扬声器 | 成绩单 |
| 亚西尔胡斯尼 | 你好。 |
| 我是圣戈班普罗旺斯智能制造团队的研发工程师和数据科学家 Yassir El Housni。 |
| 在法国卡瓦永。 |
| 我们正在为陶瓷材料业务部门工作。 在这篇文章中，我们有两点。 首先，我们将介绍我们为制造商数据项目提出的数据项目生命周期。 |
| 在第二个中，我们将继续 |
| 介绍两个圣戈班材料……陶瓷材料行业的用户案例。 |
| 跨不同部门的数据项目，如研发、生产、质量和维护，需要采取循序渐进的方法来追求进步。 |
| 数据库方法中的知识发现，以及六西格玛哲学，也称为 DMAIC，用于定义、测量、分析、改进和控制。 |
| 我们在这个无限循环中定义了七个步骤，以便正确管理数据分析项目。 在所有这些中，我们确保对流程有很好的理解，因为我们相信它是工业世界中成功数据项目的相关关键。 |
| 例如，为了检测过程中的变化，我们使用 SIPOC 或流程图图并检测变化的原因，我们使用我们的问题解决工具箱，其中包含 ???或石川图。 |
| 那么无限循环也提出了另一种实现持续改进的途径。 接下来，我们将逐步详细介绍该方法。 |
| 让我们从定义项目开始。 在开始数据项目之前，有必要明确定义三个要素。 |
| 我们在此提出一些我们认为对明确定义交易要素非常有用的问题（？）。 首先是业务需求定义。 |
| 通常，制造中数据项目的目标是优化流程、最大化产量、提高特定产品的质量或减少能源消耗。 |
| 在商业机会的定义下，我们应该知道将使用什么，目标是否只需要可视化或分析。 |
| 在那之后，影响应该会给我们的业务带来量化的收益。 |
| 其次，数据可用性和可用性。 在其中，我们对数据质量进行了对角线分析。 在确定数据项目的可行性的步骤中非常重要。 因此团队设置， |
| 来自数据团队的人员、来自业务部门团队的人员和来自工厂的人员、具有 6 Sigma 绿带或黑带的工艺工程师。 |
| 让我们进入第二步。 |
| 数据准备。 |
| 转换、集成、清理，是数据项目中耗费大量时间的重要步骤。 例如，我们这里有不同的数据源，我们需要集中它们 |
| 在一张桌子上。 我们主要使用 X 表示输入，Y 表示输出。 在此设置中，我们在 JMP 中使用了不同的工具，例如缺失值处理、???常量变量，当然还有 JMP 数据表工具，可确保正确的 SQL 请求以正确转换表。 |
| 第三步是关于使用动态可视化探索数据，使用 JMP，我们有很多可视化选择。 例如，绘制变量的分布并估计它所遵循的负载（？）。 |
| 用箱线图检测异常值， |
| 两个变量之间的非线性回归， |
| 等高线或密度映射来确定每个种群集中度的主要位置，我们有很多选择来绘制它。 |
| ???，我们通常在工作中使用它们，我们发现它们非常有用。 |
| 第四步是开发模型，这取决于我们需要的分析类型。 |
| 这是为了... |
| 目标是解释或预测。 第一个是关于变量之间的联系，它用于解释数据中的模式。 第二个是关于公式的，它用于预测数据中的模式。 |
| 通常我们将数据集分成三个块，70% 用于训练，20% 用于测试，10% 用于验证。 有时，如果我们有少量数据，我们会使用 70% 的数据进行训练，使用 30% 的数据进行验证。 如果模型很好，我们会请求一组新数据来推动决策。 |
| 我们必须处理有监督和无监督学习。 今天在圣戈班，我们将使用 JMP 的普通版本。 |
| 我们可以使用监督学习工具，例如线性回归、决策树和神经网络。 我们今天大量使用决策树，因为它为我们提供了相关的结果，帮助我们解决陶瓷材料行业的挑战。 |
| 第五步是寻找最优解。 有时它只是一个解决方案，但在其他情况下，它是许多模型之间的组合。 并且为了确保合理性，我们添加了一些约束，例如，每个变量的均值最大值和估值步长。 |
| JMP 配置文件为我们提供了快速优化解决方案的巨大可能性。 |
| 从现在开始，下一步就是在我们的工艺工程师的支持下进入工厂，获得六西格码绿带或黑带。 |
| 第六步是在工厂中实施最佳解决方案，并仅由一个代表性模型管理。 例如，我们实现输出 Y1 的控制图并分析不同的变化。 |
| 在第七步中，我们监控模型的有效性，并可视化处理我们的数据项目的全局收益。 例如，在饼图中，我们看到了对全球收益率的径向影响。 |
| 最后但并非最不重要的一点是，为新数据项目的第一步做准备，以确保无限循环的连续性、持续改进和连续性。 |
| 以上就是关于数据项目生命周期的全部内容，现在我们将通过使用 JMP 来展示该协议的两个真实案例研究。 |
| 在这两个例子中，我们研究了相同的工艺技术。 这是关于电弧炉的，但对于这两者，我们有不同的产品和不同的目标。 |
| 在这项技术中，我们有一个复杂的多物理现象，如电、热、化学、时间和其他物理效应。 |
| 例如，在这里，我们有来自不同类型传感器的 100 多个过程变量。 |
| 业务需要 |
| 是为了解释特定产品 JO7 的全球产量。 |
| 在其中我们检测到很多缺陷，缺陷#1、#2 到#N。 |
| 为了正确准备数据集，我们使用了帕累托， |
| 使用马氏距离处理异常值并重新编码正确的属性以纠正错误类型和缺失值处理。 |
| 在第三步中，在探索中，我们在这里仅展示一个我们研究输入之间的相关性以减少变异数量的示例 |
| 与模型合作后。 |
| 作为我们的结果，我们发现我们的决策树只有三个变量，这里的目标是解释为什么收益率不是 |
| 在最大。 |
| 我们有一个 |
| 只有三个小于 100 的变量的决策树。 因此，对于模型，我们在这里使用 70% 的数据进行训练，因为我们没有大量数据，而 30% 用于验证，并且我们在重要的平方根上得到了很好的结果。 |
| 如您所见，超过 70%。 |
| 所以我们传递给工厂的信息是 |
| X1、X2 和 X3 我们可以解释 |
| 全局产量，如果我们需要最大化 Y，这个产量的百分比，我们需要为 X1 和 X3 获得一个特定的设置。 |
| 全球产量应该迅速发展。 这就是重点……在这里的点簇。 |
| 并且对于每个 |
| 项目，我们也给出了每个参数的物理理解 |
| 到工厂。 |
| 对于此处使用相同技术但对于另一种产品的第二个示例，这里我们只有 80 个过程变量，目标是发展没有缺陷的零件数量 D1。 |
| 需求是关于质量的解释 |
| 我们的特定产品，所以我们在我们的步骤中使用相同的方法。 例如，我们研究了输入之间的相同相关性，以减少我们将放入模型中的变量数量。 |
| 因此，我们也使用了决策树，但在这里我们发现了 12 个变量来解释这个全局收益 |
| 有良好的 |
| 结果。如您所见，R 平方为 84%，RMSE 为 3%，大小数为 287。 为此，我们使用了交叉验证方法 |
| 因为我们的桌子很小。 |
| 所以第一个参数非常重要，如你所见，它贡献了 50%。 |
| 很难用植物的 12 个变量来解释这一点。 为此，当我们仅绘制第一个变量时，我们可以直观地看到，我们可以仅使用变量 X1 定义一个阈值，并且使用它，全局产量应该会迅速发展。 |
| 谢谢你。 |
