扬声器 | 脚本 |
| 亚西尔·胡斯尼 | 你好。 |
| 我是 Yassir El Housni，圣戈班研究普罗旺斯智能制造团队的研发工程师和数据科学家。 |
| 在法国卡瓦永。 |
| 我们正在为陶瓷材料业务部门工作。在这篇文章中，我们有两个要点。首先，我们将介绍我们为制造商数据项目提出的数据项目生命周期。 |
| 第二，我们将继续 |
| 展示两例圣戈班材料的用户案例……陶瓷材料行业。 |
| 跨研发、生产、质量、维护等不同部门开展数据项目，需要采取循序渐进的方式来追求进度。 |
| 数据库方法中的知识发现和六西格玛哲学（也称为 DMAIC）来定义、测量、分析、改进和控制。 |
| 我们在这个无限循环中定义了要遵循的七个步骤，以便正确管理数据分析项目。在所有这些步骤中，我们确保对流程有很好的理解，因为我们相信这是工业世界中成功数据项目的关键。 |
| 例如，为了检测流程中的变化，我们使用 SIPOC 或流程图；为了检测变化的原因，我们使用包含 ??? 或 Ishikawa 图的问题解决工具箱。 |
| 然后无限循环也提供了实现持续改进的另一种途径。接下来我们将逐步详细介绍该方法。 |
| 首先我们来定义一下项目。在开始数据项目之前，需要明确定义三个要素。 |
| 我们在此提出一些问题，这些问题对于明确界定贸易要素非常有用。首先，业务需要定义。 |
| 制造业数据项目的目标通常是为了优化流程、最大化产量、提高特定产品的质量或降低能源消耗。 |
| 在商业机会的定义下，我们应该知道将会用到什么，目标是否仅仅需要可视化还是分析。 |
| 此后，这种影响应该会给我们的业务带来量化的收益。 |
| 其次，数据可用性和可用性。我们在此启动数据质量的对角线分析。在这一步中，确定数据项目的可行性非常重要。因此，团队设置， |
| 一名来自数据团队的人员、一名来自业务部门团队的人员和一名来自工厂的人员、一名拥有六西格玛绿带或黑带的工艺工程师。 |
| 让我们进入第二步。 |
| 数据准备。 |
| 转换、集成和清理是数据项目中耗费大量时间的重要步骤。例如，我们有不同的数据源，我们需要将它们集中起来 |
| 在一个表中。我们主要使用 X 作为输入，Y 作为输出。在此设置中，我们使用 JMP 中的不同工具，例如缺失值处理、常量变量的 ???，当然还有 JMP 数据表工具，这些工具可确保正确的 SQL 请求能够正确转换表格。 |
| 第三步是使用动态可视化探索数据，使用 JMP，我们可以进行多种可视化选择。例如，绘制变量的分布并估计其遵循的负载（？）。 |
| 使用箱线图检测异常值， |
| 两个变量之间的非线性回归， |
| 轮廓或密度图来确定每个种群集中的主要位置，并且我们可以进行广泛的选择来绘制它。 |
| ???，我们在工作中经常使用它们，并且发现它们非常有用。 |
| 第四步是开发模型，这取决于我们需要的分析类型。 |
| 这是为了... |
| 目标是解释还是预测。第一个是关于变量之间的联系，它有助于解释数据中的模式。第二个是关于公式，它有助于预测数据中的模式。 |
| 通常，我们将数据集分为三部分，70% 用于训练，20% 用于测试，10% 用于验证。有时，如果我们的数据量很小，我们会使用 70% 用于训练，30% 用于验证。如果模型很好，我们会请求一组新数据来推动决策。 |
| 我们必须采用监督和无监督学习。今天在圣戈班，我们将使用 JMP 的普通版本。 |
| 我们可以使用监督学习工具，例如线性回归、决策树和神经网络。我们今天大量使用决策树，因为它可以给我们提供相关结果，帮助我们解决陶瓷材料行业的挑战。 |
| 第五步是寻找最优解。有时它只是一个解决方案，但在其他情况下它是许多模型之间的组合。为了确保良好的意义，我们添加了一些约束，例如，均值最大值和每个变量的估值步骤。 |
| JMP 配置文件为我们提供了快速优化解决方案的巨大可能性。 |
| 从现在开始，下一步就是在我们拥有六西格玛绿带或黑带的工艺工程师的支持下进入工厂。 |
| 第六步是在工厂中实施最佳解决方案，并仅由一个代表性模型控制。例如，我们实施输出 Y1 的控制图并分析不同的变化。 |
| 在第七步中，我们监控模型的有效性，并将数据项目的整体收益可视化。例如，在饼图中，我们可以看到对整体收益的径向影响。 |
| 最后但同样重要的一点是，为新的数据项目做好第一步的准备，以确保连续性、持续改进和无限循环的连续性。 |
| 这就是有关数据项目生命周期的全部内容，现在我们将通过 JMP 来介绍两个有关该协议的真实案例研究。 |
| 在这两个例子中，我们研究的是相同的工艺技术。它们都是关于电弧炉的，但是对于这两个例子，我们有不同的产品和不同的目标。 |
| 在这项技术中，我们有复杂的多物理现象，如电、热、化学、时间和其他物理效应。 |
| 例如，这里有来自不同类型传感器的 100 多个过程变量。 |
| 业务需求 |
| 是为了解释特定产品 JO7 的全球产量。 |
| 我们在其中检测到很多种缺陷，缺陷#1、缺陷#2 到缺陷#N。 |
| 为了正确准备数据集，我们使用了帕累托， |
| 用马哈拉诺比斯距离进行异常值处理并重新编码正确的属性，以纠正错误类型和缺失值处理。 |
| 在第三步，在探索中，我们在这里只展示一个相关性的例子，我们研究输入之间的相关性以减少变化的数量 |
| 与模型合作之后。 |
| 结果显示，我们的决策树只有三个变量，这里的目标是解释为什么产量不 |
| 在最大值 |
| 我们有一个 |
| 决策树只有三个变量，少于 100。因此对于模型，我们使用 70％ 的数据进行训练，因为我们的数据量不大，30％ 的数据用于验证，并且我们通过重要的平方根获得了良好的结果。 |
| 如您所见，它超过了 70%。 |
| 因此，我们向工厂传递的信息是，只要有特定的设置 |
| X1、X2 和 X3 我们可以解释 |
| 全球产量，如果我们需要最大化 Y，即该产量的百分比，我们需要针对 X1 和 X3 进行特定的设置。 |
| 全球收益率应该会迅速变化。这就是重点……这里的点群。 |
| 对于每一个 |
| 项目中，我们还给出了每个参数的物理理解 |
| 到工厂。 |
| 第二个例子采用同样的技术，但针对的是另一种产品，这里我们只有 80 个过程变量，目标是增加无缺陷的零件数量 D1。 |
| 需要解释的是质量 |
| 我们的具体产品，所以我们使用相同的方法进行我们的步骤。例如，我们研究了输入之间的相同相关性，以减少我们将放入模型中的变量数量。 |
| 因此，我们也使用了决策树，但在这里我们发现了 12 个变量来解释这一全球产量 |
| 有良好的 |
| 结果。如您所见，R 平方为 84%，RMSE 为 3%，大小数为 287。为此，我们使用了交叉验证方法 |
| 因为我们的桌子尺寸非常小。 |
| 因此第一个参数非常重要，如您所见，它贡献了 50%。 |
| 用 12 个变量来解释植物的这一变化非常困难。为此，当我们仅绘制第一个变量时，我们直观地看到，我们可以仅使用变量 X1 来定义阈值，并且全局产量应该会迅速变化。 |
| 谢谢。 |
