398682_zh-TW

liliconcom

利用 JMP® Pro 16 中的外推控制功能來優化實際採礦流程 (2021-US-30MP-844)

級別：初級

 

童新傑，陶氏化學高級研究統計師

 

本案例研究旨在評估 12 種起泡劑在採礦中礦物回收的表現。 除了泡棉類型之外，輸入變數還包括作為連續變數的顆粒尺寸（編碼值：0、0.35、1）和作為分類變數的水類型（A 型、B 型、C 型）。 反應變數是礦物回收效率。

使用預測刻畫器中的外推控制功能，當基於正則化 T 平方度量的顆粒尺寸 = 1 時，觀察到 B 類水可能的外推。 這種推論是由 DOE 的不平衡引起的，其中 B 型水的測量僅在粒徑 = 0.35 時進行。 開啟外推控制是為了優化礦物回收效率，以獲得可靠的最佳解決方案。

當能源部得到增強以更加平衡時，外推問題就消失了。 外推控制功能讓我們能夠立即了解增強不平衡 DOE 如何大幅提高預測模型的可用性。

 

 

自動產生的成績單...

 

揚聲器	成績單
喬許·斯湯頓	你好。
童新傑	嗨喬希。
喬許·斯湯頓	嗨，這很有趣。
童新傑	對很好。
喬許·斯湯頓	好吧，感謝您同意這樣做，我很高興聽到您的演講。
童新傑	謝謝，那我們該如何開始呢？
	或任何其他事情，在我們開始之前。
喬許·斯湯頓	是的，只有一個快速清單，我只是想檢查一下，如果你有的話。
	你的我是你的手機，它仍然處於開機狀態。
童新傑	嗯，是的。
喬許·斯湯頓	是的，有一個。
童新傑	很好的提醒，謝謝。
喬許·斯湯頓	我需要盡快得到口頭確認，表明您知道正在記錄的內容，就像您了解正在為 JMP 探索峰會記錄的內容一樣。
	會議，您將在工作使用者社群中公開獲得此記錄和使用的許可。
	是的，是的，好的，好的。
	他們的正式性很棒。
	我喜歡你的背景，一切看起來都不錯，我想唯一的事情是你有你知道你的顯示器設定為 1920 乘以 10 嗎？
童新傑	我其實不知道。
	清楚知道。
童新傑	顯示設定非常快。
	我認為我們可以看到 119 20 乘以 1080。
喬許·斯湯頓	哦，完美。
童新傑	好耶。
喬許·斯湯頓	是的，這就是完美的，您將利用外推控制功能和 JMP pro 16 優化獎勵挖掘流程 2021 年 30 MP 來做到這一點。
	太好了，好吧，所以我就去。
	您想看看是否可以開始簡報嗎？只需播放幻燈片即可。
	如果您認為一切順利，我將停止靜音並將其傳遞給您。
童新傑	那我們可以快速嘗試嗎？
喬許·斯湯頓	如果你想展示，我可以確定一下。
	我們可以看到您的投影片。
童新傑	是的，所以我需要先分享我的螢幕。
	是的。
童新傑	你會看到我的螢幕。
	是的，好吧，所以我可能會做一些演示，我不太可能。
	我需要做一些演示，所以當我這樣做時，我可能會這樣做，可以嗎，然後返回幻燈片。
喬許·斯湯頓	沒錯，就是這樣，那很好。
	你知道，我們不會在影片中進行任何編輯，不會剪掉其中的一部分。
	但如果你犯了錯誤，你就會知道。
	你知道，只要努力保持。
	我們都是人類，犯錯是可以被接受的。
	如果你認為你知道，但如果你真的認為這是你想看到的災難性的事情。
	現在你可以了。
	我們可以，我們可以，我們可以重新開始，這不是什麼大不了的事，但是，是的，但不要讓一個小錯誤打擾你，只是要繼續。
	你他就會。
	是啊是啊。
童新傑	我認為演示大約有 20 分鐘。
	好吧，就是這樣。
	要求之類的。
喬許·斯湯頓	你知道我不確定每個人都有點不同，但你知道我沒有。
	是的，不要太擔心時間，這些只是更多的指導方針，只要你嘗試一下就知道了。
	好的，丹，拿出你的研究成果，我們會很樂意看到的。
童新傑	好吧，聽起來不錯，所以如果是這樣的話，我可能會開始演示。
喬許·斯湯頓	是的，所以我會開始我的視頻，然後是的，他想花一分鐘時間，或者你可以隨時開始，只要你準備好了。
童新傑	哦，我不需要做任何製作是這樣還是。
喬許·斯湯頓	不，如果你可以直接給出，你可以說你知道說出你的名字，你知道你將要經歷什麼。
	有點捲進去。
童新傑	好吧好吧。
喬許·斯湯頓	好吧，好吧，我會關掉相機，然後去找你，但祝你好運，謝謝。
童新傑	謝謝。
	我的名字是 Xinjie Tong，我的演講是關於我們如何在現實世界的採礦問題中利用 JMP Pro 16 中的外推控制功能，我們試圖優化採礦過程中的礦物去除效率。
	因此，我將介紹一個有關挖掘過程的案例研究，然後我們將進一步探討所提到的外推控制指標，我們如何在考慮外推的情況下進行最佳化，以及如何使用DOE 增強來潛在地處理外推問題。
	這是一張投影片，介紹了 JMP 16 Pro 目前使用的外推控制指標，所有這些資訊都來自 JMP 社群的影片。
	由 SAS 製作，您可以在底部找到參考，因此 JMP 中使用了兩個主要指標。
	一是槓桿，用於線性平台，特別是當我們擬合最小二乘法時。 還有另一種
	稱為正則化霍特林 T 方的度量，現在在非線性平台中實現，例如 GenReg、神經偏最小二乘。 所以對於槓桿來說，
	它是訓練資料設計矩陣以及預測點的函數。 所以這取決於模型的形式。 同樣對於線性模型，它與預測方差成正比。
	但不同的是，對於正則化 t 方，它是無監督版本，因此它不是任何形式的模型的函數。
	這是我從該影片中竊取的方程式。
	這也是來自該影片的範例，用於展示當您考慮外推時優化會有何不同。
	這是一個範例，其中我們有三個輸入變量，正如我們在這裡看到的，MaxPulse 和 RunPulse 具有很強的正相關性。
	如果我們不考慮外推控制，模型會告訴我們藍點是最優的。 然而，它不遵循訓練資料中的關係，所以它不是很
	可靠的。該模型正在推斷。 但如果我們打開外推控制，它會建議這個紅點，現在更現實。 因此，它確實證明了外推控制如何真正幫助決策並避免不切實際的預測。
	那麼現在我就講一下我在陶氏工作期間遇到的案例。 因此，本案例研究是關於採礦過程的，我們的目標是優化採礦條件以提高礦物去除效率。
	此資料集中有 120 行，並且有 3 個輸入變數和 1 個輸出變數。
	對於輸入變量，我們有水類型，它是一個具有三個等級的分類變量，因此我將它們編碼為 A、B 和 C 類型。
	我們使用的起泡劑也有12種，也是有分類的。 我們有一個數值變量，即顆粒大小，我將它們編碼為 0、1 和 0.35。
	這裡的輸出是去除效率，它是一個介於 0 和 1 之間的值，這裡的所有值都經過編碼以保護實際資訊。
	所以這個資料集的問題在於，由於設計階段的原因，實際上存在一些共線性。 因此，如果我們看看這個圖形產生器，我們就可以使用圖形產生器（JMP 中的一個平台）輕鬆地視覺化資料結構。
	所以在這裡，我使用起泡劑類型作為包裝材料，因此每個盒子都指一種類型的起泡劑，然後我們在 Y 軸上查看顆粒大小，在 X 軸上查看水類型。
	所以這裡的問題是，當我們有 B 型水時，我們只有一個級別的粒徑，即處於中間級別，因此當我們嘗試估計粒徑時，存在共線性
	並與 B 型互動。所以在這種情況下它是不可估計的。
	由於這種不平衡或某種依賴性，我們將遇到外推問題，而這就是外推控制功能真正可以幫助我們防止由於不完美的資料集而產生的任何風險的地方。
	因此，我繼續建立模型並在 JMP 中使用不同的平台，這是為了比較指標以及它們如何可能影響我們的決策。
	在擬合任何模型之前，我通常會開始評估設計，這是...這是 JMP 的功能之一。 所以這個平台可以讓我們問了解，
	給定一個資料集，可以從該資料集中估計哪些項。 我將對此做一個快速演示。 這是我的數據集。 所以我有三個輸入變數和一個輸出變數。 我們能做的就是去能源部，
	設計診斷並評估設計。 所以在這裡，Y 響應是可選的，所以我將我的三個輸入拖到這裡，單擊“確定”。
	現在它告訴我，如果我只考慮主要影響，它就能夠估計這些影響，並且我可以查看我的診斷，例如整個空間內的預測方差...設計空間以及一些診斷。
	但是，我確實想估計雙向交互因此，如果我單擊雙向交互，
	出現此警報，它告訴我此資料集無法適合所有雙向交互項，無法估計的項已被刪除。
	如果我們看這裡，我們確實注意到水類型和特定尺寸之間的相互作用已被刪除，這是由於我剛才提到的共線性問題。
	因此，如果我們在這裡檢查，這些診斷已經根據這組新的模型術語進行了更新。 所以現在我知道了
	由於共線性，我無法估計所有項，所以我只能從模型可以擬合的這些項開始。 然後我會回到我的幻燈片。 所以我將開始建立模型。
	所以我安裝的第一個模型是在 GenReg 平台內。 原因就在於我的回應，這是一個效率。 它是介於 0 和 1 之間的值，我通常會考慮 beta 分佈，這只能在這個 GenReg 中實現。
	然而，在我們的例子中，雖然它在零和一之間，但分佈更像常態分佈，並且在零或一附近不存在高頻，這使得使用常態分佈存在問題。
	所以我所做的就是在這個 GenReg 中嘗試擬合我的模型中的 beta 版和正常版。 我還嘗試了完整模型和模型簡化的各種方法。 所以
	我比較了 AICc 和 BIC，我意識到我可以使用常態分佈，而 Lasso 縮減方法給出的 AICc 或 BIC 與完整模型相比更小。 這可能是我將繼續前進的一個。
	但現在我們可以使用常態分佈，我意識到我們實際上可以擬合相同的模型，但在不同的平台上。
	因此，我接下來要做的就是使用擬合最小二乘法，它是 JMP 中的一個線性平台，我在其中擬合了相同的模型。
	但現在它允許我使用槓桿作為外推控制指標，而在 GenReg 中，它使用正則化的霍特林 T 方。 現在，我可以比較這兩個指標的真正對比或相似程度。
	現在我們將進行指標比較和一些結果。 這是我的地圖，所以我從相同的完整模型開始。
	我在 GenReg 中擬合模型，並在使用不同指標的情況下擬合最小二乘法。 除了比較指標之外，我還想看看是否透過更改模型形式使用完整模型與簡化模型，這如何改變指標的表現？
	所以這裡我將做另一個演示，我們還可以看到如何在探查器中使用外推控制功能。 所以我將從這個 GenReg 開始，它是相同的劇本。
	只是為了讓您...有關信息，我將單擊模型對話。 這就是模型建立的地方。 Y 的效率，這些術語是在評估設計中定義的，並使用 beta 或常態。
	然後點擊運行。 所以我保存了兩個模型。 第一個是模型縮減的常態分佈。 第二個是完整模型的常態分佈。 因此，如果我們首先從完整的模型開始，我們可以做的是，按一下此處以開啟分析器。
	在分析器中，
	這裡的新功能是，我們現在可以點擊外推控制，然後可以關閉警告。
	所以現在沒有細節，所以如果我想查看細節，我需要快速推斷細節
	它向我們展示了指標中的閾值。 因此，如果我們可以沿著粒子大小移動並且度量正在變化，但它們在閾值內，那麼就沒有警告。
	但如果我們進入存在共線性的 B 型，我們確實會在非常高的顆粒尺寸或非常小的顆粒尺寸下看到這種可能的外推警告。
	我們可以做的另一件事是，我們可以直接打開外推控制，而不是打開警告。 它的作用是只顯示沒有外推的範圍。
	那麼，現在我想提一下，這裡的閾值是 16.3，如果我們擬合一個簡化的模型呢？ 這會改變閾值和外推區域嗎？ 所以現在我可以轉到我的簡化模型，我可以打開我已經打開的分析器，這是...
	如果我單擊外推詳細資訊並將其打開，我們將看到它具有相同的閾值和相同的外推範圍。 因此，這裡這個正則化 T 方是無監督的，並且當我們使用完整模型與簡化模型時它不會改變。
	如果我們不使用 GenReg，而是嘗試擬合租賃平方，它是線性平台，槓桿可用於模型外推。 這是我的完整模型。 我可以點擊因子分析，打開分析器。
	與此類似，我們可以點擊外推控制並打開警告以及外推詳細資訊。
	所以這裡的閾值是不同的，因為它是根據不同的方程式計算的。 和以前一樣，B型…A型和C型沒有外推，但B型其實…都有外推變暖。
	如果我將其設為 0.35，這是唯一沒有外推的點。 為了更清楚地表明這一點，我可以打開我的外推控制，然後你會看到那個有 B 水，
	它只能預測實驗中觀察到的單一粒度水平。 所以這告訴我們，
	給定資料集並使用槓桿作為指標，當我們使用水...B 型水時，我們無法預測任何其他顆粒大小。
	因此，與使用正則化 T 方的 GenReg 相比，這更加嚴格，因為在其他情況下，它能夠預測更窄的範圍。 再說一遍，這是因為那個是無監督的，而這個比較針對模型形式。
	所以這裡我們的閾值是0.5，我在使用槓桿時確實嘗試了簡化模型，並且閾值也發生了變化，因為它依賴於模型形式。 所以如果你有一個更小的模型，你的門檻就會更小。 這是比較表。
	在這個具體案例中，我們確實看到槓桿比正規化 T Square 更嚴格。
	所以現在，我對如何利用這種外推控制功能進行最佳化感興趣，因為這是我們專案的目標。
	這是我得到的最終輸出。 因此，這是繪製所有輸入變量，藍點是我在沒有任何外推控制的情況下優化的點。 它暗示了這一點，但數據中沒有觀察到這一點。
	然而，如果我們確實考慮外推控制，它會顯示出與現在的訓練資料更相似的東西，我們更有信心…對此有信心。
	我們真正可以做的另一件事是在有或沒有外推控制的情況下進行一些視覺化。 所以我其實也想很快地示範一下，
	因為我相信這是我最喜歡的未來，例如，如果我們決定…
	抱歉，為了清晰的可視化，我將關閉它。
	因此，如果我們可以...如果我們決定使用這個分析器...這個模型，我們可以繼續，並確保我們打開外推控制，然後我們可以點擊的是輸出隨機表。
	它的作用是產生模型無需任何外推即可預測的所有潛在條件。
	現在，我有 5,000 次運行，我可以單擊此處輕鬆查看每個參數的分佈或直方圖。
	如果我單擊“類型 A”，我們可以看到該模型可以預測 0 到 1 之間的整個顆粒尺寸範圍。
	與 C 型類似，但當我們有 B 型時，由於額外的...，它只能預測窄範圍的顆粒尺寸。
	抱歉，推斷。 因此，有了這個，我們就可以真正在考慮外推控制的情況下進行最佳化和模擬。
	而且，我們可以從這個檔案使用圖形產生器
	並產生這個圖，我們可以在其中看到如果我們沒有外推控制，我們有所有範圍，顏色是效率，預測效率。
	但透過外推控制，我們無法預測所有這些範圍，這是基於該模擬函數的非常好的視覺化。
	現在，我的最後一個問題是，如果我真的想估計這些空間怎麼辦？ 為此，我們必須修復數據或擴充數據，以便模型可以預測整個範圍。 所以現在我們可以進行資料增強，這也是JMP功能的一部分。
	所以增強設計，我們能做的是，我們可以加入一個新的區塊變量，這樣新的運行就可以分開…可以分組為一個區塊二。
	此外，我們可以定義我們想要估計的模型項。 現在，我想估計所有雙向交互作用。
	這是增強運行的可視化，因此紅點是所有增強運行，現在因為我們將資料分配到
	當水類型為B型時，粒徑的高低，可以估計所有項，並且不再存在共線性問題。 而且在分析器中，我們確實看到，當我們使用 B 型時，它能夠預測整個範圍。
	所以有一些要點。 外推的來源可能有很多，例如當您輸入變數之間存在依賴性時，或者您有任何其他無法估計但您想要估計的項目時
	包含在您的模型中。 在任何預測建模世界中也存在機器學習。 我們必須考慮外推控制，因為它是健全性檢查
	對於預測世界來說，感謝 JMP 16 Pro，這個功能讓我們使用起來非常簡單。 而且很容易演示資料集的結構如何影響模型的可用性。 所以
	因此，我製作了這個功能，我想與更廣泛的社區分享，以真正展示......這一功能有多有用。 這就是我的全部演講。 這是參考資料和一些免責聲明。
喬許·斯湯頓	偉大的。
童新傑	可以嗎。
喬許·斯湯頓	謝謝，那太棒了，我愛我。
	喜歡在他們的個人資料中看到預測者。
	輪廓。
	幹得好，他順利地離開了。
童新傑	謝謝，謝謝，希望不是這樣。
	嗯，我想說這是針對初學者的，所以裡面沒有太多複雜性。
喬許·斯湯頓	對我來說，你知道這會進步一點，但不，這不是個好主意，他開始談論增強設計，這絕對是下一個層次。
	那。
	是的，就是這樣，正如我所說，我們將把這種編輯剪掉，你知道正面和背面，然後不應該確定他們何時期望將其發佈在網站上，但它會很快就到那裡。
	再次感謝您投入時間和精力來分享這一點。
	與我們的社區。
童新傑	嗯，當然咯。
	是的，聽起來不錯。
喬許·斯湯頓	好吧，保重，希望我們很快就能在其中一場活動中與您見面。
童新傑	是的。
	謝謝，期待。
	謝謝你給我的機會。
喬許·斯湯頓	哦，是的，非常感謝，好的，再見。
童新傑	再見，祝你有美好的一天。
	你也是。

爆發美國能源部統計和建模