실행 간 변동성을 평가하기 위한 FDE: B/P-스플라인에서는 작동하지만 Wavelet에서는 작동하지 않습니다(?)안녕하세요,
배경 : 나는 사용하여 작업 해왔다 FDE 평가하기 실행 간 가변성 여기에 제공된 예의 각 센서에 대해 B-스플라인을 사용할 때 작동하지만 Wavelet을 사용할 때는 작동하지 않습니다. jmp 파일 "1 - Furnace_10_Sensors_5_Runs.jmp"에서 "FDE by Sensor"(실행 간 가변성을 평가하기 위해)" 스크립트를 실행하면서 ID 없이 "Sensor"로 FDE를 실행합니다. 그런 다음 각 센서에 대해 요약을 저장합니다. 각 요약 테이블(예: "S1_B-Spline Model Summaries (Degree=3, Knots=9).jmp")에서 "Temperature (°C) Mean Function Formula"n 열에 있는 공식을 복사하여 초기 항목으로 붙여넣습니다. 각 센서에 대한 수식을 올바르게 정렬하기 위한 Match() 함수가 포함된 열 9의 표(예: "센서별 온도"n) 실행 간 변동성을 평가하기 위해 열 10("잔차(센서별) "n)에서 관찰된 온도와 이전 공식 간의 차이를 계산합니다("잔차 대 시간(분)" 스크립트 참조). 나는 그것에 만족합니다.
문제 : 또 다른 예에서는 B-스플라인 대신 Wavelet을 사용하고 있는데(여기에 제공되지 않은 다른 예에서는 Wavelet을 사용할 때 진단 플롯이 훨씬 더 좋기 때문에) 막혔습니다. 데모를 위해 "1 - Furnace_10_Sensors_5_Runs.jmp"에서 B-spline 대신 Model=Wavelet을 실행하면 요약("S1_Wavelets Model Summaries (Wavelet=Symlet 6.jmp")을 저장할 때 다음 열이 없습니다." 온도(°C) 평균 함수 공식"n이지만 Father Wavelet 열과 추가 열만 있지만 초기 테이블에 다시 복사/붙여넣을 수 있는 공식이 포함되어 있지 않아 막혔습니다.
질문 1: Wavelet을 사용할 때 해결 방법이 있습니까? 아니면 B나 P-스플라인을 사용해야 합니까?
질문 2: 다양한 요약 테이블에서 수식을 가져오고 각 수식을 적절한 조건에 일치()하는 단일 열의 초기 테이블에 다시 복사/붙여넣기하는 단계를 쉽게 하기 위한 스크립트를 개발한 사람이 있습니까?
메모 : Colleen McKendry(2023-EU-30MP-1316)에서 영감을 받은 분석
답변: 실행 간 변동성을 평가하기 위한 FDE: B/P-스플라인에서는 작동하지만 Wavelet에서는 작동하지 않습니다(?)안녕 @Emmanuel_Romeu ,
우선 좋은 예입니다. 공유해 주셔서 감사합니다.
일반적으로 이러한 공식을 얻을 수 있어야 하지만 비슷한 것을 한 번 만났습니다. 내가 기억하는 것이 맞다면 개별 곡선의 수 때문이라고 생각합니다.
방금 ID 변수로 "Sensor_Run"을 사용하여 FDE를 설정하여 예제 테이블에서 요약을 저장하려고 했습니다.
그 경우 요청하신 공식을 얻을 수 있었습니다.
따라서 완벽한 답변이나 솔루션은 아니지만 어쩌면 답변을 향해 안내할 수도 있습니다.
귀하의 솔루션이 어떤 모습인지 듣고 기뻐할 것입니다 
최상의
플로리안
답변: 실행 간 변동성을 평가하기 위한 FDE: B/P-스플라인에서는 작동하지만 Wavelet에서는 작동하지 않습니다(?)안녕하세요,
Peter Hersh와 이야기를 나눈 후 해결책을 찾은 것 같습니다.
문제: "ID" 없이 실행하고 요약을 저장할 때 웨이블릿을 사용할 때는 공식이 없지만 B/P 스플라인 모델을 사용할 때는 공식이 있습니다. 다르게 해봅시다.
해결 방법: "ID = 센서"로 실행하면 각 센서마다 하나씩 10개의 함수를 얻게 되며 각 함수에는 5개 곡선/실행의 데이터가 포함됩니다. 그러나 평균 곡선은 모든 센서에 걸쳐 있으므로 각 센서의 실행 간 변동성을 직접 평가할 수는 없습니다.
점수 플롯에서 센서(예: S1)를 선택하면 FPC가 FPC 프로파일러에 채워집니다. 시뮬레이터를 사용하여 평균 곡선의 결과를 시뮬레이션할 수 있습니다. FPC를 고정하고 시간을 무작위로 설정하며 범위는 1~60분입니다.이 예에서는 정수를 완벽하게 대상으로 지정하기 위해 외부 테이블을 사용하는 것이 좋습니다. 랜덤 함수 때문에 누락된 시점과 중복이 있으므로 필요 이상으로 실행하고 중복을 제거하십시오. 시뮬레이션된 테이블에서 원래 테이블의 새 열에 해당 행 반대쪽의 평균 곡선에 해당하는 온도 값을 복사하여 붙여넣습니다(여기서는 S1의 60분 동안 5번의 실행에 해당하는 1~300행). 그런 다음 잔차를 계산합니다.
참고: 설명을 위해 테이블 끝에 2개의 열을 추가하고 스크립트 끝에 스크립트를 추가했습니다. 이 표는 예시로만 제공되었으므로 나머지 센서가 아닌 S1에 대해서만 수행했습니다. 이 프로세스는 Wavelet이 필요한 다른 데이터세트에 적용됩니다(이 B-스플라인에서는 잘 작동함).
도움을 주신 피터에게 감사드립니다.
