こんにちは私はクリスゴトワルトとJMPそして私の共同現在ジュゼッペについてマーティンからトプソー、そして私は与えるあるプレゼンテーションそれ言うの話のあるデータ分析プロジェクトそれショーケースの新しいウェーブレット分析での機能的なデータ冒険者1つののほとんどエキサイティング新しい能力でJMP 17.
の場合勉強起動とある製品配合問題どこトップスああ欲しかったにデザインある触媒それ最適化する二反応しかしの反応はで対立と1つ別のでそれ改善する1つ応答頻繁カウントしかしの犠牲にしてのの他の
あ候補としてのためにの最適なトレード・オフだった見つかったとモデルになるによるの一般化された回帰プラットホームそしての最適な要素設定だった見つかったを使用しての望ましさ機能でのプロファイラー これだったあるかなり標準DoE分析 しかしで追加にの測定された反応近赤外線スペクトルだった取られたからいくつかのしかしない全てののサンプルバッチ これそれはです情報それできるなれ使用済みに与えるある手がかりにの研究開発チームについて何の化学薬品構造のの理想的配合すべき見てのように
で追加にの将軍登録モデルのの反応私たちはまた使用済みウェーブレットモデルとしての基礎関数のある機能的なDoE分析ののスペクトルを使用してのDoE要因として入力私たちはだったそれからできるに得るある合成スペクトルのの最適な配合による差し込みでの最適な要素設定見つかったでのイニシャル分析のの二致命的反応
前に行くの中へのプレゼンテーション私欲しいにポイント外それしかしの始まりののプロジェクトジュゼッペだったとても新しいにJMPそしてしませんでした持っているある背景でこれタイプの統計的分析 ジュゼッペ学んだ全て彼必要なに私は与えますの分析の上これらに自分の後あるカップルのウェブ会議と私。
これ明らかにショー彼はある頭がいい男しかしまたそれJMP作る学ぶどうやってに私は与えますいくつかのとても洗練されたデータ分析プロジェクト素早くそして簡単 今私は行くに手の見せる以上にジュゼッペ
ありがとうあなたクリス。 ここそれはですいくつかの背景について私たちのプロジェクト そのある触媒発達プロジェクト したがって、私たちはは現像多くの違うレシピ それぞれレシピ持っているある個性的セットの生産パラメーターそして一度のサンプルそれはです準備した私たちは特徴づける行きますで私たちの分析研究室でトプソー。 そしてついに私たちは私は与えますあるパフォーマンス目撃者
その間のパフォーマンステスト私たちは見てのために二価値観それここ私たちは電話応答1そして応答2. でこれ特定のチーズ私たちはは試していますに最小化する応答1 しばらく最大化する応答2. それ意思鉛私たちにこれ理想的空間での上左コーナーののグラフ。 しかしとしてあなたできる見るの55サンプルそれ私たちは持っていますテストされた得る立ち往生での真ん中ののグラフ。 それそれはですなぜなら応答 1そして応答 2は間相関のある意味それ改善する1つカウントとの経費のの他の
したがって、私たちは動くにJMPそして私たちは試すに見てしかし私たちの応答データそして私たちの特徴づけデータ試すに見るもし私たちはできる動く離れてからこれラインでの真ん中ののグラフ。 私たちは特定された二ターゲットエリアそれ私たちは欲しいに到着そして一緒にとクリス私たちは考えについてを使用してJMPに作成するあるモデルそれするだろう接続するの生産パラメーターにの応答価値観T編私たちはさらに遠く見たの中へ私たちの赤外線分光法データに試すに強さ私たちのモデルそしてに得るいくつかの外情報についての目標サンプル
ここそれはですかどうか概要ののデータセット 私たちは持っている生産された112サンプル それぞれサンプル持っているある個性的セットの生産パラメーター 私たちは持っている分析された全てのサンプルを使用して赤外線分光法 私たちは持っている1つスペクトラムのためにそれぞれサンプル
それから私たちは持っている使用済み多くの他の特徴づけテクニックそれ私たちは持っているで-家それアカウントのために21いつもの列のデータ ついに、私たちは持っているテストされた半分ののサンプルそしてそれアカウントのためにの最後二列それ私たちは呼ばれた応答
しかしの始まりの私たちのプロジェクト私たちは実は欲しかったに含むの赤外線分光的なデータで私たちのより大きなデータセットそしてそれはなぜ私たちは欲しかったに使用JMPなぜなら今私たちは持っているこれ新しいウェーブレットモデル可能性 そしてそれするだろう有効にする私たちに含むの主要コンポーネント到来からのウェーブレットモデルで私たちのデータセット そして私たちはできた使用それに作成するモデルでJMP しかし前に私たちは始める私たちの分析私たちは必要に持っているある見てしかしののためにデータに探す外れ値 私たちは私は与えますそれによるクリックする分析するそしての多変量メソッド多変量
Hなれ私たちはできる選択する私たちの生産パラメーターそして特徴づけデータとしてY列そして私たちは得るこれ散布図マトリックス これそれはですかどうか例のただ探しているしかしの生産パラメーターしかし何私たちはするだろう識別するとしてかどうか外れ値 私たちはできる見るそれそこにはそれはですあるセットのポイントで生産パラメーターあまりにもそれそれはです遠い離れてのために全ての他のポイント さらに、私たちは持っている背景知識についてこれらサンプルそれ私たちは知るしないだろうなれ最適なのために私たちの触媒発達それで私たちは決めたに右クリックそして言う"行、隠れるそして除外します。」
私たちはやったこれまたと他のポイント探しているしかしの散布図メトリクスの全ての特徴づけデータ 今それ私たちは持っている掃除された上のデータ私たちはできるになるあるモデル 私たちはクリック分析するそしてされておりますモデルそして私たちは選択するの生産パラメーターとして変数で私たちのモデル 私たちはクリックマクロそして応答表面に作成するある2番多項式組み合わせのこれら変数 それから私たちは選択する私たちの反応としてY価値観
それから私たちは決めたに使用一般化された回帰 Hなれクリスできる追加いくつかのいつもの情報についてなぜ私たちは決めたに使用これ特定のタイプのモデル
私たちは使用済みある二次関数応答表面モデルなぜならのデザイン持っていた三つまたはいつものレベルのためにそれぞれ要素それで私知っていたそれ私たちはするだろうなれできるにになる曲率条項もし必要そしてまたなれできるにになるとてもあるバラエティの違う交流条項 私たちは使用の一般化された回帰プラットホームなぜなら行きますあなたがやるモデル選択といいえガウス分布のようにのログ普通 で私の意見そこにはではない多くの理由ないに使用の一般化された回帰プラットホームもしあなた持っているJMPのためになぜなら行きますそれはですそれで簡単に使用その間で多くの方法いるそれで多くのいつもの強力なのためにDoE分析よりもの他のオプションでJMPそしてJMPのために。
後それ私たちはできる選択する私たちの分布 私たちは知るそれの反応は行くになれ厳密に積極的にそれで私たちは選択するのログ普通分布そしてそれから私たちはクリック走るそして私たちは言ういいえ
でこれ滑り台私たちはできる見るそれ私たちは持っている今作成したあるモデルしかし私たちは持っているまたの可能性の作成他のタイプのモデルを使用して違う評価メソッド 私たちは決めたに使用最高サブセット ここクリスできる追加いくつかのいつもの言葉について行きます。
良いそれでここ私たちは使用最高サブセット選択なぜならの満杯モデルそうではありませんひどく大きいそれでなぜない試す毎可能サブセットのそれ満杯モデルそして探すの1つそれ提供しますの絶対に最高トレード・オフ間正確さそしてモデルシンプルさ？
の上の他の手持っていたそこにはなっている八またはいつもの要因私するだろう持っている使用済みある速いアルゴリズムのようにフォワード選択または剪定されたフォワード選択なぜならとより大きなベースモデル行きますするだろう取るあるとても長さ恐れているにになる毎可能サブモデルにのデータ だった行くになれを使用してのAICモデル選択基準に比較する将軍登録モデル
のAIC許可しますあなたに比較するモデルと違う効果で彼らとして良いとして違う応答分布 とのAIC小さい価値観はより良いそしてのルールの親指私使用それはですそれもしあるモデル持っているかどうかAIC価値それそれはです内で4のの最小AIC価値見たそれからそれらの二モデルは実質的に同一で品質のになる
もしの二モデル持っているAIC価値観内で10のそれぞれ他のそれから彼らはは統計的に似ているに1つ別の。 の主要ポイントここいるそれもし私たちは持っている二モデルそして彼らのAICcの異なるによるいつものよりも10それからのデータはかわいい強く示唆するそれの1つとの小さいAICそれはですのより良いモデルになれ働くと
としてとどれでも個人統計あなたすべきビューのあIccとしてある提案 もしあなたの主題案件経験強く提案1つモデル以上の他のあなた5月欲しいに信頼あなたの本能そして無視するのおすすめののあIcc.
一度私たちは持っている作成したこれ新しいモデル私たちはできる見るそれのないゼロパラメーター持っている今落としたから16に九 もし私たちは欲しいに比較するもしのモデル持っている改善された私たちはできる見てしかしのあIcc価値観私たちはできる見るそれそこにはそれはですかどうか改善のいつものよりも10どれのそれはですかどうか重要違い したがって、私たちは決めたに行くとの最高サブセット
私たちはやったの同じくのために応答 2そしてそれから私たちは移動しましたの上。 今私たちはできるクリックの上の編矢印そして言うプロファイラー でのプロファイラー私たちはできる遊ぶその周りとの生産パラメーターそして見るどうやってのモデルそれはです期待して応答 1そして応答 2に変化 これそれはですすでにある素晴らしい道具のためにの科学者に理解するどうやってのモデルそれはです期待しての反応に変化するしかし私たちはできる私は与えますいつもの 私たちはできるクリックの上最適化そして望ましさそして望ましさ機能
以来から滑り台1つ私たちは知るそれ私たちは持っている二ターゲットそれ私たちは欲しいに到着私たちはできる変化の望ましさ関数にマッチそれらのターゲット それで私たちはダブルクリックの上の望ましさ機能と私たちは言うマッチ目標そして選択するの目標エリアそれ私たちは欲しいに到着 ついに、私たちはできるクリックまたの上最適化そして望ましさそして言う最大化する望ましさ
ここのプロファイラー意思試すに到着の最適なポイントのためにの生産パラメーター に要約する私たちはできる言うそれ今私たちは持っているの初めモデル私たちは行くから生産パラメーターに反応そして私たちは持っているセット二ターゲットそれ私たちは欲しいに到着 これ方法私たちはできる得る理想的生産パラメーターそれ私たちはできる通信するにの発達チームそして彼らはできる使用に動くの上で彼らの研究
での2番共有ののプレゼンテーション私は行くに話すについてどうやって私たちは使用のIRスペクトル ここ私たちは持っているあるファイルのためにそれぞれスペクトラムそしてしたがって私たちは必要にクリックの上ファイルそして輸入複数ファイル それから私たちは必要に特定それ私たちは欲しいのファイルつまりになれ柱状のでのデータセットそしてそれから私たちはできる使用これサンプル名前どれのそれはですのつまりののファイルとしてかどうかIDに接続する行きますにの他のテーブルどこ私たちは持っている全てのデータ 私たちはクリックの上のカラムそして言うリンク参照
今それの二テーブルは接続されています私たちはできるクリック分析するそして専門化するモデリングそして機能的データ冒険者 での機能的なデータ冒険者私たちは欲しいに使用の強度価値としてのY出力 私たちはできる使用のサンプル名前マトリックスつまりとして私たちのID関数
それからこれそれはですとても重要 私たちは使用の生産パラメーターとして補足データ そしての重さ番号それはですのもちろんのバツ-軸 そして私たちは言う"わかった、ここ私たちはできる見るそれのデータそれはですすでにクリーン。" 私たちは輸入された全てのスペクトルそしてのデータ見た目クリーンなぜなら私は来るの前処理外のJMP 私使用済みパイソンなぜなら私はいつものおなじみとそれそしてそこにはそれはですあるとてもニースモジュールそれそれはですできるに取り除くの背景そして持ち帰るの範囲それ私たちは欲しいに見てしかし
JMPだった良いに仕事ととしてかどうか外道具後これ再処理 それから私たちは決めるにクリックの上モデルそしてウェーブレット 私たちは動くから個別にデータに継続的なデータ 今私たちはできるまた見てしかしの診断プロット これそれはですのためにあなたクリスに話をするについて
そのある良いアイデアに見てしかし実際のによる予測されたプロットとしてあなた進むを通してある機能的なデータ分析 これら持っているの実際の観察された価値観でのデータの上のY軸そしての予測された価値観の上のバツ軸 私たちは欲しいの予測された価値観になれとして近いにの実際の価値観として可能 あプロットのようにこれ1つそれそれはですきつい平行の45程度ライン示すそれ私たちは持っているある良いモデル
今いくつかののあなた5月なれ心配しているについてオーバーフィット以来の予測になるのデータそれで良い で私の経験私していない見つかったそれになれある問題での基礎関数フィッティングそして機能的な主要成分ステップの機能的なDoE分析 私はそうするだろうまたのようににポイント外それでJMP 17私たちは持っています追加したある多くの新しい特徴のためにスペクトル前処理のように標準普通変化する乗算的に散らばる修正そしてSavitzky-Golay フィルター。 トスのあなたそれしないでください知るパイソン持っているアプローチにこれら能力でJMPのために17.
後それ私たちはできるまた持っているある見てしかしの機能的なPCA分析 ここ良い過ごすいくつかのいつもの言葉の上行きます。
後のウェーブレットモデルそれはですになるJMPのために自動的にあなたがやるある機能的な主要コンポーネント分析ののウェーブレットモデル これ分解するのスペクトルの中へかどうか全体平均スペクトルとある線形組み合わせの形コンポーネントそして係数それは個性的にそれぞれサンプルスペクトル いつ私たちは私は与えますの機能的なDoE分析将軍登録自動的に合うモデルにこれら係数後ろにのシーンそして組み合わせるの結果として生じるモデルとの平均関数そしての形コンポーネントに予測されたの形ののスペクトルしかし新しい価値観のの入力パラメーター
もし私たちは見てしかしの主要成分分析私たちはできる見るそれのウェーブレットモデル持っている作成したある平均関数の全てのスペクトルそれ私たちは持っていますセットとして入力そしてそれから行きます持っている作成した違う形機能 私たちは決めたに停止しかし六 何これ形関数説明されたそれはですの変化ののデータそれ私たちはは分析する
としてあなたできる見るからの左の初め形関数それはです会計のために72 %のの変化その間の2番それはです会計のために22 %。 一緒にのアカウント呼ばれた六アカウントのために99.5 %のの変化 としてかどうか例私たちはできる見てしかし主要成分2、そして私たちはできる見るそれその周り3,737そこにはそれはですある削減 そこにはそれはですある少ない それ平均それ増加するの主要成分2 意志減少のピークしかし3,737。
これそれはですただかどうか例に言うそれすでにからこれら六形機能私たちはできる得るある多くの情報 もし私たちは持っている主題案件知識についての赤外線分光法そしてこれ触媒システム すでにここ私たちは過ごしたとてもある多くの恐れている探しているしかしの主要コンポーネントしかしこれそれはですない何私たちはは行くに集中の上での次スライド
何私たちは欲しいに見てしかしその代わりそれはですの機能的なDoE分析 ここ私たちは持っているとして良いあるプロファイラーしかし私たちはできる今プラグの生産パラメーターそれ私たちは得たからの初めモデルそれ私たちは発展した したがって、知っているの目標生産パラメーターそれ私たちは欲しいに使用私たちはできる生成するある偽物スペクトラムまたは合成のスペクトラム私たちはできる電話行きます。これそれはですあるスペクトラムのあるサンプルそれだった一度もない生産された 行きますできたなれ間違っているしかし行きますできる与えるいくつかのアイデアにの科学者について何あなたするだろう待ってに得るからこれら新しい生産パラメーター
に私は上私たちはできる言うそれ今私たちは動くから生産パラメーターに赤外線スペクトラム 私たちは持っているある2番モデルそれ使用のウェーブレットモデルに生成する合成スペクトラム 私想像するこれになれのようにいつあなたはベーキングあるケーキ今あなた持っているのレシピしかしあなた得たまたあるスナップショット写真のの最後のケーキ 行きますしません説明するあなたどうやってに私は与えます行きますしかし行きます追加情報について何あなた欲しいに成し遂げる
ついに、私たちはできる動くからモデルに目撃者 それ平均それ私たちはできる与えるの研究開発チームある新しいレシピそしてまたの合成スペクトラムのそのレシピ。 一緒にとこれ情報彼らはできる試すに開発するの新しい触媒そして見るもしのモデルそれはです検証済みまたはそれはです間違っている
別のもののグループできる私は与えますそれはです見て戻るしかしの前のサンプル 今私たちは持っている半分ののサンプルそれだったないテストされた トスはの黒点での滑り台 私たちはできる見てのために外れ値 彼はそこにはあるサンプルそれできた実行する本当に良いそれ私たちはしていない見たしかし？ 私たちは実は持っている1つ それでそれでおしまい別の目撃者私たちはできる私は与えます
探していますしかし未来仕事私追加したこれ滑り台それだったしかしの始まりただに言うそれ私たちは集中したの上の生産パラメーターそしてのIRスペクトルしかし私たちはしていない本当に見たしかしこれら21いつもの列の特徴づけデータ
での未来私たちはできた過ごすいくつかの恐れている試していますに識別するのほとんど予想通りパラメーターでこれら21列そして作成する多分ある新しいモデルからこれ特徴づけデータにの応答そして使用これモデルとしてあるふるい分けモデルに避けるテストサンプルそれするだろうない実行するとして良い それでおしまいの終わりののプレゼンテーション
