이 사례 연구에 대해 무엇을 좋아합니까?
이 증류탑 사례 연구는 다양한 JMP 및 JMP Pro 플랫폼을 간단하게 적용하여 몇 가지 까다로운 특성이 있는 데이터 세트를 분석할 수 있게 해주기 때문에 훌륭합니다. 이러한 도전적인 특성은 다음과 같습니다.
- 계절적 변화
- 불균일한 샘플링 간격
- 심각도가 다른 다양한 이상치
- 수많은 센서의 데이터
이러한 문제 때문에 이 데이터 세트는 JMP가 이러한 어려운 데이터 세트를 처리하는 데 문제가 없는 방법을 간단하게 보여줍니다. 또한 이 사례 연구는 데이터의 특성과 양이 다르기 때문에 널리 적용할 수 있는 사례 연구입니다. 이는 데이터 세트를 사용하여 다른 예제로 전환할 필요 없이 JMP 및 JMP Pro 내에서 다양한 플랫폼을 시연할 수 있음을 의미합니다.
특히 데모의 예측 모델링 측면에서 이 사례 연구는 초기에 부트스트랩 포리스트를 사용하여 주요 예측 변수를 식별하는 방법을 간단하고 명확하게 설명합니다. 모델링 스크리닝 플랫폼을 사용하여 의사 결정 트리 및 신경망과 같은 다양한 예측 모델링 기술에서 생성된 모델을 신속하게 구축하고 비교하는 방법에 대해서도 설명합니다.
마지막으로 데이터 세트는 실제 산업 프로세스에서 가져온 것으로 JMP가 실제 데이터를 처리할 수 있으므로 고객의 특정 관심 영역에 쉽게 적용할 수 있음을 입증할 수 있는 기회를 제공합니다.
누구를 위한 것입니까?
이 사례 연구는 화학 및 석유화학 엔지니어에게 이상적입니다. 연구에는 증류탑이 포함되기 때문에 대부분의 과학자에게 이러한 개념을 설명하는 데 사용할 수 있습니다.
어떻게 사용해야 하나요?
데이터 세트는 두 가지 주요 방법으로 사용할 수 있습니다.
1. 탐색적 데이터 분석(EDA) 데모를 사용하여 그래프 빌더 및 예측자 스크리닝과 같은 플랫폼의 강력한 기능을 보여줄 수 있습니다. Stanley Siranovich는 여기에서 찾을 수 있는 이러한 방식으로 데이터 세트를 사용하여 훌륭한 발견 정상 회담을 발표했습니다. JMP® Pro 15(2021-EU-45MP-766)를 사용한 증류 공정 스트림 분석 - JMP 사용자 커뮤니티
2. 데이터 세트에 포함된 다양한 스크립트(주로 번호가 매겨진 스크립트)를 사용하여 이 데이터 세트를 사용하여 JMP Pro의 예측 모델링 도구의 견고성을 강조할 수 있습니다. 여기에는 데이터 세트에서 수확량의 주요 예측 변수를 식별하고 시스템의 다양한 예측 모델을 구성한 다음 이러한 모델을 사용하여 미래 수확량을 예측하거나 최적의 조건을 찾는 작업이 포함됩니다.
3. 이를 위한 데이터세트에는 스크립트가 포함되어 있지 않지만 데이터세트는 프로세스의 센서 출력이므로 기능 데이터 탐색기를 시연하는 데 사용할 수도 있습니다. 이것은 실제 산업 공정에서 나온 것이며 푸리에 모델 피팅을 사용하여 처리할 수 있는 계절적 변동을 포함하기 때문에 특히 좋은 데이터 세트입니다.
어떤 플랫폼을 사용할 수 있습니까?
- 분포
- 그래프 빌더
- 예측변수 스크리닝
- 핏 모델
- 기능 데이터 탐색기
- 모델 심사
- 신경망, 부트스트랩 포레스트, 의사결정 트리 등을 포함한 다양한 예측 모델링 기술
