Predictor Explainer は、特徴量エンジニアリングと機械学習 (AutoML として知られる) を使用して、プロセス変数のスクリーニングを自動化します。 結果を解釈するために、平行座標プロットとトレンドが自動的に表示されます。 PyJMP がインストールされている場合 (オプション)、SHAP プロットと UMAP も自動的に計算されます。
産業プロセスに適用される ML の詳細とアプリケーションについては、オープンアクセス レビューをご覧ください。 https://pubs.rsc.org/en/content/articlelanding/2022/re/d1re00541c
1 – ダウンロードとインストール
ダウンロードして、 をクリックします。 jmpaddin次のファイルから Predictor Explainer の最新バージョンをインストールします。
https://github.com/industrial-data/predictor-explainer
以前のバージョンがインストールされている場合は、自動的に削除されます。
PyJMP (Python for JMP) はオプションでインストールできます。
https://github.com/industrial-data/pyjmp
2 – 蒸留塔 (連続プロセス)
この例では、タグ (センサー データ) をスクリーニングして、蒸留塔の収量に相関する要因をすばやく特定する方法を説明します。
[アドイン] メニューに移動し、Predictor Explainer を開きます。
Predictor Explainer にはサンプル ファイルが含まれています。 フォルダーを開くには、左下隅のボタンをクリックします (下の画像の A を参照)。 次の手順では、ファイル '蒸留塔名.jmp' .
- ターゲットを選択 (Y)
- すべての入力変数または予測子 (X) を追加します
- 日付、補足情報、重量などの追加情報を渡すことができます。 グループ化変数は、分析が完了する前に要約統計を作成するために使用されます (自動機能エンジニアリング)。
- すべての入力変数の差の作成、ブートストラップ フォレスト内のツリーの数、信号対雑音比のしきい値など、いくつかのオプションを指定できます。
- Predictor Explainer はテーブルのサブセットを作成し、分析結果を表示します
(A) アドイン フォルダーには、他のサンプル ファイルと Python コードが含まれています。
(B) pyJMP がインストールされている場合、SHAP と UMAP の追加オプションが表示されます。
主な結果は次のとおりです。
- グループ化または差異を使用して導入または事前計算された変数の予測子スクリーニング (ブートストラップ フォレスト)。
- 均一ノイズとランダム ノイズの列が追加され、最強の予測子を選択するためのしきい値として使用されます。 信号対雑音オプション パラメーターは、寄与度の差をどれだけ取るかを決定します。
- 上位 3 番目の変数を含む平行座標プロットが表示されます。 信号がノイズに比べて十分に強くない場合、このプロットは表示されません。
事前に選択されたすべての予測変数、ターゲット変数、および時間変数を含む非表示のテンポラル テーブルには、JMP ホームからアクセスできます。 元の分析テーブルは変更されません。
PyJMP がインストールされていて、SHAP プロットを表示するオプションが有効になっている場合、分析後にインタラクティブなバイオリン プロットが表示されます。
SHAP、UMAP、およびクラスタリングの結果を含む追加の隠しテーブルには、ホーム メニューからアクセスできます。
3 – バッチデータ分析
Predictor Explainer は、バッチ プロセスを測定するセンサーのスクリーニングにも使用できます。 'という名前のファイルFermentation_Batch_Data.jmp'ラボ分析から得られる独自の値をプロセス データと組み合わせるという課題を示しています。
Predictor Explainer は、最初に要約統計 (フィンガープリントまたはランドマークとも呼ばれます) を含むテーブルを作成します。
バッチの製品 (グレード) またはフェーズ (段階) に関する情報がある場合、これらは、より詳細な要約統計を生成するためにも使用されます。 ノイズの影響をフィルターとして使用すると、その下にあるすべての計算された機能が削除されます。 PhaseID が数値および序数列 (1、2、3...) として導入されると、バッチの自動整列が実行されて表示されます。
この例では、Predictor Explainer が最も強力なセンサー (タグ) を特定しました。
独自のバージョンのアドインを作成する
新しいバージョンの JMP アドインを配布または変更する場合、考慮すべき重要な点が 2 つあります。
- JMP は PyJMP を介して独立して Python コードを呼び出すため、Jupyter ノートブックを変更しても、JMP アドイン自体を変更する必要はありません。 JMP は Python と通信するための一時ファイルを生成し、結果を読み取ります。 Jupyter Notebook にはすべての手順が含まれています。アクセスするには、左下隅のボタンをクリックしてフォルダを開きます。 実行される jupyter を変更できる open_notebook.bat という実行可能ファイルが 1 つあります。
- JML アドインのソース コードを変更して保存する (アプリケーションをエクスポートする) 場合は、必ず同じ一意の ID を保持してください。
アドインで配布するノートブックやその他のファイルを追加するだけでなく、.
提案、エラー、または成功事例 (!) がある場合は、お問い合わせください
https://github.com/Industrial-data/predictor-explainer
著者: フランシスコ・ナバロ、カルロス・ペレス・ガルバン、ジュリーン・ギリアード
ライセンス: BSD 条項 3
コード: github.com/industrial-data/predictor-explainer
最新バージョン: 2022-09-12 (JMP 16)
