398682_zh-CN

liliconcom

利用 JMP® Pro 16 中的外推控制功能来优化实际采矿流程 (2021-US-30MP-844)

级别：初级

 

童新杰，陶氏化学高级研究统计师

 

该案例研究旨在评估 12 种起泡剂在采矿中矿物回收方面的性能。 除了泡沫类型之外，输入变量还包括作为连续变量的颗粒尺寸（编码值：0、0.35、1）和作为分类变量的水类型（A 型、B 型、C 型）。 响应变量是矿物回收效率。

使用预测刻画器中的外推控制功能，当基于正则化 T 平方度量的颗粒尺寸 = 1 时，观察到 B 类水可能的外推。 这种推断是由 DOE 的不平衡引起的，其中 B 型水的测量仅在粒径 = 0.35 时进行。 开启外推控制是为了优化矿物回收效率，以获得可靠的最佳解决方案。

当能源部得到增强以更加平衡时，外推问题就消失了。 外推控制功能让我们能够立即了解增强不平衡 DOE 如何极大地提高预测模型的可用性。

 

 

自动生成的成绩单...

 

扬声器	成绩单
乔什·斯汤顿	你好。
童新杰	嗨乔希。
乔什·斯汤顿	嗨，这很有趣。
童新杰	对很好。
乔什·斯汤顿	好吧，感谢您同意这样做，我很高兴听到您的演讲。
童新杰	谢谢，那么我们该如何开始呢？
	或者任何其他事情，在我们开始之前。
乔什·斯汤顿	是的，只有一个快速清单，我只是想检查一下，如果你有的话。
	你的我是你的手机，它仍然处于开机状态。
童新杰	嗯，是的。
乔什·斯汤顿	是的，有一个。
童新杰	很好的提醒，谢谢。
乔什·斯汤顿	我需要尽快得到口头确认，表明您知道正在记录的内容，就像您了解正在为 JMP 探索峰会记录的内容一样。
	会议，您将在工作用户社区中公开获得此记录和使用的许可。
	是的，是的，好的，好的。
	他们的正式性很棒。
	我喜欢你的背景，一切看起来都不错，我想唯一的事情是你有你知道你的显示器设置为 1920 乘以 10 吗？
童新杰	我其实不知道。
	清楚地知道。
童新杰	显示设置非常快。
	我认为我们可以看到 119 20 乘以 1080。
乔什·斯汤顿	哦，完美。
童新杰	好耶。
乔什·斯汤顿	是的，这就是完美的，您将利用外推控制功能和 JMP pro 16 优化奖励挖掘流程 2021 年 30 MP 来做到这一点。
	太好了，好吧，所以我就去。
	您想看看是否可以开始演示吗？只需播放幻灯片即可。
	如果您认为一切顺利，我将停止静音并将其传递给您。
童新杰	那么我们可以快速尝试一下吗？
乔什·斯汤顿	如果你想展示，我可以确定一下。
	我们可以看到您的幻灯片。
童新杰	是的，所以我需要先共享我的屏幕。
	是的。
童新杰	你会看到我的屏幕。
	是的，好吧，所以我可能会做一些演示，我不太可能。
	我需要做一些演示，所以当我这样做时，我可能会这样做，可以吗，然后返回幻灯片。
乔什·斯汤顿	没错，就是这样，那很好。
	你知道，我们不会在视频中进行任何编辑，不会剪掉其中的一部分。
	但如果你犯了错误，你就会知道。
	你知道，只要努力保持。
	我们都是人类，犯错误是可以接受的。
	如果你认为你知道，但如果你真的认为这是一场你想看到的灾难性的事情。
	现在你可以了。
	我们可以，我们可以，我们可以重新开始，这不是什么大不了的事，但是，是的，但不要让一个小错误打扰你，只是要继续。
	你他就会。
	是啊是啊。
童新杰	我认为演示大约有 20 分钟。
	好吧，就是这样。
	要求之类的。
乔什·斯汤顿	你知道我不确定每个人都有点不同，但你知道我没有。
	是的，不要太担心时间，这些只是更多的指导方针，只要你尝试一下就知道了。
	好的，丹，拿出你的研究成果，我们会很乐意看到的。
童新杰	好吧，听起来不错，所以如果是这样的话，我可能会开始演示。
乔什·斯汤顿	是的，所以我会开始我的视频，然后是的，他想花一分钟时间，或者你可以随时开始，只要你准备好了。
童新杰	哦，我不需要做任何制作是这样还是。
乔什·斯汤顿	不，如果你可以直接给出，你可以说你知道说出你的名字，你知道你将要经历什么。
	有点卷进去。
童新杰	好吧好吧。
乔什·斯汤顿	好吧，好吧，我会关掉相机，然后去找你，但祝你好运，谢谢。
童新杰	谢谢。
	我的名字是 Xinjie Tong，我的演讲是关于我们如何在现实世界的采矿问题中利用 JMP Pro 16 中的外推控制功能，我们试图优化采矿过程中的矿物去除效率。
	因此，我将介绍一个有关挖掘过程的案例研究，然后我们将进一步探讨所提到的外推控制指标，我们如何在考虑外推的情况下进行优化，以及如何使用 DOE 增强来潜在地处理外推问题。
	这是一张幻灯片，介绍了 JMP 16 Pro 目前使用的外推控制指标，所有这些信息都来自 JMP 社区的视频。
	由 SAS 制作，您可以在底部找到参考，因此 JMP 中使用了两个主要指标。
	一是杠杆，用于线性平台，特别是当我们拟合最小二乘法时。 还有另一种
	称为正则化霍特林 T 方的度量，现在在非线性平台中实现，例如 GenReg、神经偏最小二乘。 所以对于杠杆来说，
	它是训练数据设计矩阵以及预测点的函数。 所以这取决于模型的形式。 同样对于线性模型，它与预测方差成正比。
	但不同的是，对于正则化 t 方，它是无监督版本，因此它不是任何形式的模型的函数。
	这是我从该视频中窃取的方程式。
	这也是来自该视频的示例，用于展示当您考虑外推时优化会有何不同。
	这是一个示例，其中我们有三个输入变量，正如我们在这里看到的，MaxPulse 和 RunPulse 具有很强的正相关性。
	如果我们不考虑外推控制，模型会告诉我们蓝点是最优的。 然而，它不遵循训练数据中的关系，所以它不是很
	可靠的。该模型正在推断。 但如果我们打开外推控制，它会建议这个红点，现在更加现实。 因此，它确实证明了外推控制如何真正帮助决策并避免不切实际的预测。
	那么现在我就讲一下我在陶氏工作期间遇到的案例。 因此，本案例研究是关于采矿过程的，我们的目标是优化采矿条件以提高矿物去除效率。
	该数据集中有 120 行，并且有 3 个输入变量和 1 个输出变量。
	对于输入变量，我们有水类型，它是一个具有三个级别的分类变量，因此我将它们编码为 A、B 和 C 类型。
	我们使用的起泡剂也有12种，而且也是有分类的。 我们有一个数值变量，即颗粒大小，我将它们编码为 0、1 和 0.35。
	这里的输出是去除效率，它是一个介于 0 和 1 之间的值，这里的所有值都经过编码以保护实际信息。
	所以这个数据集的问题在于，由于设计阶段的原因，实际上存在一些共线性。 因此，如果我们看看这个图形生成器，我们就可以使用图形生成器（JMP 中的一个平台）轻松可视化数据结构。
	所以在这里，我使用起泡剂类型作为包装材料，因此每个盒子都指一种类型的起泡剂，然后我们在 Y 轴上查看颗粒大小，在 X 轴上查看水类型。
	所以这里的问题是，当我们有 B 型水时，我们只有一个级别的粒径，即处于中间级别，因此当我们尝试估计粒径时，存在共线性
	并与 B 型互动。所以在这种情况下它是不可估计的。
	由于这种不平衡或某种依赖性，我们将遇到外推问题，而这就是外推控制功能真正可以帮助我们防止由于不完美的数据集而产生的任何风险的地方。
	因此，我继续构建模型并在 JMP 中使用不同的平台，这是为了比较指标以及它们如何可能影响我们的决策。
	在拟合任何模型之前，我通常会开始评估设计，这是...这是 JMP 的功能之一。 所以这个平台可以让我们询问了解，
	给定一个数据集，可以从该数据集中估计哪些项。 我将对此做一个快速演示。 这是我的数据集。 所以我有三个输入变量和一个输出变量。 我们能做的就是去能源部，
	设计诊断并评估设计。 所以在这里，Y 响应是可选的，所以我将我的三个输入拖到这里，单击“确定”。
	现在它告诉我，如果我只考虑主要影响，它就能够估计这些影响，并且我可以查看我的诊断，例如整个空间内的预测方差...设计空间以及一些诊断。
	但是，我确实想估计双向交互因此，如果我单击双向交互，
	出现此警报，它告诉我此数据集无法适合所有双向交互项，并且无法估计的项已被删除。
	如果我们看这里，我们确实注意到水类型和特定尺寸之间的相互作用已被删除，这是由于我刚才提到的共线性问题。
	因此，如果我们在这里检查，这些诊断已经根据这组新的模型术语进行了更新。 所以现在我知道了
	由于共线性，我无法估计所有项，所以我只能从模型可以拟合的这些项开始。 然后我会回到我的幻灯片。 所以我将开始构建模型。
	所以我安装的第一个模型是在 GenReg 平台内。 原因就在于我的回应，这是一个效率。 它是一个介于 0 和 1 之间的值，我通常会考虑 beta 分布，这只能在这个 GenReg 中实现。
	然而，在我们的例子中，虽然它在零和一之间，但分布更像正态分布，并且在零或一附近不存在高频，这使得使用正态分布存在问题。
	所以我所做的就是在这个 GenReg 中尝试拟合我的模型中的 beta 版和正常版。 我还尝试了完整模型和模型简化的各种方法。 所以
	我比较了 AICc 和 BIC，我意识到我可以使用正态分布，而 Lasso 缩减方法给出的 AICc 或 BIC 与完整模型相比更小。 这可能是我将继续前进的一个。
	但现在我们可以使用正态分布，我意识到我们实际上可以拟合相同的模型，但在不同的平台上。
	因此，我接下来要做的就是使用拟合最小二乘法，它是 JMP 中的一个线性平台，我在其中拟合了相同的模型。
	但现在它允许我使用杠杆作为外推控制指标，而在 GenReg 中，它使用正则化的霍特林 T 方。 现在，我可以比较这两个指标的真正对比或相似程度。
	现在我们将进行指标比较和一些结果。 这是我的地图，所以我从相同的完整模型开始。
	我在 GenReg 中拟合模型，并在使用不同指标的情况下拟合最小二乘法。 除了比较指标之外，我还想看看是否通过更改模型形式使用完整模型与简化模型，这如何改变指标的性能？
	所以这里我将做另一个演示，我们还可以看到如何在探查器中使用外推控制功能。 所以我将从这个 GenReg 开始，它是相同的脚本。
	只是为了让您...有关信息，我将单击模型对话。 这就是模型建立的地方。 Y 的效率，这些术语是在评估设计中定义的，并使用 beta 或正态。
	然后点击运行。 所以我保存了两个模型。 第一个是模型缩减的正态分布。 第二个是完整模型的正态分布。 因此，如果我们首先从完整的模型开始，我们可以做的是，单击此处打开分析器。
	在分析器中，
	这里的新功能是，我们现在可以单击外推控制，然后可以关闭警告。
	所以现在没有细节，所以如果我想查看细节，我需要快速推断细节
	它向我们展示了指标中的阈值。 因此，如果我们可以沿着粒子大小移动并且度量正在变化，但它们在阈值内，那么就没有警告。
	但如果我们进入存在共线性的 B 型，我们确实会在非常高的颗粒尺寸或非常小的颗粒尺寸下看到这种可能的外推警告。
	我们可以做的另一件事是，我们可以直接打开外推控制，而不是打开警告。 它的作用是仅显示没有外推的范围。
	那么，现在我想提一下，这里的阈值是 16.3，如果我们拟合一个简化的模型呢？ 这会改变阈值和外推区域吗？ 所以现在我可以转到我的简化模型，我可以打开我已经打开的分析器，这是......
	如果我单击外推详细信息并将其打开，我们将看到它具有相同的阈值和相同的外推范围。 因此，这里这个正则化 T 方是无监督的，并且当我们使用完整模型与简化模型时它不会改变。
	如果我们不使用 GenReg，而是尝试拟合租赁平方，它是线性平台，杠杆可用于模型外推。 这是我的完整模型。 我可以单击因子分析，打开分析器。
	与此类似，我们可以单击外推控制并打开警告以及外推详细信息。
	所以这里的阈值是不同的，因为它是根据不同的方程计算的。 和以前一样，B型……A型和C型没有外推，但B型实际上……都有外推变暖。
	如果我将其设置为 0.35，这是唯一没有外推的点。 为了更清楚地表明这一点，我可以打开我的外推控制，然后你会看到那个有 B 水，
	它只能预测实验中观察到的单一粒度水平。 所以这告诉我们，
	给定数据集并使用杠杆作为指标，当我们使用水...B 型水时，我们无法预测任何其他颗粒大小。
	因此，与使用正则化 T 方的 GenReg 相比，这更加严格，因为在其他情况下，它能够预测更窄的范围。 再说一遍，这是因为那个是无监督的，而这个更针对模型形式。
	所以这里我们的阈值是0.5，我在使用杠杆时确实尝试了简化模型，并且阈值也发生了变化，因为它依赖于模型形式。 所以如果你有一个更小的模型，你的门槛就会更小。 这是比较表。
	在这个具体案例中，我们确实看到杠杆比正规化 T Square 更严格。
	所以现在，我对如何利用这种外推控制功能进行优化感兴趣，因为这是我们项目的目标。
	这是我得到的最终输出。 因此，这是绘制所有输入变量，蓝点是我在没有任何外推控制的情况下优化的点。 它暗示了这一点，但数据中没有观察到这一点。
	然而，如果我们确实考虑外推控制，它会表明与现在的训练数据更相似的东西，我们更有信心……对此有信心。
	我们真正可以做的另一件事是在有或没有外推控制的情况下进行一些可视化。 所以我实际上也想很快地演示一下，
	因为我相信这是我最喜欢的未来，例如，如果我们决定……
	抱歉，为了清晰的可视化，我将关闭它。
	因此，如果我们可以...如果我们决定使用这个分析器...这个模型，我们可以继续，并确保我们打开外推控制，然后我们可以单击的是输出随机表。
	它的作用是生成模型无需任何外推即可预测的所有潜在条件。
	现在，我有 5,000 次运行，我可以单击此处轻松查看每个参数的分布或直方图。
	如果我单击“类型 A”，我们可以看到该模型可以预测 0 到 1 之间的整个颗粒尺寸范围。
	与 C 型类似，但当我们有 B 型时，由于额外的...，它只能预测窄范围的颗粒尺寸。
	抱歉，推断。 因此，有了这个，我们就可以真正在考虑外推控制的情况下进行优化和模拟。
	而且，我们可以从这个文件中使用图形生成器
	并生成这个图，我们可以在其中看到如果我们没有外推控制，我们有所有范围，颜色是效率，预测效率。
	但通过外推控制，我们无法预测所有这些范围，这是基于该模拟函数的非常好的可视化。
	现在，我的最后一个问题是，如果我真的想估计这些空间怎么办？ 为此，我们必须修复数据或扩充数据，以便模型可以预测整个范围。 所以现在我们可以进行数据增强，这也是JMP功能的一部分。
	所以增强设计，我们能做的是，我们可以添加一个新的块变量，这样新的运行就可以分开……可以分组为一个块二。
	此外，我们可以定义我们想要估计的模型项。 现在，我想估计所有双向交互。
	这是增强运行的可视化，因此红点是所有增强运行，现在因为我们将数据分配到
	当水类型为B型时，粒径的高低，可以估计所有项，并且不再存在共线性问题。 而且在分析器中，我们确实看到，当我们使用 B 型时，它能够预测整个范围。
	所以有一些要点。 外推的来源可能有很多，例如当您输入变量之间存在依赖性时，或者您有任何其他无法估计但您想要估计的项时
	包含在您的模型中。 在任何预测建模世界中也存在机器学习。 我们必须考虑外推控制，因为它是健全性检查
	对于预测世界来说，感谢 JMP 16 Pro，这个功能让我们使用起来非常简单。 而且很容易演示数据集的结构如何影响模型的可用性。 所以
	因此，我制作了这个功能，我想与更广泛的社区分享，以真正展示......这一功能有多么有用。 这就是我的全部演讲。 这是参考资料和一些免责声明。
乔什·斯汤顿	伟大的。
童新杰	可以吗。
乔什·斯汤顿	谢谢，那太棒了，我爱我。
	喜欢在他们的个人资料中看到预测者。
	轮廓。
	干得好，他顺利地离开了。
童新杰	谢谢，谢谢，希望不是这样。
	嗯，我想说这是针对初学者的，所以里面没有太多复杂性。
乔什·斯汤顿	对我来说，你知道这会进步一点，但不，这不是个好主意，他开始谈论增强设计，这绝对是下一个水平。
	那。
	是的，就是这样，正如我所说，我们将把这种编辑剪掉，你知道正面和背面，然后不应该确定他们何时期望将其发布在网站上，但它会很快就到那里。
	再次感谢您投入时间和精力来分享这一点。
	与我们的社区。
童新杰	嗯，当然咯。
	是的，听起来不错。
乔什·斯汤顿	好吧，保重，希望我们很快就能在其中一场活动中与您见面。
童新杰	是的。
	谢谢，期待。
	谢谢你给我的机会。
乔什·斯汤顿	哦，是的，非常感谢，好的，再见。
童新杰	再见，祝你有美好的一天。
	你也是。

爆发美国能源部统计和建模