Ciao Io sono Chris Gotwalt con JMP E Mio co- presente Giuseppe Di Martino da Topsoe , E IO Sono dando UN presentazione Quello racconta IL storia Di UN dati analisi progetto Quello vetrine IL nuovo ondulata analisi In IL funzionale Dati esploratore uno Di IL maggior parte emozionante nuovo abilità In JMP 17.
IL caso studio di partenza con UN Prodotto formulazione problema Dove cime o ricercato A progetto UN catalizzatore Quello ottimizzare due risposte Ma IL risposte Sono In conflitto con uno un altro In Quello migliorando uno risposta Spesso contare Ma IL a discapito Di IL altro
UN come candidato per IL ottimale scambio era trovato con Modelli diventa di IL generalizzato regressione piattaforma E IL ottimale fattore impostazioni erano trovato utilizzando IL desiderabilità funzioni In IL profilatore Questo era UN abbastanza standard DoE analisi Ma In aggiunta A IL misurato risposte NIR spettri erano preso da Alcuni Ma non Tutto Di IL campione lotti Questo è informazione Quello Potere Essere usato A Dare UN traccia A IL Ricerca e sviluppo squadra Di Che cosa IL chimico struttura Di IL ideale formulazione Dovrebbe Aspetto Piace
In aggiunta A IL Gen. Reg modello Di IL risposte Noi Anche usato ondulata Modelli COME IL base funzione Di UN funzionale DoE analisi Di IL spettri utilizzando IL DoE fattori COME inputNoi erano Poi capace A Ottenere UN sintetico spettri Di IL ottimale formulazione di collegamento In IL ottimale fattore impostazioni trovato In IL iniziale analisi Di IL due critico risposte
Prima andando in IL presentazione IO Volere A punto fuori Quello Ma IL inizio Di IL progetto Giuseppe era molto nuovo A JMP E non l'ho fatto Avere UN sfondo In Questo tipo Di statistico analisi Giuseppe imparato Tutto Lui necessario A io do IL analisi SU a questi Proprio Dopo UN coppia Di ragnatela riunioni con IO.
Questo ovviamente Spettacoli lui è UN Intelligente tipo Ma Anche Quello JMP Fare apprendimento Come A io do Alcuni molto sofisticato dati analisi progetti velocemente E facile Ora Io sono andando A mano IL spettacolo Sopra A Giuseppe
Grazie Voi Chris. Qui è Alcuni sfondo Di Nostro progetto Suo UN catalizzatore sviluppo progetto Perciò, Noi Sono sviluppando molti diverso ricette Ogni ricetta Avere UN unico impostato Di produzione parametri E una volta IL campione è preparato Noi caratterizzare va In Nostro analisi laboratorio In Topsoe. E Finalmente Noi io do UN prestazione testimone
durante IL prestazione test Noi Aspetto per due valori Quello Qui Noi chiamata Risposta 1 E Risposta 2. In Questo specifica formaggio Noi Sono provando A minimizzare risposta 1 mentre massimizzando risposta 2. Quello Volere Guida noi A Questo ideale spazio In IL superiore Sinistra angolo Di IL grafico. Ma COME Voi Potere Vedere IL 55 campioni Quello noi abbiamo testato Ottenere incollato In IL mezzo Di IL grafico. Quello è Perché Risposta 1 E Risposta 2 Sono fra correlati Senso Quello migliorando uno contare con IL spese Di IL altro
Perciò, Noi mossa A JMP E Noi Tentativo A Aspetto Ma Nostro risposta dati E Nostro caratterizzazione dati Tentativo A Vedere Se Noi Potere mossa lontano da Questo linea In IL mezzo Di IL grafico. Noi identificato due obiettivi le zone Quello Noi Volere A portata E insieme con Chris Noi Pensiero Di utilizzando JMP A creare UN modello Quello volevo Collegare IL produzione parametri A IL risposta valoriT Gallina Noi ulteriore guardò in Nostro infrarossi spettroscopia dati A Tentativo A forza Nostro modello E A Ottenere Alcuni al di fuori informazione Di IL bersaglio campioni
Qui è se panoramica Di IL dati impostato Noi Avere prodotto 112 campioni Ogni campione Avere UN unico impostato Di produzione parametri Noi Avere analizzato Tutto IL campioni utilizzando infrarossi spettroscopia Noi Avere uno spettro per ogni campione
Poi Noi Avere usato molti altro caratterizzazione tecniche Quello Noi Avere In- casa Quello conti per 21 Generalmente colonne Di dati Finalmente, Noi Avere testato metà Di IL campioni E Quello conti per IL scorso due colonne Quello Noi chiamato risposta
Ma IL inizio Di Nostro progetto Noi In realtà ricercato A includere IL infrarossi spettroscopico dati In Nostro più grandi dati impostato E quello è Perché Noi ricercato A utilizzo JMP Perché Ora Noi Avere Questo nuovo ondulata modello possibilità E Quello volevo abilitare noi A includere IL principale componenti in arrivo da IL ondulata modello In Nostro dati impostato E Noi Potevo utilizzo Quello A creare Modelli In JMP Ma Prima Noi inizio Nostro analisi Noi Bisogno A Avere UN Aspetto Ma IL Per dati A Trovare valori anomali Noi io do Quello di cliccando Analizzare E IL Multivariato metodi Multivariato
H Essere Noi Potere Selezionare Nostro produzione parametri E caratterizzazione dati COME Y colonne E Noi Ottenere Questo grafico a dispersione matrice Questo è se esempio Di Appena guardare Ma IL produzione parametri Ma Che cosa Noi volevo identificare COME se valore anomalo Noi Potere Vedere Quello Là è UN impostato Di punti In produzione parametri pure Quello è lontano lontano per Tutto IL altro punti Inoltre, Noi Avere sfondo conoscenza Di questi campioni Quello Noi Sapere non lo farebbe Essere ottimale per Nostro catalizzatore sviluppo COSÌ Noi deciso A Giusto clic E Dire "Riga, nascondere E escludere."
Noi L'ho fatto Questo Anche con altro punti guardare Ma IL grafico a dispersione metrica Di Tutto IL caratterizzazione dati Ora Quello Noi Avere puliti su IL dati Noi Potere diventa UN modello Noi clic Analizzare E È fatta Modello E Noi Selezionare IL produzione parametri COME variabili In Nostro modello Noi clic macro E risposta superficie A creare UN secondo polinomio combinazione Di questi variabili Poi Noi Selezionare Nostro risposte COME Y valori
Poi Noi deciso A utilizzo generalizzato regressione H Essere Chris Potere aggiungere Alcuni Generalmente informazioni Di Perché Noi deciso A utilizzo Questo specifica tipo Di modello
Noi usato UN quadratico risposta superficie modello Perché IL progetto avevo tre O Generalmente livelli per ogni fattore COSÌ IO sapevo Quello Noi volevo Essere capace A diventa curvatura termini Se necessario E Anche Essere capace A diventa abbastanza UN varietà Di diverso interazione termini Noi utilizzo IL generalizzato regressione piattaforma Perché va fate modello selezione con NO gaussiano distribuzioni Piace IL tronco d'albero normale In Mio opinione Là non sono molti motivi non A utilizzo IL generalizzato regressione piattaforma Se Voi Avere JMP Per Perché va è COSÌ facile A utilizzo Mentre In molti modi essendo COSÌ tanto Generalmente potente per DoE analisi di IL altro opzioni In JMP E JMP Per.
Dopo Quello Noi Potere Selezionare Nostro distribuzione Noi Sapere Quello IL risposte Sono andando A Essere rigorosamente positivamente COSÌ Noi Selezionare IL tronco d'albero normale distribuzione E Poi Noi clic correre E Noi Dire NO
In Questo diapositiva Noi Potere Vedere Quello Noi Avere Ora creato UN modello Ma Noi Avere Anche IL possibilità Di creando altro tipo Di Modelli utilizzando diverso valutazione metodi Noi deciso A utilizzo migliore sottoinsieme Qui Chris Potere aggiungere Alcuni Generalmente parole Di va.
BENE COSÌ Qui Noi utilizzo migliore sottoinsieme selezione Perché IL pieno modello non lo è terribilmente grande COSÌ Perché non Tentativo ogni possibile sottoinsieme Di Quello pieno modello E Trovare IL uno Quello fornisce IL assolutamente migliore scambio fra precisione E modello semplicità?
SU IL altro mano avevo Là sono stato otto O Generalmente fattori IO volevo Avere usato UN veloce algoritmo Piace inoltrare selezione O potato inoltrare selezione Perché con più grandi base Modelli va volevo Prendere UN molto lungo Paura A diventa ogni possibile sottomodello A IL dati Erano andando A Essere utilizzando IL AIC modello selezione criteri A confrontare Gen.Reg Modelli
IL AIC consente Voi A confrontare Modelli con diverso effetti In loro COME BENE COME diverso risposta distribuzioni Con IL AIC più piccola valori Sono Meglio E IL regola Di pollice IO utilizzo è Quello Se UN modello Avere se AIC valore Quello è entro 4 Di IL più piccolo AIC valore visto Poi quelli due Modelli Sono in pratica identico In qualità Di diventa
Se IL due Modelli Avere AIC valori entro 10 Di ogni altro Poi Essi Sono statisticamente simile A uno un altro. IL principale punto Qui essendo Quello Se Noi Avere due Modelli E loro dell'AICc differire di Generalmente di 10 Poi IL dati Sono bello fortemente suggerendo Quello IL uno con IL più piccola AIC è IL Meglio modello A Essere lavorando con
COME con Qualunque individuale statistiche Voi Dovrebbe visualizzazione IL UN Icc COME UN suggerimento Se tuo soggetto questione esperienza fortemente suggerimenti uno modello Sopra IL altro Voi Maggio Volere A Fiducia tuo istinti E ignorare IL raccomandazione Di IL UN Icc.
Una volta Noi Avere creato Questo nuovo modello Noi Potere Vedere Quello IL non zero parametri Avere Ora caduto da 16 A nove Se Noi Volere A confrontare Se IL modello Avere migliorato Noi Potere Aspetto Ma IL UN Icc valoriNoi Potere Vedere Quello Là è se miglioramento Di Generalmente di 10 Quale è se importante differenza Perciò, Noi deciso A andare con IL migliore sottoinsieme
Noi L'ho fatto IL allo stesso modo per Risposta 2 E Poi Noi mosso SU. Ora Noi Potere clic SU IL ed freccia E Dire profilatore In IL profilatore Noi Potere giocare in giro con IL produzione parametri E Vedere Come IL modello è aspettando Risposta 1 E Risposta 2 A modifica Questo è Già UN Grande attrezzo per IL scienziato A capire Come IL modello è aspettando IL risposte A variare Ma Noi Potere io do Generalmente Noi Potere clic SU ottimizzazione E desiderabilità E desiderabilità funzioni
Da da diapositiva uno Noi Sapere Quello Noi Avere due obiettivi Quello Noi Volere A portata Noi Potere modifica IL desiderabilità funzione A incontro quelli obiettivi COSÌ Noi Doppio clic SU IL Desiderabilità funzione e Noi Dire incontro bersaglio E Selezionare IL bersaglio la zona Quello Noi Volere A portata Finalmente, Noi Potere clic Ancora SU ottimizzazione E desiderabilità E Dire massimizzare desiderabilità
Qui IL profilatore Volere Tentativo A portata IL ottimale punti per IL produzione parametri A riassumere Noi Potere Dire Quello Ora Noi Avere IL Primo modello Noi andare da produzione parametri A risposte E Noi Avere impostato due obiettivi Quello Noi Volere A portata Questo modo Noi Potere Ottenere ideale produzione parametri Quello Noi Potere comunicare A IL sviluppo squadra E Essi Potere utilizzo A mossa SU In loro ricerca
In IL secondo condividere Di IL presentazione Io sono andando A parlare Di Come Noi utilizzo IL IR Spettri Qui Noi Avere UN file per ogni spettro E Perciò Noi Bisogno A clic SU file E importare multiplo File Poi Noi Bisogno A specificare Quello Noi Volere IL file vale a dire A Essere colonnato In IL dati impostato E Poi Noi Potere utilizzo Questo campione nome Quale è IL vale a dire Di IL file COME se ID A Collegare va A IL altro tavolo Dove Noi Avere Tutto IL dati Noi clic SU IL colonna E Dire collegamento riferimento
Ora Quello IL due tavoli Sono collegato Noi Potere clic Analizzare E specializzarsi modellazione e funzionale dati esploratore In IL funzionale Dati esploratore Noi Volere A utilizzo IL intensità valore COME IL Y produzione Noi Potere utilizzo IL campione nome matrice vale a dire COME Nostro ID funzione
Poi Questo è molto importante Noi utilizzo IL produzione parametri COME supplementare dati E IL peso numero è Di Ovviamente IL X- asse E Noi Dire "Va bene, Qui Noi Potere Vedere Quello IL dati è Già pulito." Noi abbiamo importato Tutto IL Spettri E IL dati sembra pulito Perché Io ho Venire IL preelaborazione al di fuori Di JMP IO usato Pitone Perché Io sono Generalmente familiare con Quello E Là è UN molto Carino modulo Quello è capace A rimuovere IL sfondo E Portare indietro IL allineare Quello Noi Volere A Aspetto Ma
JMP era Bene A lavoro con COME se al di fuori attrezzo Dopo Questo rielaborazione Poi Noi decidere A clic SU Modelli E ondine Noi mossa da discretamente dati A continuo dati Ora Noi Potere Anche Aspetto Ma IL diagnostico trame Questo è per Voi Chris A parla Di
Suo UN Bene idea A Aspetto Ma effettivo di previsto trame COME Voi procedere Attraverso UN funzionale dati analisi Questi Avere IL effettivo osservato valori In IL dati SU IL Y asse E IL previsto valori SU IL X asse Noi Volere IL previsto valori A Essere COME vicino A IL effettivo valori COME possibile UN complotto Piace Questo uno Quello è stretto lungo IL 45 grado linea indicare Quello Noi Avere UN Bene modello
Ora Alcuni Di Voi Maggio Essere interessato Di eccessivo Da IL predizioni diventa IL dati COSÌ BENE In Mio esperienza IO non l'ho fatto trovato Quello A Essere UN problema In IL base funzione raccordo E funzionale principale componente passi Di funzionale DoE analisi Id Anche Piace A punto fuori Quello In JMP 17 noi abbiamo aggiunto UN quantità Di nuovo caratteristiche per spettrale preelaborazione Piace standard normale variare moltiplicativamente spargere correzione E Filtri Savitzky-Golay . Così Di Voi Quello non Sapere Pitone Avere approccio A questi abilità In JMP Per 17.
Dopo Quello Noi Potere Anche Avere UN Aspetto Ma IL funzionale PCA analisi Qui BENE trascorrere Alcuni Generalmente parole SU va.
Dopo IL ondulata modello è diventa JMP Per automaticamente fate UN funzionale principale componenti analisi Di IL ondulata modello Questo decomporsi IL spettri in se complessivamente Significare spettri e UN lineare combinazione Di forma componenti E coefficienti Quello Sono unico A ogni campione spettri Quando Noi io do IL funzionale DoE analisi Gen. Reg automaticamente si adatta Modelli A questi coefficienti dietro IL scene E combina IL risultante modello con IL Significare funzione E IL forma componenti A previsto IL forma Di IL spettri Ma nuovo valori Di IL ingresso parametri
Se Noi Aspetto Ma IL principale componente analisi Noi Potere Vedere Quello IL ondulata modello Avere creato UN Significare funzione Di Tutto IL spettri Quello noi abbiamo impostato COME ingresso E Poi va Avere creato diverso forma funzioni Noi deciso A fermare Ma sei Che cosa Questo forma funzione descritto è IL variazione Di IL dati Quello Noi Sono analizzando
COME Voi Potere Vedere da IL Sinistra IL Primo forma funzione è contabilità per 72 % Di IL variazione Mentre IL secondo è contabilità per 22 %. insieme IL account chiamato sei account per 99,5 % Di IL variazione COME se esempio Noi Potere Aspetto Ma principale componente 2, E Noi Potere Vedere Quello in giro 3.737 Là è UN riduzione Là è UN meno Quello Significare Quello crescente IL principale componente 2 volontà diminuire IL picco Ma 3.737.
Questo è Appena se esempio A Dire Quello Già da questi sei forma funzioni Noi Potere Ottenere UN quantità Di informazione Se Noi Avere soggetto questione conoscenza Di IL infrarossi spettroscopia E Questo catalizzatore sistema Già Qui Noi speso abbastanza UN quantità Di Paura guardare Ma IL principale componenti Ma Questo è non Che cosa Noi Sono andando A messa a fuoco SU In IL Prossimo diapositive
Che cosa Noi Volere A Aspetto Ma Invece è IL funzionale DoE analisi Qui Noi Avere COME BENE UN profilatore Ma Noi Potere Ora tappo IL produzione parametri Quello Noi avuto da IL Primo modello Quello Noi sviluppato Perciò, sapere IL bersaglio produzione parametri Quello Noi Volere A utilizzo Noi Potere creare UN impostore spettro O un sintetico spettro Noi Potere chiamata va.Questo è UN spettro Di UN campione Quello era Mai prodotto Va Potevo Essere sbagliato Ma va Potere Dare Alcuni idee A IL scienziati Di Che cosa Voi volevo Aspettare A Ottenere da questi nuovo produzione parametri
A Sono su Noi Potere Dire Quello Ora Noi mossa da produzione parametri A infrarossi spettro Noi Avere UN secondo modello Quello utilizzo IL ondulata modello A creare sintetico spettro IO immaginare Questo A Essere Piace Quando tu sei cottura al forno UN torta Ora Voi Avere IL ricetta Ma Voi avuto Anche UN istantanea immagine Di IL finale torta Va no spiegare Voi Come A io do va Ma va aggiunte informazione Di Che cosa Voi Volere A raggiungere
Finalmente, Noi Potere mossa da modello A testimone Quello Significare Quello Noi Potere Dare IL Ricerca e sviluppo squadra UN nuovo ricetta E Anche IL sintetico spettro Di quella ricetta. Insieme con Questo informazione Essi Potere Tentativo A sviluppare IL nuovo catalizzatore E Vedere Se IL modello è convalidato O è sbagliato
Un altro cosa IL gruppo Potere io do è Aspetto Indietro Ma IL precedente campioni Ora Noi Avere metà Di IL campioni Quello erano non testato Così Sono IL nero punti In IL diapositiva Noi Potere Aspetto per valori anomali Lui è Là UN campione Quello Potevo eseguire Veramente Bene Quello Noi non l'ho fatto guardò Ma? Noi In realtà Avere uno COSÌ quello è un altro testimone Noi Potere io do
Guardare Ma futuro lavoro IO aggiunto Questo diapositiva Quello era Ma IL inizio Appena A Dire Quello Noi focalizzata SU IL produzione parametri E IL IR spettri Ma Noi non l'ho fatto Veramente guardò Ma questi 21 Generalmente colonne Di caratterizzazione dati
In IL futuro Noi Potevo trascorrere Alcuni Paura provando A identificare IL maggior parte prevedibilmente parametri In questi 21 colonne E creare Forse UN nuovo modello da Questo caratterizzazione dati A IL risposta E utilizzo Questo modello COME UN selezione modello A Evitare test campioni Quello volevo non eseguire COME Bene Questo è tutto IL FINE Di IL presentazione
