Mattia Vallerio, 고급 공정 제어 전문가, Solvay
Francisco Navarro, 산업 데이터 과학자, Solvay
Carlos Perez-Galvan, 산업 데이터 과학자, Solvay
배치 프로세스는 원료 구성, 초기 조건, 단위 분해 및 본질적인 동적 특성과 같이 변동성이 높습니다. 또한 제조 공정 중 조건을 크게 변경하는 몇 가지 뚜렷한 단계와 단계가 특징입니다. 이 프레젠테이션에서는 데이터 과학과 머신 러닝을 사용하여 이러한 높은 변동성과 과도한 데이터를 가치 있는 정보로 변환하는 방법을 산업 사례를 통해 설명합니다. 먼저 배치 속성을 기능으로 요약하고 오픈 소스 Predictor Explainer 추가 기능을 사용하여 AutoML 및 ExplainableAI를 사용하여 가장 관련성이 높은 항목을 식별하는 방법을 보여줍니다. 그런 다음 궤적 분석을 수행하기 전에 데이터를 시간적으로 정렬해야 할 필요성에 대해 논의하고 이 결과를 달성하기 위한 다양한 방법론의 장단점을 간략하게 소개합니다. 마지막으로 궤적 분석에 대해 살펴보겠습니다. 이 마지막 단계에서는 JMP Pro의 Functional Data Explorer 기능을 사용하여 편차를 모니터링하고 식별합니다. 이러한 편차를 분석하면 생산을 더욱 최적화하기 위한 주요 프로세스 제어 개선 사항을 식별할 수 있습니다.
