Was gefällt Ihnen an dieser Fallstudie?
Diese Fallstudie zu einem Destillationsturm ist großartig, da sie die einfache Anwendung verschiedener JMP- und JMP Pro-Plattformen ermöglicht, um einen Datensatz zu analysieren, der einige herausfordernde Eigenschaften aufweist. Zu diesen herausfordernden Merkmalen gehören:
- Saisonale Unterschiede
- Uneinheitliche Abtastintervalle
- Diverse Ausreißer unterschiedlicher Schwere
- Daten von zahlreichen Sensoren
Aufgrund dieser Herausforderungen zeigt dieser Datensatz einfach, dass JMP keine Probleme hat, diese schwierigen Datensätze zu bewältigen. Darüber hinaus handelt es sich aufgrund der unterschiedlichen Merkmale und Datenmengen in dieser Fallstudie um eine breit anwendbare Fallstudie. Das bedeutet, dass der Datensatz verwendet werden kann, um verschiedene Plattformen innerhalb von JMP und JMP Pro zu demonstrieren, ohne zu anderen Beispielen wechseln zu müssen.
Insbesondere für die prädiktive Modellierungsseite der Demo erklärt diese Fallstudie einfach und klar, wie Bootstrap Forest anfänglich verwendet werden kann, um wichtige Prädiktoren zu identifizieren. Außerdem wie die Modellierungs-Screening-Plattform zum schnellen Erstellen und Vergleichen von Modellen verwendet werden kann, die aus verschiedenen prädiktiven Modellierungstechniken wie Entscheidungsbäumen und neuronalen Netzen erstellt wurden.
Schließlich stammt der Datensatz aus einem realen industriellen Prozess, was uns die Möglichkeit gibt zu demonstrieren, dass JMP reale Daten verarbeiten kann und daher problemlos auf die speziellen Problembereiche des Kunden angewendet werden kann.
Für wen ist das?
Diese Fallstudie ist ideal für Chemie- und Petrochemieingenieure. Obwohl die Studie eine Destillationskolonne beinhaltet, könnte sie verwendet werden, um diese Konzepte den meisten Wissenschaftlern zu erklären.
Wie sollte ich es verwenden?
Der Datensatz kann auf zwei Arten verwendet werden:
1. Es kann eine Demo zur explorativen Datenanalyse (EDA) verwendet werden, um die leistungsstarken Fähigkeiten von Plattformen wie Graph Builder und Predictor Screening zu demonstrieren. Stanley Siranovich präsentierte einen hervorragenden Entdeckungsgipfel, indem er den Datensatz auf diese Weise verwendete, der hier zu finden ist: Analyse eines Destillationsprozessstroms mit JMP® Pro 15 (2021-EU-45MP-766) – JMP User Community
2. Durch die Verwendung der verschiedenen Skripte, die im Datensatz enthalten sind (hauptsächlich die nummerierten Skripte), kann dieser Datensatz verwendet werden, um die Robustheit der Vorhersagemodellierungswerkzeuge in JMP Pro hervorzuheben. Dies beinhaltet die Identifizierung wichtiger Ertragsprädiktoren im Datensatz, die Konstruktion verschiedener Vorhersagemodelle des Systems und die anschließende Verwendung dieser Modelle zur Vorhersage zukünftiger Erträge oder zur Ermittlung optimaler Bedingungen.
3. Dafür sind im Datensatz keine Skripte enthalten, aber da der Datensatz eine Sensorausgabe eines Prozesses ist, kann er auch verwendet werden, um den funktionalen Datenexplorer zu demonstrieren. Dies ist ein besonders guter Datensatz dafür, da er aus einem realen industriellen Prozess stammt und saisonale Schwankungen enthält, die mit der Fourier-Modellanpassung behandelt werden können.
Welche Plattformen können wir nutzen?
- Verteilung
- Diagrammersteller
- Predictor Screening
- Modell anpassen
- Funktionsdaten-Explorer
- Modellscreening
- Verschiedene prädiktive Modellierungstechniken, darunter: Neuronale Netze, Bootstrap Forest, Entscheidungsbäume und viele mehr
