I poder recrear todo de el diferente curvas
o conseguir cerca a todo aquellos diferente curvas.
Entonces este podría llevar a pequeño mientras a hacer a mano,
pero hay a lindo pequeño atajo.
Entonces qué I como a hacer es ir en este puntaje trama,
y vamos decir I desear a ver experimento número seis
entonces I poder flotar encima seis,
y entonces Soy yendo a alfiler eso aquí, jalar él encima.
Y entonces allá son nueve diferente funciones, pero eran solo yendo a ver dos en a tiempo.
Y I poder ver eso componente uno es 0,08
y componente dos es menos 0,03 .
Entonces I poder llevar este a 0,08 , y I poder llevar este a menos 0,03 .
Y Soy a partir de a reproducir este curva, pero I haría necesidad a ajustar todo de a ellos.
Y entonces hay a atajo a hacer eso por justo haciendo clic en este.
Entonces por haciendo clic en seis, todo de el diferente FPC componentes
son colocar a el mejor representante modelo.
Y nosotros poder mirar en estos dos formas y ver cómo cerca ellos son.
En este caso, ellos mirar bonito bien.
Tal vez hay no como mucho definición, y este es no muy derecho,
pero él aspecto bonito bien.
Y entonces nosotros poder ir encima a otro curva como número Siete,
Bueno hacer clic en eso uno y ver cómo él cambios.
Ahora es no mirando bastante como bien, y nosotros poder ir a ocho.
Y este es qué I en realidad como acerca de este plataforma,
es él vamos tú explorar el datos.
Entonces es funcional D ata Explorador,
eran justo vidente cómo Bueno este modelo encaja,
y eran haciendo él equitativamente visualmente.
y correcto aquí, si eran en realidad interesado en eso comprensión el bimodal naturaleza
eran no conseguir eso resolución con aquí.
Entonces este es narración a nosotros tal vez este no es el mejor modelo.
Tal vez hay a mejor uno afuera allá eso nosotros poder mirar en.
Entonces si nosotros ir arriba atrás a el arriba,
el lineal modelo era seleccionado inicialmente porque él tenía el mínimo BIC,
pero tal vez nosotros desear a usar a paso función entonces I poder hacer clic en el paso función.
Y ahora todo aquellos FPC curvas tener estado recalculado.
Y el primero cosa nosotros aviso es,
eran conseguir a lote más explicación de el diferencia aquí.
Entonces nosotros no necesariamente necesidad todo de estos curvas,
I poder justo llevar este control deslizante.
Tal vez nosotros justo desear a mirar en seis curvas y explicar 99,7% el diferencia.
Y entonces es simplificando el modelo a poco.
Entonces ahora nosotros poder ir abajo aquí y llevar otro mirar
y lugar controlar aquellos curvas.
Entonces I poder flotar encima seis de nuevo, alfiler él aquí.
Este es el curva eso Bueno ser mirando en.
Y qué I desear a hacer, Enfermo justo hacer este a pequeño poco más grande.
Y entonces cuando I hacer clic en seis, bueno entonces qué hacer tú pensar, ¿Alemán?
Qué es lo que tú pensar este uno es mirando a pequeño poco ¿mejor?
-Eso es mucho mejor reproducción de su experimental ¿día?
Sí, I como eso.
-Bien. Sí, I pensar este es mirando mejor.
Entonces nosotros poder ir a Siete,
y eso unos mirando a lote mejor como Bueno.
Y tú no necesidad a seleccionar a ellos todo,
pero es bien a controlar a pocos de a ellos entonces nosotros poder ir mirar en ocho.
Sí, entonces ahora eran conseguir a lote mejor resolución aquí
en el bimodal naturaleza de él.
Todo bien, I pensar este es narración a nosotros eso este modelo es bonito bien.
-Sí, entonces qué hacer nosotros hacer ¿ahora?
Eso es excelente eso tú poder reproducir el experimental resultados,
pero cómo hacer tú conseguir a el ¿óptimo?
-Sí, I adivinar en este escenario, es aún a pequeño poco abstracto.
Entonces hemos consiguió todo estos diferente formas eso eran combinatorio en diferente maneras
a reproducir todo de nuestro curvas, pero nosotros no lo he hecho hecho qué nosotros colocar afuera a hacer
cual era relatar aquellos formas a nuestro GAMA factores.
Entonces eso es qué eran yendo a hacer próximo.
Eran yendo a ir atrás arriba a el modelo
y eran yendo a seleccionar funcional GAMA análisis.
Y cuando nosotros hacer eso, ahora eran conseguir a perfilador
eso podría mirar a pequeño poco más familiar si estás usado a haciendo tradicional DEO.
Entonces una vez de nuevo, el respuesta curva eso nosotros tener es aquí.
Y entonces nosotros ver nuestro por ciento por micrón en el Y
y el micrón tamaño o el partícula tamaño en el X.
Pero ahora en cambio de teniendo aquellos FPC
en aquellos formas, ahora nosotros tener nuestro GAMA factores,
entonces hemos consiguió nuestro agitación velocidad, nuestro fluir tasa, medios de comunicación cargando, y etcétera.
Ahora I poder mover eso agitación velocidad y I poder ver cómo es relativo a
o cómo es influyendo el curva.
Y I poder ver por el pendiente de estos líneas
si o no algo es importante o no.
Entonces cambiando eso uno no en realidad cambiar el forma.
Entonces fluir tasa no asunto a entero lote, pero temperatura ciertamente
marcas él más amplio o marcas él más angosto.
Y entonces qué nosotros poder hacer porque nosotros cargado eso objetivo curva,
justo como en a estándar trato, nosotros poder ir a nuestro rojo triángulo
y nosotros poder ir a maximizar atractivo.
Entonces típicamente, este haría mirar en a parámetro
si tú eran haciendo a tradicional GAMA.
Pero en este caso, es yendo a intentar a encontrar el ajustes
eso fósforo eso objetivo curva eso nosotros cargado más temprano.
Entonces cuando I hacer clic eso, y allá nosotros ir.
Él aspecto como allá son alguno ajustes aquí eso conseguir a nosotros a curva eso es equitativamente angosto,
golpeando el cima eso nosotros buscado y no tener cualquier de aquellos características
eso eran intentando a evitar.
-Muy Frío.
Entonces son nosotros ¿hecho?
hemos consiguió el ajustes eso nosotros necesidad, nosotros justo tirar aquellos
encima el cerca fabricación y eran hecho.
-Bien, eso es uno forma a gama él, Alemán.
I no saber si amigos en fabricación eso I trabajó con antes
podría no como eso.
Nosotros probablemente desear porque estos ajustes eran colocar en,
el ajustes son no parte de nuestro diseño.
Entonces este uno es en el centro,
este unos no en un borde o el centro.
Entonces nosotros probablemente desear a correr alguno confirmación carreras aquí,
tal vez ver alguno sensibilidades y hacer seguro eso,,
hemos consiguió alguno robustez alrededor estos ajustes.
-Muy Frío.
Bueno, todo bien.
-vamos conseguir atrás y I pensar nosotros poder suma arriba.
-Sí. Entonces, Scott, eso era excelente,
agradecer tú para eso presentación.
Entonces en resumen, qué hemos intentó a hacer, es demostrar cómo a llevar a cabo a GAMA
usando estos partícula tamaño densidad curvas.
El curvas ellos mismos como el respuesta bastante que parametrización el PSD
con resumen Estadísticas como mediana, estándar desviación, y etcétera.
Nosotros eran entonces capaz a optimizar nuestro factor aporte ajustes a el proceso
en el menos en el piloto escala a encontrar un óptimo curva forma eso era muy cerca
a nuestro deseado partícula tamaño distribución.
A lo largo de con el forma nosotros descubierto cómo alguno de aquellos parámetros,
agitación velocidad y entonces adelante afectar el partícula tamaño distribución,
principal a múltiple picos o principal a amplio picos
o lo que eso podría ser.
Entonces nosotros tener un comprensión acerca de eso, y nosotros tener a modelo.
Entonces trayendo este todo atrás a nuestro original guión,
R& D tomó el resultados atrás a fabricación,
dónde confirmación carreras eran intentó.
Escala- arriba tal vez no fue completamente exitoso.
Eso es típico de escala- UPS, a veces el piloto carreras
no mapa directamente a fabricación.
Pero nosotros hacer tener este modelo ahora eso da a nosotros un indicación
de cual de estos perillas a doblar a ajustar si nosotros hacer tener a hombro en eso cima
o algo como eso.
Entonces nosotros eran capaz a ir atrás a fabricación,
dar a ellos el asistencia eso ellos necesario a conseguir eso en
entonces eso ellos podría aumentar su rendimiento y todos era feliz.
[diafonía 00:26:18] Eso concluye nuestro papel.
Scott, gracias para todo el duro trabajar.
-Sí, Bueno, él era excelente laboral con tú en este, Alemán.
-Sí, lo mismo.
Scott tiene estado amable suficiente a ahorrar el modelado guion en el datos mesa,
cual eran yendo a adjuntar a este presentación.
Si tienes consiguió cualquier preguntas acerca de el video
o cualquier de el técnicas eso nosotros hizo, por favor correo su comentarios abajo el video,
habrá ser a espacio para tú a hacer eso, casarse ser feliz a conseguir atrás con tú.
Agradecer tú para unión a nosotros.
-Ladrar, gracias.
