C31連続プロセスの最適化（Kay）タイトル：C31連続プロセスの最適化
著者：フィルケイ
同封：テクニカルリファレンスライブラリに追加するためのデモがあります。 それは継続的なプロセスにあります。状況を紹介するデータ表と簡単なスライドがあります。
なぜ良いのか：予測に役立つデモだと思いますモデリングとJMPPro、特に化学物質やバイオテクノロジーの状況で。
システムの動作は非線形です。 多くの変数があり、各変数と応答の間には未知のタイムラグがあります。 標準の時系列分析で行動を見つけることは非常に困難です。 したがって、アプローチは、元の変数ごとに一連のラグ変数を作成し、それらをすべてBFまたはNNにスローすることです。 JMP13では、これらの変数のラグを非常に簡単に作成できます。
添付ファイル：
-連続プロセス100628.pptx
-連続プロセスデータlog.jmp
ケーススタディRe：C31連続プロセスの最適化（Kay）ここには時系列データセットがたくさんあります。
https://archive.ics.uci.edu/ml/datasets.php?format=1＆task =＆att =＆area =＆numAtt =＆numIns =＆type = ts＆sort = nameUp＆view = table
おそらくそのうちの1つが役立つでしょう。
私は以前に「オゾンレベル検出」データセットを使用したことがあると思います。 しかし、それが一般的なデモに使用するのに十分面白かったことを除いて、私はそれについてあまり覚えていません。
Re：C31連続プロセスの最適化（Kay）やあ@alisa_h_lowery
私は、このような非製造のケーススタディデータセットを知りません。 ごめん。
科学と工学以外（金融、小売など）では時系列データ分析が非常に一般的であるため、そこにはかなり多くのことがあると思います。
プロセス産業に適した例が見つからなかったので、これを作成しました。
フィル
Re：C31連続プロセスの最適化（Kay）に毎週の気象データの例がありますFDEこれは、フーリエ基底関数とfPCAを使用して特徴を抽出する方法を示しています。
主要なアプリケーション分野ではありませんが、SEMを使用して多変量時系列をモデル化できます。 Laura Castro-Schiloは、VAR（ベクトル自己回帰回帰）モデルはSEM 。 https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Structural-Equation-Modeling-of-Coupled-Twin-Distillation/ta-p/349223?_ga=2.241780289.218951656.1617286921-1157223820.1580417171
JMPサンプルデータライブラリのGNP.jmpで試すことができます。 まだ行っていないので、SEMの結果がSAS/ETSのProcVARMAXとどのように比較されるかわかりません。
Re：C31連続プロセスの最適化（Kay）@Phil_Kay @jiancao Proを使用して時系列データをデモする非製造業の同様の例はありますか？
Re：C31連続プロセスの最適化（Kay）涼しい。 標準の時系列分析に対するこのラグ変数+機械学習アプローチの利点は、変数間の非線形関係を見つけることができることです。 このデモは、JMPProを販売するために作成されました。 説明にそのようなものを追加するかもしれません。
Re：C31連続プロセスの最適化（Kay）やあ@Phil_Kay
時間は必要ありませんが、提案に感謝します。 データを見ていると、デモの精神が伝わってくると思います。 面白いのは、私が探していたもの（連続プロセスでのラグタイムの評価方法）ですが、他の何か（時系列）を見ているときに見つけました。 ありがとうフィル
エマニュエル
Re：C31連続プロセスの最適化（Kay）やあ@Emmanuel_Romeu 、
webexビデオへの参照を削除しました。これは、現在失われていると確信しているためです。申し訳ありません。 いずれにせよ、ビデオは内部の視聴者のみを対象としており、顧客には適していませんでした。 私はこのデモの別の録音を知りません。
よろしければ、デモを通してお話しさせていただきます。 おもう@Florian_Vogt最近、このケーススタディを使用した可能性があります。
乾杯、
フィル
Re：C31連続プロセスの最適化（Kay）こんにちは、
ビデオへのリンクは機能しません。
Inside JMPにあるような、おそらく不可能な顧客とレコーディングを共有したかったのですか？
@Phil_Kay @scwise
エマニュエル
