Hallo Ich bin Chris Gotwalt mit JMP Und Mein co- gegenwärtig Giuseppe Um Martin aus Topsoe , Und ICH Sind Geben A Präsentation Das erzählt Die Geschichte von A Daten Analyse Projekt Das Vitrinen Die neu Wavelet Analyse In Die funktionell Daten Forscher eins von Die am meisten spannend neu Fähigkeiten In JMP 17.
Der Fall Studie beginnend mit A Produkt Formulierung Problem Wo Spitzen Ö gesucht Zu Design A Katalysator Das optimieren zwei Antworten Aber Die Antworten Sind In Konflikt mit eins ein anderer In Das verbessern eins Antwort oft zählen Aber Die auf Kosten von Die andere
A als Kandidat für Die optimal Abtausch War gefunden mit Modelle wird von Die verallgemeinert Rückschritt Plattform Und Die optimal Faktor Einstellungen war gefunden verwenden Die Wünschbarkeit Funktionen In Die Profiler Das War A ziemlich Standard Damhirschkuh Analyse Aber In Zusatz Zu Die gemessen Antworten NIR Spektren war genommen aus manche Aber nicht alle von Die Probe Chargen Das es ist Information Das Kann Sei gebraucht Zu geben A Hinweis Zu Die Forschung und Entwicklung Team um Was Die chemisch Struktur von Die Ideal Formulierung sollen sehen wie
In Zusatz Zu Die Gen. Reg Modell von Die Antworten Wir Auch gebraucht Wavelet Modelle als Die Basis Funktion von A funktionell Damhirschkuh Analyse von Die Spektren verwenden Die Damhirschkuh Faktoren als EingängeWir war Dann fähig Zu erhalten A Synthetik Spektren von Die optimal Formulierung von Einstecken In Die optimal Faktor Einstellungen gefunden In Die anfänglich Analyse von Die zwei kritisch Antworten
Vor gehen hinein Die Präsentation ICH wollen Zu Punkt aus Das Aber Die Anfang von Die Projekt Giuseppe War sehr neu Zu JMP Und nicht haben A Hintergrund In Das Typ von statistisch Analyse Giuseppe gelernt alle Er erforderlich Zu ich gebe Die Analyse An zu diesen eigen nach A Paar von Netz Treffen mit ICH.
Das offensichtlich zeigt an er ist A clever Kerl Aber Auch Das JMP machen Lernen Wie Zu ich gebe manche sehr anspruchsvoll Daten Analyse Projekte schnell Und einfach Jetzt Ich bin gehen Zu Hand Die zeigen über Zu Giuseppe
Danke Du Chris. Hier es ist manche Hintergrund um unser Projekt Es ist A Katalysator Entwicklung Projekt Daher, Wir Sind Entwicklung viele anders Rezepte Jede Rezept haben A einzigartig Satz von Produktion Parameter Und einmal Die Probe es ist vorbereitet Wir charakterisieren geht In unser Analyse Labor In Topsoe. Und Endlich Wir ich gebe A Leistung Zeuge
während Die Leistung prüfen Wir sehen für zwei Werte Das Hier Wir Anruf Antwort 1 Und Antwort 2. In Das Spezifisch Käse Wir Sind versuchen Zu minimieren Antwort 1 Weile maximieren Antwort 2. Das Wille führen uns Zu Das Ideal Raum In Die Spitze links Ecke von Die Graph. Aber als Du Kann sehen Die 55 Proben Das wir haben geprüft erhalten gesteckt In Die Mitte von Die Graph. Das es ist Weil Antwort 1 Und Antwort 2 Sind zwischen korreliert Bedeutung Das verbessern eins zählen mit Die Kosten von Die andere
Daher, Wir bewegen Zu JMP Und Wir versuchen Zu sehen Aber unser Antwort Daten Und unser Charakterisierung Daten versuchen Zu sehen Wenn Wir Kann bewegen weg aus Das Linie In Die Mitte von Die Graph. Wir identifiziert zwei Ziele Bereiche Das Wir wollen Zu erreichen Und zusammen mit Chris Wir Gedanke um verwenden JMP Zu erstellen A Modell Das würde verbinden Die Produktion Parameter Zu Die Antwort WerteT Henne Wir weiter sah hinein unser Infrarot Spektroskopie Daten Zu versuchen Zu Stärke unser Modell Und Zu erhalten manche draußen Information um Die Ziel Proben
Hier es ist ob Überblick von Die Daten Satz Wir haben produziert 112 Proben Jede Probe haben A einzigartig Satz von Produktion Parameter Wir haben analysiert alle Die Proben verwenden Infrarot Spektroskopie Wir haben eins Spektrum für jede Probe
Dann Wir haben gebraucht viele andere Charakterisierung Techniken Das Wir haben In- Haus Das Konten für 21 normalerweise Säulen von Daten Endlich, Wir haben geprüft Hälfte von Die Proben Und Das Konten für Die zuletzt zwei Säulen Das Wir angerufen Antwort
Aber Die Anfang von unser Projekt Wir Genau genommen gesucht Zu enthalten Die Infrarot spektroskopisch Daten In unser größer Daten Satz Und das ist Warum Wir gesucht Zu verwenden JMP Weil Jetzt Wir haben Das neu Wavelet Modell Wahrscheinlichkeit Und Das würde aktivieren uns Zu enthalten Die Rektor Komponenten Kommen aus Die Wavelet Modell In unser Daten Satz Und Wir könnte verwenden Das Zu erstellen Modelle In JMP Aber Vor Wir Start unser Analyse Wir brauchen Zu haben A sehen Aber Die Für Daten Zu finden Ausreißer Wir ich gebe Das von Klicken Analysieren Und Die Multivariat Methoden Multivariat
H Sei Wir Kann wählen unser Produktion Parameter Und Charakterisierung Daten als Y Säulen Und Wir erhalten Das Streudiagramm Matrix Das es ist ob Beispiel von Nur suchen Aber Die Produktion Parameter Aber Was Wir würde identifizieren als ob Ausreißer Wir Kann sehen Das Dort es ist A Satz von Punkte In Produktion Parameter zu Das es ist weit weg für alle Die andere Punkte Außerdem, Wir haben Hintergrund Wissen um diese Proben Das Wir wissen würde nicht Sei optimal für unser Katalysator Entwicklung Also Wir entschieden Zu Rechts klicken Und sagen "Reihe, verstecken Und ausschließen."
Wir Ich tat Das Auch mit andere Punkte suchen Aber Die Streudiagramm Metriken von alle Die Charakterisierung Daten Jetzt Das Wir haben gereinigt hoch Die Daten Wir Kann wird A Modell Wir klicken Analysieren Und Es ist vollbracht Modell Und Wir wählen Die Produktion Parameter als Variablen In unser Modell Wir klicken Makros Und Antwort Oberfläche Zu erstellen A zweite Polynom Kombination von diese Variablen Dann Wir wählen unser Antworten als Y Werte
Dann Wir entschieden Zu verwenden verallgemeinert Rückschritt H Sei Chris Kann hinzufügen manche normalerweise die Info um Warum Wir entschieden Zu verwenden Das Spezifisch Typ von Modell
Wir gebraucht A quadratisch Antwort Oberfläche Modell Weil Die Design hatte drei oder normalerweise Ebenen für jede Faktor Also ICH wusste Das Wir würde Sei fähig Zu wird Krümmung Bedingungen Wenn notwendig Und Auch Sei fähig Zu wird ganz A Vielfalt von anders Interaktion Bedingungen Wir verwenden Die verallgemeinert Rückschritt Plattform Weil geht du tust Modell Auswahl mit NEIN Gauß Verteilungen wie Die Protokoll normal In Mein Meinung Dort Sie sind nicht viele Gründe dafür nicht Zu verwenden Die verallgemeinert Rückschritt Plattform Wenn Du haben JMP Für Weil geht es ist Also einfach Zu verwenden während In viele Wege Sein Also viel normalerweise mächtig für Damhirschkuh Analyse als Die andere Optionen In JMP Und JMP Für.
Nach Das Wir Kann wählen unser Verteilung Wir wissen Das Die Antworten Sind gehen Zu Sei streng positiv Also Wir wählen Die Protokoll normal Verteilung Und Dann Wir klicken Laufen Und Wir sagen NEIN
In Das gleiten Wir Kann sehen Das Wir haben Jetzt erstellt A Modell Aber Wir haben Auch Die Wahrscheinlichkeit von Erstellen andere Typ von Modelle verwenden anders Auswertung Methoden Wir entschieden Zu verwenden am besten Teilmenge Hier Chris Kann hinzufügen manche normalerweise Wörter um geht.
Also Also Hier Wir verwenden am besten Teilmenge Auswahl Weil Die voll Modell ist nicht fürchterlich groß Also Warum nicht versuchen jeden möglich Teilmenge von Das voll Modell Und finden Die eins Das bietet Die absolut am besten Abtausch zwischen Genauigkeit Und Modell Einfachheit?
An Die andere Hand hatte Dort gewesen sein acht oder normalerweise Faktoren ICH würde haben gebraucht A schnell Algorithmus wie nach vorne Auswahl oder beschnitten nach vorne Auswahl Weil mit größer Base Modelle geht würde nehmen A sehr lang besorgt Zu wird jeden möglich Untermodell Zu Die Daten War gehen Zu Sei verwenden Die AIC Modell Auswahl Kriterien Zu vergleichen Gen. Reg Modelle
Der AIC erlaubt Du Zu vergleichen Modelle mit anders Auswirkungen In ihnen als Also als anders Antwort Verteilungen Mit Die AIC kleiner Werte Sind besser Und Die Regel von Daumen ICH verwenden es ist Das Wenn A Modell haben ob AIC Wert Das es ist innerhalb 4 von Die am kleinsten AIC Wert gesehen Dann diese zwei Modelle Sind praktisch identisch In Qualität von wird
Wenn Die zwei Modelle haben AIC Werte innerhalb 10 von jede andere Dann Sie Sind statistisch gesehen ähnlich Zu eins ein anderer. Der hauptsächlich Punkt Hier Sein Das Wenn Wir haben zwei Modelle Und ihre AICcs abweichen von normalerweise als 10 Dann Die Daten Sind hübsch stark vorschlagen Das Die eins mit Die kleiner AIC es ist Die besser Modell Zu Sei Arbeiten mit
Als mit beliebig Individuell Statistiken Du sollen Sicht Die A Icc als A Anregung Wenn dein Thema Gegenstand Erfahrung stark Vorschläge eins Modell über Die andere Du Mai wollen Zu Vertrauen dein Instinkte Und ignorieren Die Empfehlung von Die A Icc.
Einmal Wir haben erstellt Das neu Modell Wir Kann sehen Das Die nicht null Parameter haben Jetzt fallen gelassen aus 16 Zu neun Wenn Wir wollen Zu vergleichen Wenn Die Modell haben verbessert Wir Kann sehen Aber Die A Icc WerteWir Kann sehen Das Dort es ist ob Verbesserung von normalerweise als 10 welche es ist ob wichtig Unterschied Daher, Wir entschieden Zu gehen mit Die am besten Teilmenge
Wir Ich tat Die ebenfalls für Antwort 2 Und Dann Wir gerührt An. Jetzt Wir Kann klicken An Die Hrsg Pfeil Und sagen Profiler In Die Profiler Wir Kann spielen um mit Die Produktion Parameter Und sehen Wie Die Modell es ist erwarten Antwort 1 Und Antwort 2 Zu ändern Das es ist bereits A Großartig Werkzeug für Die Wissenschaftler Zu verstehen Wie Die Modell es ist erwarten Die Antworten Zu variieren Aber Wir Kann ich gebe normalerweise Wir Kann klicken An Optimierung Und Wünschbarkeit Und Wünschbarkeit Funktionen
Seit aus gleiten eins Wir wissen Das Wir haben zwei Ziele Das Wir wollen Zu erreichen Wir Kann ändern Die Wünschbarkeit Funktion Zu übereinstimmen diese Ziele Also Wir doppelt klicken An Die Wünschbarkeit Funktion und Wir sagen übereinstimmen Ziel Und wählen Die Ziel Bereich Das Wir wollen Zu erreichen Endlich, Wir Kann klicken wieder An Optimierung Und Wünschbarkeit Und sagen maximieren Wünschbarkeit
Hier Die Profiler Wille versuchen Zu erreichen Die optimal Punkte für Die Produktion Parameter Zu zusammenfassen Wir Kann sagen Das Jetzt Wir haben Die Erste Modell Wir gehen aus Produktion Parameter Zu Antworten Und Wir haben Satz zwei Ziele Das Wir wollen Zu erreichen Das Weg Wir Kann erhalten Ideal Produktion Parameter Das Wir Kann kommunizieren Zu Die Entwicklung Team Und Sie Kann verwenden Zu bewegen An In ihre Forschung
In Die zweite Aktie von Die Präsentation Ich bin gehen Zu sprechen um Wie Wir verwenden Die IR Spektren Hier Wir haben A Datei für jede Spektrum Und daher Wir brauchen Zu klicken An Datei Und importieren mehrere Dateien Dann Wir brauchen Zu angeben Das Wir wollen Die Datei nämlich Zu Sei säulenförmig In Die Daten Satz Und Dann Wir Kann verwenden Das Probe Name welche es ist Die nämlich von Die Datei als ob AUSWEIS Zu verbinden geht Zu Die andere Tisch Wo Wir haben alle Die Daten Wir klicken An Die Spalte Und sagen Verknüpfung Referenz
Jetzt Das Die zwei Tische Sind in Verbindung gebracht Wir Kann klicken Analysieren Und spezialisieren Modellieren und funktional Daten Forscher In Die funktionell Daten Forscher Wir wollen Zu verwenden Die Intensität Wert als Die Y Ausgabe Wir Kann verwenden Die Probe Name Matrix nämlich als unser AUSWEIS Funktion
Dann Das es ist sehr wichtig Wir verwenden Die Produktion Parameter als ergänzend Daten Und Die Gewicht Nummer es ist von Natürlich Die X- Achse Und Wir sagen "Okay, Hier Wir Kann sehen Das Die Daten es ist bereits sauber." Wir haben importiert alle Die Spektren Und Die Daten sieht aus sauber Weil Ich habe kommen Die Vorverarbeitung draußen von JMP ICH gebraucht Python Weil Ich bin normalerweise vertraut mit Das Und Dort es ist A sehr Hübsch Modul Das es ist fähig Zu entfernen Die Hintergrund Und zurückbringen Die Reichweite Das Wir wollen Zu sehen Aber
JMP War Gut Zu arbeiten mit als ob draußen Werkzeug nach Das Wiederaufbereitung Dann Wir entscheiden Zu klicken An Modelle Und Wavelets Wir bewegen aus diskret Daten Zu kontinuierlich Daten Jetzt Wir Kann Auch sehen Aber Die diagnostisch Grundstücke Das es ist für Du Chris Zu reden um
Es ist A Gut Idee Zu sehen Aber tatsächlich von vorhergesagt Grundstücke als Du fortfahren durch A funktionell Daten Analyse Diese haben Die tatsächlich beobachtet Werte In Die Daten An Die Y Achse Und Die vorhergesagt Werte An Die X Achse Wir wollen Die vorhergesagt Werte Zu Sei als schließen Zu Die tatsächlich Werte als möglich A Handlung wie Das eins Das es ist eng entlang Die 45 Grad Linie angeben Das Wir haben A Gut Modell
Jetzt manche von Du Mai Sei betroffen um Überfit seit Die Vorhersagen wird Die Daten Also Also In Mein Erfahrung ICH nicht gefunden Das Zu Sei A Problem In Die Basis Funktion passend zu Und funktionell Rektor Komponente Schritte von funktionell Damhirschkuh Analyse Ausweis Auch wie Zu Punkt aus Das In JMP 17 wir haben hinzugefügt A viel von neu Merkmale für spektral Vorverarbeitung wie Standard normal variieren multiplikativ streuen Korrektur Und Savitzky-Golay-Filter . Thos von Du Das nicht wissen Python haben Ansatz Zu diese Fähigkeiten In JMP Für 17.
Nach Das Wir Kann Auch haben A sehen Aber Die funktionell PCA Analyse Hier Also ausgeben manche normalerweise Wörter An geht.
Nach Die Wavelet Modell es ist wird JMP Für automatisch du tust A funktionell Rektor Komponenten Analyse von Die Wavelet Modell Das zersetzen Die Spektren hinein ob gesamt bedeuten Spektren und A linear Kombination von Form Komponenten Und Koeffizienten Das Sind einzigartig Zu jede Probe Spektren Wann Wir ich gebe Die funktionell Damhirschkuh Analyse Gen. Reg automatisch passt Modelle Zu diese Koeffizienten hinter Die Szenen Und vereint Die resultierend Modell mit Die bedeuten Funktion Und Die Form Komponenten Zu vorhergesagt Die Form von Die Spektren Aber neu Werte von Die Eingang Parameter
Wenn Wir sehen Aber Die Rektor Komponente Analyse Wir Kann sehen Das Die Wavelet Modell haben erstellt A bedeuten Funktion von alle Die Spektren Das wir haben Satz als Eingang Und Dann geht haben erstellt anders Form Funktionen Wir entschieden Zu stoppen Aber sechs Was Das Form Funktion beschrieben es ist Die Variation von Die Daten Das Wir Sind Analysieren
Als Du Kann sehen aus Die links Die Erste Form Funktion es ist Buchhaltung für 72 % von Die Variation während Die zweite es ist Buchhaltung für 22 %. zusammen Die Konto angerufen sechs Konto für 99,5 % von Die Variation Als ob Beispiel Wir Kann sehen Aber Rektor Komponente 2, Und Wir Kann sehen Das um 3.737 Dort es ist A die Ermäßigung Dort es ist A weniger Das bedeuten Das zunehmend Die Rektor Komponente 2 werden verringern Die Gipfel Aber 3.737.
Das es ist Nur ob Beispiel Zu sagen Das bereits aus diese sechs Form Funktionen Wir Kann erhalten A viel von Information Wenn Wir haben Thema Gegenstand Wissen um Die Infrarot Spektroskopie Und Das Katalysator System Bereits Hier Wir ausgegeben ganz A viel von besorgt suchen Aber Die Rektor Komponenten Aber Das es ist nicht Was Wir Sind gehen Zu Fokus An In Die nächste Folien
Was Wir wollen Zu sehen Aber stattdessen es ist Die funktionell Damhirschkuh Analyse Hier Wir haben als Also A Profiler Aber Wir Kann Jetzt Stecker Die Produktion Parameter Das Wir bekommen aus Die Erste Modell Das Wir entwickelt Daher, wissend Die Ziel Produktion Parameter Das Wir wollen Zu verwenden Wir Kann generieren A gefälscht Spektrum oder ein synthetisches Spektrum Wir Kann Anruf geht.Das es ist A Spektrum von A Probe Das War niemals produziert Geht könnte Sei falsch Aber geht Kann geben manche Ideen Zu Die Wissenschaftler um Was Du würde Warten Zu erhalten aus diese neu Produktion Parameter
Zu Ich bin hoch Wir Kann sagen Das Jetzt Wir bewegen aus Produktion Parameter Zu Infrarot Spektrum Wir haben A zweite Modell Das verwenden Die Wavelet Modell Zu generieren Synthetik Spektrum ICH vorstellen Das Zu Sei wie Wann du bist Backen A Kuchen Jetzt Du haben Die Rezept Aber Du bekommen Auch A Schnappschuss Bild von Die Finale Kuchen Geht nicht erklären Du Wie Zu ich gebe geht Aber geht Ergänzungen Information um Was Du wollen Zu erreichen
Endlich, Wir Kann bewegen aus Modell Zu Zeuge Das bedeuten Das Wir Kann geben Die Forschung und Entwicklung Team A neu Rezept Und Auch Die Synthetik Spektrum von dieses Rezept. Zusammen mit Das Information Sie Kann versuchen Zu entwickeln Die neu Katalysator Und sehen Wenn Die Modell es ist bestätigt oder es ist falsch
Ein anderer Ding Die Gruppe Kann ich gebe es ist sehen zurück Aber Die vorherige Proben Jetzt Wir haben Hälfte von Die Proben Das war nicht geprüft Thos Sind Die Schwarz Punkte In Die gleiten Wir Kann sehen für Ausreißer Er ist Dort A Probe Das könnte ausführen Wirklich Gut Das Wir nicht sah Aber? Wir Genau genommen haben eins Also das ist ein anderer Zeuge Wir Kann ich gebe
Suchen Aber Zukunft arbeiten ICH hinzugefügt Das gleiten Das War Aber Die Anfang Nur Zu sagen Das Wir konzentriert An Die Produktion Parameter Und Die IR Spektren Aber Wir nicht Wirklich sah Aber diese 21 normalerweise Säulen von Charakterisierung Daten
In Die Zukunft Wir könnte ausgeben manche besorgt versuchen Zu identifizieren Die am meisten vorhersehbar Parameter In diese 21 Säulen Und erstellen Vielleicht A neu Modell aus Das Charakterisierung Daten Zu Die Antwort Und verwenden Das Modell als A Screening Modell Zu vermeiden testen Proben Das würde nicht ausführen als Gut Das ist es Die Ende von Die Präsentation
