扬声器 | 成绩单 |
| 亚西尔·胡斯尼 | 你好。 |
| 我是 Yassir El Housni，圣戈班普罗旺斯研究中心智能制造团队的研发工程师和数据科学家。 |
| 在法国卡瓦永。 |
| 我们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建议的数据项目生命周期。 |
| 在第二个中，我们将继续 |
| 展示圣戈班材料的两个用户案例……陶瓷材料行业。 |
| 跨研发、生产、质量、维护等不同部门的数据项目，需要循序渐进地追求进度。 |
| 数据库方法论中的知识发现，以及六西格码哲学，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。 在所有这些过程中，我们确保对流程有很好的理解，因为我们相信这是工业世界中成功的数据项目的关键。 |
| 例如，为了检测过程中的变化，我们使用 SIPOC 或流程图图，为了检测变化的原因，我们使用问题解决工具箱，其中包含 ???或石川图。 |
| 那么无限循环也提供了另一条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。 |
| 我们在此提出一些问题，我们发现这些问题对于清楚地定义交易要素非常有用（？）。 首先，业务需求定义。 |
| 通常，制造业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。 |
| 之后，影响应该会给我们的业务带来量化的收益。 |
| 其次，数据的可用性和可用性。 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这一步骤中非常重要。 因此团队的设置， |
| 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 西格码绿带或黑带的流程工程师。 |
| 让我们进入第二步。 |
| 数据准备。 |
| 转换、集成、清洗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 作为输入，Y 作为输出。 在此设置中，我们在 JMP 中使用不同的工具，例如缺失值处理、???常量变量，当然还有 JMP 数据表工具，它可确保正确的 SQL 请求来正确转换表。 |
| 第三步是通过动态可视化探索数据，通过 JMP，我们有多种可视化选择。 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， |
| 等高线或密度图来确定每个种群集中的主要位置，我们有很多选择来绘制它。 |
| ???，我们在工作中经常使用它们，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，它用于预测数据模式。 |
| 一般来说，我们将数据集分为三个部分，70% 用于训练，20% 用于测试，10% 用于验证。 有时，如果我们的数据量较小，我们会使用 70% 进行训练，30% 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。 |
| 我们必须采用监督学习和无监督学习。 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。 今天我们在决策树方面做了很多工作，因为它为我们提供了相关结果，这有助于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。 为了确保良好的感觉，我们添加了一些约束，例如每个变量的平均值最大值和评估步长。 |
| 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，下一步将在我们拥有六西格码绿带或黑带的工艺工程师的支持下转移到工厂。 |
| 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进行管理。 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，并可视化数据项目工作的全球收益。 例如，在饼图中，我们看到了对全球产量的径向影响。 |
| 最后但并非最不重要的一点是，为新数据项目的第一步做好准备，以确保无限循环的连续性、持续改进和连续性。 |
| 这就是关于数据项目生命周期的全部内容，现在我们将介绍使用 JMP 的协议的两个真实案例研究。 |
| 在这两个示例中，我们研究了相同的工艺技术。 这是关于电弧炉的，但是对于这两个我们有不同的产品和不同的目标。 |
| 在这项技术中，我们有复杂的多物理现象，如电、热、化学、时间和其他物理效应。 |
| 例如，我们有 100 多个来自不同类型传感器的过程变量。 |
| 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类型的缺陷，缺陷#1、#2 到#N。 |
| 为了正确准备数据集，我们使用帕累托， |
| 使用马哈拉诺比斯距离进行异常值处理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，我们在此仅介绍一个我们研究输入之间的相关性的示例，以减少变异数量 |
| 在与模型合作之后。 |
| 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产量不 |
| 在最大。 |
| 我们有一个 |
| 只有三个变量小于 100 的决策树。 因此，对于模型，我们使用 70% 的数据进行训练，因为我们没有大量数据，使用 30% 的数据进行验证，并且我们通过重要的平方根获得了良好的结果。 |
| 正如你所看到的，它超过了70%。 |
| 因此，我们传递给工厂的信息是，只需进行特定设置 |
| X1、X2、X3我们可以解释 |
| 全局产量，如果我们需要最大化 Y，即该产量的百分比，我们需要为 X1 和 X3 获取特定设置。 |
| 全球产量应该会迅速变化。 这就是点……在此处的点群处。 |
| 并且对于每个 |
| 项目中，我们还给出了每个参数的物理理解 |
| 到工厂。 |
| 对于第二个示例，使用相同的技术但对于另一种产品，这里我们只有 80 个过程变量，目标是发展无缺陷的件数 D1。 |
| 需要的是解释质量 |
| 我们的特定产品，因此我们对我们的步骤使用相同的方法。 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，我们还使用了决策树，但在这里我们发现了 12 个变量来解释这个全局收益率 |
| 有良好的 |
| 结果。如您所见，R 方为 84%，RMSE 为 3%，大小数量为 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 12 个变量向植物解释这一点。 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 定义阈值，并且全局收益率应该快速变化。 |
| 谢谢。 |
