批量生产过程的工业数据科学 (2023-EU-30MP-1293)Mattia Vallerio，高级过程控制专家，Solvay
Francisco Navarro，索尔维工业数据科学家
Carlos Perez-Galvan，索尔维工业数据科学家
批处理过程具有高度可变性：原材料成分、初始条件、单元降解及其固有的动态特性。 此外，它们的特点是有几个不同的阶段和步骤，这些阶段和步骤会在制造过程中彻底改变条件。 在本演示中，我们将通过一个工业示例来说明如何使用数据科学和机器学习将这种高度可变和明显过剩的数据转化为有价值的信息。 首先，我们将展示如何将批次属性汇总为特征，并使用开源 Predictor Explainer 插件通过 AutoML 和 ExplainableAI 识别最相关的特征。 然后，我们将讨论在执行轨迹分析之前按时间对齐数据的必要性，并简要介绍实现这一结果的不同方法的优缺点。 最后，我们将深入分析轨迹。 在这最后一步中，我们将使用 JMP Pro 的功能数据浏览器功能来监控和识别偏差。 分析这些偏差将使我们确定关键的过程控制改进，以进一步优化生产。
突围数据探索统计和建模
