Predictor Explainer は、特徴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 の詳細と応用については、オープンアクセスの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。じむぱでぃんPredictor Explainer の最新バージョンをインストールするファイルは次のとおりです。
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。
オプションで PyJMP (Python for JMP) を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迅速に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。
予測子の説明にはサンプル 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 ' を使用します。蒸留カラム_na.jmp' 。
- ターゲットを選択(Y)
- すべての入力変数または予測子を追加します (X)
- 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概要統計を作成するために使用されます (自動特徴量エンジニアリング)。
- 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 および 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。
- 導入された変数、またはグループ化または差分を使用して事前に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)。
- 均一およびランダムなノイズ列が追加され、最も強力な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のパラメーターは、寄与の差がどれだけ考慮されるかを決定します。
- 平行座標プロットが上位 #3 変数とともに表示されます。 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一時テーブルには、JMP ホーム経由でアクセスできます。 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おり、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、クラスタリング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発酵_バッチ_データ.jmp'は、ラボ分析から得られる固有の値をプロセス データと組み合わせるという課題を示しています。
予測子説明者は、まず概要統計 (フィンガープリントまたはランドマークとも呼ばれる) 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 (ステージ) に関する情報がある場合、これらはより詳細な概要統計を生成するためにも使用されます。 ノイズ寄与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特徴が除去されます。 PhaseID が数値および順序列 (1、2、3…) として導入されると、バッチの自動調整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。
独自バージョンのアドインの作成
JMP アドインの新しいバージョンを配布または変更する場合は、考慮すべき重要な点が 2 つあります。
- JMP は PyJMP 経由で Python コードを個別に呼び出すため、Jupyter ノートブックを変更する場合に 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。それにアクセスするには、左下隅のボタンをクリックしてフォルダーを開きます。 open_notebook.bat という実行可能ファイルが 1 つあり、これを使用すると、実行される jupyter を変更できます。
- JML アドインのソース コードを変更して保存するとき (アプリケーションのエクスポート時)、必ず同じ一意の ID を維持してください。
また、アドインとともに配布するノートブックやその他のファイルを追加します。
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 第 3 条
コード: github.com/industrial-data/predictor-explainer
最新バージョン: 2022-09-12 (JMP 16)
