此數據集最初來源於此處：所有 OpenMV.net 數據集
您喜歡這個案例研究的哪些方面？
這個蒸餾塔案例研究非常棒，因為它允許簡單地應用各種 JMP 和 JMP Pro 平台來分析具有一些挑戰性特徵的數據集。 這些具有挑戰性的特徵包括：
- 季節性變化
- 不均勻的採樣間隔
- 嚴重程度不同的各種異常值
- 來自眾多傳感器的數據
由於存在這些挑戰，該數據集簡單地展示了 JMP 如何能夠毫無問題地處理這些困難的數據集。 此外，由於本案例研究的特點和數據量不同，是一個具有廣泛適用性的案例研究。 這意味著該數據集可用於在 JMP 和 JMP Pro 中演示各種平台，而無需切換到其他示例。
特別是對於演示的預測建模方面，此案例研究簡單而清楚地解釋瞭如何使用 bootstrap forest 來最初識別關鍵預測變量。 以及如何使用模型篩選平台快速構建和比較通過各種預測建模技術（例如決策樹和神經網絡）創建的模型。
最後，數據集來自真實的工業過程，這讓我們有機會證明 JMP 可以處理真實數據，因此可以很容易地應用於客戶關注的特定領域。
它是給誰的？
本案例研究非常適合化學和石化工程師。 儘管由於這項研究涉及蒸餾塔，它可以用來向大多數科學家解釋這些概念。
我應該如何使用它？
可以通過兩種主要方式使用數據集：
1. 可作為探索性數據分析（EDA）demo，展示圖生成器、預測器篩選等平台的強大能力。 Stanley Siranovich 以這種方式使用數據集展示了一個出色的發現峰會，可以在這裡找到：使用 JMP® Pro 15 分析蒸餾過程流 (2021-EU-45MP-766) - JMP 用戶社區
2. 通過使用數據集包含的各種腳本（主要是編號腳本），該數據集可用於突出 JMP Pro 中預測建模工具的穩健性。 這涉及識別數據集中產量的關鍵預測因子，構建系統的各種預測模型，然後使用這些模型來預測未來產量或找到最佳條件。
3. 數據集中沒有為此包含腳本，但由於數據集是過程的傳感器輸出，它也可用於演示功能數據瀏覽器。 這是一個特別好的數據集，因為它來自真實的工業過程，包括可以使用傅里葉模型擬合處理的季節性變化。
我們可以使用哪些平台？
- 分配
- 圖形生成器
- 預測篩選
- 適合模特
- 功能數據瀏覽器
- 模型篩選
- 各種預測建模技術，包括：神經網絡、引導森林、決策樹等等
