批量生產過程的工業數據科學 (2023-EU-30MP-1293)Mattia Vallerio，高級過程控制專家，Solvay
Francisco Navarro，索爾維工業數據科學家
Carlos Perez-Galvan，索爾維工業數據科學家
批處理過程具有高度可變性：原材料成分、初始條件、單元降解及其固有的動態特性。 此外，它們的特點是有幾個不同的階段和步驟，這些階段和步驟會在製造過程中徹底改變條件。 在本演示中，我們將通過一個工業示例來說明如何使用數據科學和機器學習將這種高度可變和明顯過剩的數據轉化為有價值的信息。 首先，我們將展示如何將批次屬性匯總為特徵，並使用開源 Predictor Explainer 插件通過 AutoML 和 ExplainableAI 識別最相關的特徵。 然後，我們將討論在執行軌跡分析之前按時間對齊數據的必要性，並簡要介紹實現這一結果的不同方法的優缺點。 最後，我們將深入分析軌跡。 在這最後一步中，我們將使用 JMP Pro 的功能數據瀏覽器功能來監控和識別偏差。 分析這些偏差將使我們確定關鍵的過程控制改進，以進一步優化生產。
突圍數據探索統計和建模
