스피커 | 성적 증명서 |
| 야시르 엘 하우스니 | 안녕하세요. |
| 저는 Saint-Gobain Research Provence의 스마트 제조 팀의 R&D 엔지니어이자 데이터 과학자인 Yassir El Housni입니다. |
| 프랑스 카바용에서. |
| 우리는 세라믹 재료 사업부에서 일하고 있습니다. 이 게시물에는 두 가지 포인트가 있습니다. 먼저 제조업체 데이터 프로젝트에 대해 제안하는 데이터 프로젝트 수명 주기를 제시합니다. |
| 그리고 두 번째로 계속하겠습니다. |
| Saint-Gobain 재료...세라믹 재료 산업의 두 가지 사용 사례를 제시합니다. |
| R&D, 생산, 품질 및 유지 관리와 같은 여러 부서에서 데이터 프로젝트를 수행하려면 진행 상황을 추구하기 위해 단계별 접근 방식을 취해야 합니다. |
| 데이터베이스 방법론의 지식 발견, 정의, 측정, 분석, 개선 및 제어를 위한 DMAIC라고도 하는 6시그마 철학. |
| 데이터 분석 프로젝트를 올바르게 관리하기 위해 이 무한 루프에서 추구해야 할 7단계를 정의합니다. 모든 과정에서 우리는 프로세스를 잘 이해하도록 보장합니다. 산업 세계에서 성공적인 데이터 프로젝트의 관련성 핵심이라고 믿기 때문입니다. |
| 예를 들어 프로세스의 변동을 감지하기 위해 SIPOC 또는 순서도 맵을 사용하고 변동의 원인을 감지하기 위해 ???가 포함된 문제 해결 도구 상자를 사용합니다. 또는 이시카와 다이어그램. |
| 그런 다음 무한 루프는 지속적인 개선을 달성하기 위한 또 다른 경로를 제시합니다. 다음에는 접근 방식을 단계별로 자세히 설명합니다. |
| 프로젝트 정의부터 시작하겠습니다. 데이터 프로젝트를 시작하기 전에 세 가지 요소를 명확하게 정의해야 합니다. |
| 여기서 우리는 거래(?)의 요소를 명확하게 정의하는 데 매우 유용한 몇 가지 질문을 제안합니다. 먼저 모든 비즈니스 요구 정의. |
| 종종 제조에서 데이터 프로젝트의 목표는 프로세스를 최적화하고 수율을 최대화하며 특정 제품의 품질을 개선하거나 에너지 소비를 줄이는 것입니다. |
| 비즈니스 기회의 정의에 따라 우리는 무엇이 사용될 것인지 알아야 합니다. 대상은 시각화 또는 분석만 필요합니다. |
| 그 이후에는 비즈니스에 정량화된 이익을 가져다 줄 것입니다. |
| 둘째, 데이터 가용성 및 유용성입니다. 여기에서 우리는 데이터 품질에 대한 대각선 분석을 시작합니다. 데이터 프로젝트의 타당성을 판단하는 단계에서 매우 중요합니다. 따라서 팀 설정, |
| 데이터 팀의 사람, 사업부 팀의 사람 및 공장의 사람, 식스 시그마 녹색 또는 검은색 벨트가 있는 프로세스 엔지니어. |
| 두 번째 단계로 넘어갑시다. |
| 데이터 준비. |
| 변환, 통합, 정리와 함께 데이터 프로젝트에서 많은 시간을 소비하는 중요한 단계입니다. 예를 들어 여기에는 서로 다른 데이터 소스가 있으며 이를 중앙 집중화해야 합니다. |
| 한 테이블에서. 주로 입력에 X를 사용하고 출력에 Y를 사용합니다. 이 설정에서는 결측값 처리, ??? 상수 변수, 그리고 물론 테이블을 올바르게 변환하기 위한 올바른 SQL 요청을 보장하는 JMP 데이터 테이블 도구. |
| 세 번째 단계는 동적 시각화로 데이터를 탐색하는 것입니다. JMP를 사용하면 시각화를 위한 선택의 폭이 넓습니다. 예를 들어, 변수의 분포를 플로팅하고 그에 따르는 부하(?)를 추정합니다. |
| 박스 플롯 다이어그램으로 이상값을 감지합니다. |
| 두 변수 사이의 비선형 회귀, |
| 등고선 또는 밀도 매핑을 사용하여 각 모집단의 집중도에 대한 주요 배치를 결정하고 플롯할 수 있는 선택의 폭이 넓습니다. |
| ???, 우리는 그것들을 우리 업무에서 보통 사용하고 우리는 그것들이 매우 유용하다는 것을 알았습니다. |
| 네 번째 단계는 모델 개발을 개발하는 것으로 필요한 분석 종류에 따라 다릅니다. |
| 그것은 ... |
| 목표는 설명하거나 예측하는 것입니다. 첫 번째는 변수 간의 연결에 관한 것으로 데이터의 패턴을 설명하는 역할을 합니다. 두 번째는 수식에 관한 것으로 데이터의 패턴을 예측하는 역할을 합니다. |
| 일반적으로 우리는 데이터 세트를 3개의 블록으로 잘라냅니다. 훈련용으로 70%, 테스트용으로 20%, 검증용으로 10%입니다. 그리고 가끔 작은 크기의 데이터가 있는 경우 훈련에 70%, 검증에 30%를 사용합니다. 모델이 양호하면 의사 결정을 추진하기 위해 새로운 데이터 세트를 요청합니다. |
| 지도 학습과 비지도 학습에 접근해야 합니다. 오늘 Saint-Gobain에서는 일반 버전의 JMP를 사용합니다. |
| 그리고 우리는 선형 회귀, 결정 트리 및 신경망과 같은 지도 학습 도구에 액세스할 수 있습니다. 오늘날 우리는 세라믹 재료 산업의 문제를 해결하는 데 도움이 되는 관련 결과를 제공하기 때문에 의사 결정 트리로 많은 작업을 합니다. |
| 다섯 번째 단계는 최적의 솔루션을 찾는 것입니다. 때로는 단순한 솔루션일 수도 있지만 다른 경우에는 많은 모델 간의 조합입니다. 그리고 좋은 의미를 보장하기 위해 예를 들어 평균 최대값과 각 변수의 평가 단계와 같은 몇 가지 제약 조건을 추가했습니다. |
| JMP 프로필은 솔루션을 신속하게 최적화할 수 있는 큰 가능성을 제공합니다. |
| 지금부터 다음 단계는 식스 시그마 녹색 또는 검은색 벨트가 있는 프로세스 엔지니어의 지원을 받아 공장으로 넘어가는 것입니다. |
| 여섯 번째 단계는 플랜트에서 최상의 솔루션을 구현하는 것이며 단 하나의 대표 모델에 의해 관리됩니다. 예를 들어 출력 Y1의 제어 차트를 구현하고 다양한 변동을 분석합니다. |
| 일곱 번째 단계에서는 모델 효율성을 모니터링하고 데이터 프로젝트 작업의 글로벌 이득을 시각화합니다. 예를 들어 파이 차트에서 글로벌 수익률에 대한 방사형 영향을 볼 수 있습니다. |
| 마지막으로 무한 루프의 연속성, 지속적인 개선 및 연속성을 보장하기 위한 새로운 데이터 프로젝트를 위한 1단계 준비입니다. |
| 지금까지 데이터 프로젝트 수명 주기에 관한 내용이었습니다. 이제 JMP를 사용하는 프로토콜에 대한 두 가지 실제 사례 연구를 제시하겠습니다. |
| 두 가지 예에서 우리는 동일한 공정 기술을 연구했습니다. 그것은 전기로에 관한 것이지만 두 가지에 대해 우리는 다른 제품과 다른 목표를 가지고 있습니다. |
| 이 기술에는 전기, 열, 화학, 시간 및 기타 물리적 효과와 같은 복잡한 다중 물리적 현상이 있습니다. |
| 여기에는 예를 들어 서로 다른 종류의 센서에서 오는 100개 이상의 프로세스 변수가 있습니다. |
| 비즈니스 요구 사항 |
| 특정 제품인 JO7의 글로벌 수율을 설명하는 것이었습니다. |
| 그 안에서 우리는 결함 #1, #2에서 #N까지 많은 종류의 결함을 감지합니다. |
| 데이터 세트를 올바르게 준비하기 위해 Pareto를 사용했습니다. |
| Mahalanobis 거리로 이상치 처리 및 올바른 속성을 기록하여 오류 유형 수정 및 누락된 값 처리. |
| 3단계 탐색에서 변수 수를 줄이기 위해 입력 사이에서 연구하는 상관 관계의 예를 여기에 제시합니다. |
| 모델 작업 후. |
| 우리의 결과로 우리는 단 세 개의 변수가 있는 의사 결정 트리를 찾았으며 여기에서 목표는 수율이 그렇지 않은 이유를 설명하는 것이었습니다. |
| 최대. |
| 그리고 우리는 |
| 100 미만의 변수가 세 개뿐인 의사 결정 트리. 따라서 모델의 경우 여기에서 데이터의 70%를 교육용으로 사용합니다. 큰 크기의 데이터가 없고 30%는 검증용으로 사용하고 중요한 제곱근으로 좋은 결과를 얻습니다. |
| 보시다시피 70% 이상입니다. |
| 따라서 우리가 공장에 전달한 메시지는 |
| X1, X2, X3를 설명할 수 있습니다. |
| 글로벌 수율, 그리고 이 수율의 백분율인 Y를 최대화해야 하는 경우 X1 및 X3에 대한 특정 설정을 가져와야 합니다. |
| 그리고 글로벌 수익률은 빠르게 진화해야 합니다. 여기 포인트 클러스터에 있는 포인트입니다. |
| 그리고 각각에 대해 |
| 프로젝트, 우리는 또한 각 매개변수의 물리적인 이해를 줍니다 |
| 공장에. |
| 동일한 기술을 사용하지만 다른 제품에 대한 두 번째 예의 경우, 여기에는 80개의 공정 변수만 있고 목표는 결함이 없는 부품 수 D1을 발전시키는 것이었습니다. |
| 품질에 대한 설명이 필요합니다. |
| 특정 제품의 경우 단계에 동일한 방법론을 사용합니다. 예를 들어 여기서는 모델에 넣을 변수의 수를 줄이기 위해 입력 간의 동일한 상관 관계를 연구했습니다. |
| 그리고 결과적으로 의사 결정 트리도 사용하는데 여기에서 이 글로벌 수익률을 설명하는 12개의 변수를 찾았습니다. |
| 좋은 |
| 결과. 보시다시피 R 제곱은 84%, RMSE는 3%, 크기의 수는 287입니다. 이를 위해 교차 검증 방법을 사용했습니다. |
| 테이블 크기가 매우 작기 때문입니다. |
| 따라서 첫 번째 매개변수는 매우 중요합니다. 보시다시피 50% 기여합니다. |
| 그리고 식물에 대한 12가지 변수로는 설명하기 어려웠습니다. 이를 위해 첫 번째 변수만 플롯하면 변수 X1만으로 임계값을 정의할 수 있고 이를 통해 글로벌 수익률이 빠르게 진화해야 한다는 것을 시각적으로 확인할 수 있습니다. |
| 감사합니다. |
